顾客评论是在亚马逊上最古老的和最重要的特性之一。当我们第一次开始回顾1995年,当时的想法是激进。人挠脑袋,当我们说我们想让客户有机会表达他们的诚实的意见产品好,坏,介于两者之间的。虽然不是普遍接受,接受了我们的客户。
客户喜欢互相学习和分享在亚马逊社区的反馈。他们想听到的人花自己的钱,得到了产品,并使用它。其他公司在零售开始在自己的网站,采用顾客评论,很快评论成为网上购物的代名词。今天,很难想象做出购买决定不先了解其他客户对产品的感觉。
多年来,我们已经取得了许多更新,创造一个更有用的经验和增加参与两个截然不同但相互联系的audiences-those留下评论和那些利用评估,以决定下一步该怎么购买。我们继续发明现在看来司空见惯的特性,比如包括评论标题、照片和视频。增加评审的范围和多样性,在2019年,我们开始让客户在亚马逊上购买了一个项目提供反馈,留下一个快速星级,而无需编写一个全文回顾。
评论的价值和重要性大小的增长以及我们的目录,我们得到了更多有意的我们如何帮助客户创建评论,以及我们如何提出回给客户。我们让客户更容易提交他们的意见购买主动问顾客反馈的应用。我们也启用评论写在一个国家表面上一个产品页面在另一个国家。今天,如果一个产品是相同的在每一个地区,客户可以受益于世界各地的顾客意见和见解。帮助顾客购买服装充满信心在亚马逊,我们创建了一个功能,允许客户过滤某些服装评论显示只有那些写给类似的身高和体重的人得到更好的健康的想法。我们添加了一个类似的功能,帮助客户购买儿童书籍让评论家分享读过这本书的人的年龄当提交他们的审查。
我们为帮助客户有信心在他们的购买,就算如果决定不购买。仅去年一年,1.25亿客户贡献了近15亿条评论和评级亚马逊商店的每秒45评论,使得客户在亚马逊评论令人难以置信的资源。
新AI-generated客户审查突出
我们想使它更容易为客户了解共同的主题在评论,最近生成的人工智能的发展,我们相信我们有技术手段解决这一长期存在的客户需求。想要快速确定其他客户是怎么说一个产品前阅读评论吗?新AI-powered特性提供了一个简短的段落在产品详细信息页面,突出产品特性和客户情绪经常提到在写评论,帮助客户确定乍一看是否适合他们的产品。
现在可以移动购物者在美国的一个子集在广泛的产品选择,AI-generated审查也强调功能关键产品的见解,让客户更容易表面评论提到产品的某些属性。例如,客户想要了解的产品易于使用,可以很容易地表面评论提及“易用性”利用,产品属性下审查突出。
我们一直在测试,学习,改善客户体验和微调我们的人工智能模型,根据客户反馈,可以扩大我们的评论强调功能附加类别和客户在未来几个月。
我们如何保持亚马逊社区安全审查真实吗
当我们持续改进评审经验,我们也努力确保客户继续看到的内容和观点将是最有价值的。我们社区指南帮助我们的机器学习模型和人类版主保留社区安全相关的评论,同时允许客户来表达自己和与尽可能多的个人表达他们的意见。我们认为这将导致一个富裕,更好,更值得信赖的评论。顾客喜欢这个分享他们的观点,和那些阅读也是。
我们欢迎真实reviews-whether正面或负面的但是却严格禁止虚假评论,故意误导客户,提供的信息是不公正的,真实的,或用于产品或服务。我们继续投入大量资源主动停止虚假评论。这包括机器学习模型,分析成千上万的数据点检测的风险,包括关系其他账户,登录活动,回顾历史,和其他异常行为的迹象,以及专家调查人员,使用复杂的欺诈监测工具来分析和防止假的评论出现在我们的商店。新的AI-generated审查强调只使用我们的信任评估语料库从购买验证,确保客户可以很容易地理解社区的意见。
很少有其他零售商这样一个广泛的选择,一个客户群,和一个客户内容历史如此严重倾斜的发布到客户的利益放在第一位。我们总是争取尽可能多的诚实和值得信赖的评论,无影响或操纵,越好。诚实的评论为客户提供他们需要的信息让自信的购买决策。
我们将继续更容易为客户提交评论和添加新的内容类型,利用人工智能来帮助客户看到评论的重点。我应该点这个,,,不是吗?只要回顾可以帮助让客户清晰的路径,我们对结果很满意。
了解更多关于亚马逊是如何使用人工智能。
