作者 |?小Z
來源 |?數(shù)據(jù)不吹牛
起因：
發(fā)際線堪憂的小Q，為了守住頭發(fā)最后的尊嚴(yán)，深入分析了幾十款防脫洗發(fā)水的評價(jià)，最后綜合選了一款他認(rèn)為最完美的防脫洗發(fā)水。
一星期后，他沒察覺到任何變化。
一個(gè)月后，他用卷尺量了量，發(fā)際線竟然后退了0.5cm！難道防脫要經(jīng)歷一個(gè)物極必反的過程，先脫再長？小Q不甘心，決定繼續(xù)堅(jiān)持。
兩個(gè)月后，小Q心如死灰，忍不住和小Z抱怨。
！！！！！！
這句話，平地一驚雷，炸出了小Q慘痛的網(wǎng)購回憶。
他，屢屢沖著賣家秀而去，卻屢屢化身買家秀而歸。
說好的椰子！？
我想買兩個(gè)杯子來著，怎么變成了一個(gè)！？
小Q曾經(jīng)因?yàn)榫W(wǎng)購吃虧太多，而為自己的顏值和智商擔(dān)憂。但經(jīng)過小Z的點(diǎn)撥，他認(rèn)定了一件事：活成賣家秀，并不是自身的問題，而是萬惡的假評價(jià)誤導(dǎo)了自己的消費(fèi)決策。
為了自己，為了讓更多的朋友免受誤導(dǎo)，他和小Z一拍即合，決定用數(shù)據(jù)思維來鑒定刷單。
經(jīng)過一番翻云覆雨，終于總結(jié)出了用數(shù)據(jù)鑒定刷單的兩板斧。
第一板斧：評銷比
購買——使用——評價(jià)是一個(gè)完整的購后鏈路。消費(fèi)者在購買了產(chǎn)品之后，一定會使用，但評價(jià)則需要一定場景來觸發(fā)。
比如這個(gè)產(chǎn)品超出預(yù)期，我要感謝賣家！或者這個(gè)產(chǎn)品在侮辱我的智商，我要罵街！
當(dāng)然，還存在一部分為了刷積分而評價(jià)的人，不過正常情況下，主動評論的人占總?cè)藬?shù)的比重是維持在穩(wěn)定水平的。
如果有通過大規(guī)模紅包返現(xiàn)或其他人為手段刷的好評，在同樣購買人數(shù)的前提下，參與評價(jià)的人大概率是高于正常的。
怎么衡量這個(gè)比例是否合理呢？這里，我們引入一個(gè)叫做評銷比的指標(biāo)。
評銷比 = 單款產(chǎn)品總評論數(shù) / 單款產(chǎn)品總銷量 * 100，以此來衡量平均每賣出100單位的產(chǎn)品，對應(yīng)著多少條評價(jià)。
接下來，我們導(dǎo)入爬取的脫敏真實(shí)數(shù)據(jù)（為了去重廣告嫌疑脫的敏）來實(shí)踐一下：
增加一列計(jì)算評銷比：
看看評銷比分布形態(tài)，數(shù)據(jù)在20左右分散開來，略微偏右：
從評銷比分布圖，可以看出在40處有二次下跌，我們暫且把40（一般也可以嘗試平均值）設(shè)置為一個(gè)篩選閾值，高于閾值的判定為有刷單嫌疑。
第一版斧揮過，12%疑似刷單的產(chǎn)品應(yīng)聲倒下，小Z露出了欣慰的微笑。
小Q卻眉頭緊鎖：“這個(gè)鑒定邏輯是有一定道理，但是，我買的那款洗發(fā)水竟然逃過了篩選！”
不要慌，我們還有第二板斧保駕護(hù)航。
第二板斧：內(nèi)容重復(fù)度
第二板斧整個(gè)判別邏輯極其簡單粗暴：對于一款產(chǎn)品，如果存在不同的用戶，在不同的時(shí)間，評論了相同的內(nèi)容，那妥妥的是刷啊！
直接上案例數(shù)據(jù)，我們爬取了小Q購買的那款防脫洗發(fā)水評價(jià)，共計(jì)1706條：
為了讓鑒別更加科學(xué)，先換位思考：除極端情緒外，我們自己在評論時(shí)總會用“還行”、“一般般”、“剛收到，還沒用”等短評來敷衍。這些短評非常容易重復(fù)，但也不能說是刷的評價(jià)。
so，我們在用重復(fù)度鑒別時(shí)，可以先預(yù)設(shè)一個(gè)評論長度作為篩選標(biāo)準(zhǔn)，比如只對超過15個(gè)字的評論進(jìn)行重復(fù)度匹配：
長度篩選之后，正好還剩下1200條評價(jià)，下面開始正式匹配。大家如果想更精細(xì)，可以考慮用文本挖掘等高階方法，在這里我們用最最最簡單粗暴的文本排序：
前6條評價(jià)，有3個(gè)不同的客戶，分別在19年的10月16日、24日和21日發(fā)表了相同的內(nèi)容，他們都受高考壓力影響，脫發(fā)嚴(yán)重，每天房間、床鋪、地上掉滿他們的頭發(fā)。
幸好！！！他們在禿頂前遇到了這款洗發(fā)水！用了幾次不僅比之前掉的少，還新長出來了一些小碎發(fā)！
177個(gè)字，洋洋灑灑，令人動容！
但這到底是偶然的巧合還是有組織刷的評價(jià)呢？我們不能這么簡單下定論。
繼續(xù)看一看，這些長篇大論一字不差的重復(fù)評論有多少條：注：A,B,C三條內(nèi)容完全一樣，則統(tǒng)計(jì)為3條重復(fù)評價(jià)
1200條超過15個(gè)字的評價(jià)，有378條是虛偽的，占比高達(dá)31.5%。
他們文風(fēng)多變，除了“高考壓力”，還有“為父分憂而買”、也有“被微博廣告安利”、甚至有“擔(dān)心被騙，用第二套才敢評價(jià)的”。
可謂情真而意切，感人而至深！
小Z看過評價(jià)，深深不能自拔，瞬間理解了小Q為什么被忽悠。
“你跺你也麻啊！”
幸好，以后有了這兩板斧保駕護(hù)航，再也不用擔(dān)心這些虛評假意了。
注：文章所涉及所有源數(shù)據(jù)和代碼，已上傳至github(或點(diǎn)擊閱讀原文)https://github.com/seizeeveryday/DA-cases/tree/master/Comments
下載APP