先从技术角度解释一下亚马逊稽查系统对Review的大概审核原理,以便在实际操作中能主动避免比较低级的错误。

亚马逊大数据系统会对Review、Feedback(统称为评价)行为进行特征分类统计,主要算法是聚类分析以及神经决策网络。

评价特征分析根据统计学原理对各种维度指标安排概率或某种规律进行分类,特征值包括下单与评价间隔、订单折扣、评价频率、星级打分、评价与反馈比例、晒图比例、视频比例、打分分布、评价密度、订单购买特征、评价内容敏感词、评价账号各种特征等等,实际上计算机自动统计分类的指标远远超过上述十几个。

当某些账号评价出现异常特征时,系统会认为该评价存在操作的可能性,进而会对该评价类似特征的评价再次进行特征分类分析。比如:低价成交、绝对化词过密、评价频率高、下单与评价间隔规律这几项或者和其他操作特征同时出现,那么人为操纵的可能性就非常高。达到某个水平,就会触发警告信或者直接封号。

一、以下是几个在操作过程中比较容易犯的错误,平时多加留意。

1、日常操纵订单如有条件,尽量维持比较低的留评价比例。这个比例主要是指操作订单的比例,不是所有订单的比例。review建议控制在10%-20%之间,feedback建议控制在25%以内,尽量就低不就高。 原理:操纵的订单即使做的再完善,也一定会有某些类似的特征值。如果后续的评价出现大量操纵的特征值,风险越高,被发现的概率也就越大。

2、对于操纵订单,新产品前面几十个单不建议留评价,老产品前几单不建议留评价。原理:亚马逊行业数据统计客户留评价比例非常低,也就是阶段性的评价密度和特征呈高度的随机性,老产品会有波动率较低的特征值。对于新品来说,前期的留评价比例会突然出现特征波动,并且持续波动(假设前面几十个留评维持20%)。对新品来说操纵评价的特征度是非常高的,老产品因为历史订单的积累则不会出现较大特征波动。

3、下单与评价的时间间隔尽量分散,不要经常在某个间隔安排review。比如:15天、20天、30天、60天各种间隔都要安排。 原理:真实的客户留评价是高度随机性的,下单后几个月内哪天都有可能留评价。亚马逊的该项特征值也是呈随机分布的,如果某些List的评价经常出现某种时间间隔值过度集中,则有可能触发进一步操纵特征分析。比如:突然出现15-20天内留评过多,或者10天和15天的过多等等。

4、尽量用自己原创性Review内容,避免过度的绝对化、诱导性用词,禁止抄袭同类产品Review或者拼凑Review内容。 原理:为检测客户的消费行为特征,亚马逊会对Review的内容进行语义分析,提炼有价值的评价特征。重点是分析形容词、名词、动词等语义,如果是抄袭内容或者拼凑内容则会出现于其他产品语义特征高度雷同。绝对化、诱导性用词过多会更多概率被判定为利益交换评价。这样很容易被审核不通过,或者后期被删除。

5、千万不能就对1-2个Listing进行操纵,长期操纵Listing集中度太高容易全军覆没,大批量删除Review。

6、2018.4起review新规:买家过去12个月内,信用卡消费满50美金才可留评

二、留评规则:

  • feedback需要10个字符以上,40个字符以内。
  • 日本和欧洲站review需35个字符以上。
  • 美国review需25个单词以上。
  • 英国对review字数暂无限制。

(一个英文字母或数字算作一个字符)

注:review内容不能带推广、过于偏向卖家、过于积极、淫秽、谩骂、侮辱等词句,使用有关产品性能的内容,切勿百分百5星,偶尔3星或4星更真实安全。Feedback使用有关物流、卖家服务等内容。

* 视频格式或大小规则:100MB以内,格式:.csv/.mp4/.mov;图片没有限制,且视频与图片可同时存在一个review中。