近年来，电商发展的如火如荼，从以淘宝为首的网购零售平台再到垂直的生鲜类等电商，中国电商市场正持续较快地增长。据消息称，手机淘宝DAU在6月18日达到2.6亿的峰值，并且从去年开始，阿里电商平台推出促进消费者评价制度，买家评价字数多，配图多的能提高分值。这一举动拉高了用户商品评价率，但是也为恶意评价防控除了新的难题。
阿里电商平台平均每天产生2千万条商品评价。评价内容不仅体现卖家的口碑信誉，影响消费者的下单判断，而且这也是获取消费者反馈互动的最直接方式。
品牌商从中可以解析出商品最吸引人的卖点，以及最需要改进的地方，进而获知当前的消费者理念，预判流行趋势，提高购买转化。当一个卖家每天产生数百条商品评价时，假如用人工方式逐条甄别好评、差评，摘录收集消费者反馈的关键点，平均需要占用两名客服人员的工时；一旦遇上营销活动或者大促，则所需的工时更多。
因此，阿里云自然语言处理推出商品评价解析功能，基于NLP自然语言处理技术和电商行业语料，能够对历史评价和每天新增评价内容自动分析，将文本转化为结构化的属性字段，从而高效甄别出净负面评论跟进处理，并统计分析最能影响购买转化的相关因素。
阿里云商品评价解析功能，主要用于分析消费者反馈的评价、点评内容，同时也可以对类似微博的口语化、短文本进行分析。
四大功能优势
通过来自阿里电商平台全量商品的评价处理的技术积累，包括对评价内容的解析，确保排序优先输出对消费者决策有帮助的评价；
提炼商品的关键属性，搭建符合行业特性的标签体系，帮助消费者快速了解买过用户的体验；
支持“评价体或微博体” 的情感分析：对用户的评价进行结构化，分为商品、服务、物流三大类并且进行情感分析，可协助商家有针对性地展开售后服务；
支持商品属性维度的情感分析：对于覆盖行业的商品，进行关键属性的提炼及情感打分，让商家第一时间全面了解店铺已售商品的消费者印象，对后续销售方向提供决策依据。
评论示例说明：
比如说“面料舒适，款式好，只是尺码偏小，好在我看了其他买家的评价，在原尺码上加了一号，正合适，很满意！给满分！服务好，发货快！”这句话，商品评价解析功能如何判断是正面评论还是负面评论。
具体操作如下：
接口定义
请求方法
POST
请求URL
URL参数
参数名 描述
Domain 目前支持ecommerce（电商领域）
Header
Content-Type application/json
body请求体
{"text":"面料舒适，款式好，只是尺码偏小，好在我看了其他买家的评价，在原尺码上加了一号，正合适，很满意！给满分！服务好，发货快！","cate":"clothing"}
参数说明
参数名 值
cate 行业类别，目前支持的行业有：
“clothing”：服装
“makeup”：美妆
“snacks”：零食
“milkpowder”：奶粉
“paperdiaper”：纸尿裤
“shoes”：鞋类
“furniture”：住宅家具
“bedding”：床上用品
“underwear”:内衣
“bags”:箱包
“cellphone”:手机
“cycling”:骑行配饰
“bicycle”:自行车
“bigball”:大型球类
“littleball”:小型球类
“watch”:手表
其他行业逐步增加中，请关注文档更新或咨询客服人员
text 需要分析的评价文本
返回结果
{"result": {"aspectItem": [ {"aspectCategory":"物流","aspectIndex":"55 57","aspectTerm":"发货","opinionTerm":"发货快","aspectPolarity":"正"}, {"aspectCategory":"面料/材质","aspectIndex":"0 2","aspectTerm":"面料","opinionTerm":"舒适","aspectPolarity":"正"}, {"aspectCategory":"卖家服务","aspectIndex":"51 53","aspectTerm":"服务","opinionTerm":"服务好","aspectPolarity":"正"}, {"aspectCategory":"版型/款式","aspectIndex":"5 7","aspectTerm":"款式","opinionTerm":"好","aspectPolarity":"正"}, {"aspectCategory":"尺码","aspectIndex":"11 13","aspectTerm":"尺码","opinionTerm":"偏小","aspectPolarity":"负"} ],"textPolarity":"正","textIntensity":"0.4851228125853578"} }
参数说明
