数据洞察（美赛 2020 MCM-C · A Wealth of Data）

历年真题解法库 · 本题为公开赛题要点整理，完整原题请到官方渠道获取（链接见下）；
下方「练习数据」为本站生成的合成数据集，仅用于跑通方法，非官方原题数据。

一、赛题要点

赛事：美赛 2020 年 · 题号 MCM-C
问题实质：Sunshine 公司在亚马逊销售电吹风、微波炉、安抚奶嘴三款商品，手握海量客户评论数据，要求从中提炼可解释洞察，并据此为新产品上市献策。核心是一套"数据→洞察→建模→评价→决策"的闭环：① 探索数据、理解顾客如何评分、什么让评论有用；② 建立模型预测评论有用性；③ 设计"成功"指标、排名三商品并给出上市建议。

对三款商品的评论数据做探索性分析（星级分布、好评/差评率、有用率、Vine/验证占比、评论长度、月度趋势、关键词—星级关联）；建立回归模型预测 helpful_votes；构建五维加权成功评分并对三商品排名，最终输出新品定位与运营建议。

官方数据/赛题：COMAP 给出三份亚马逊评论数据（hair_dryer / microwave / pacifier），字段含 id、brand、model、star_rating、helpful_votes、total_votes、vine、verified_purchase、review_headline、review_body、review_date。
官方获取渠道：https://www.comap.com/undergraduate/contests/mcm/（请以当年官网发布为准）
本站练习数据集：data/mcm2020c.csv —— 由真源 tools/gen_mcm2020c.py 生成的确定性合成评论数据（4100 条，字段与官方一致），可下载后用上面的算法手册直接练手。
字段说明：CSV 含 review_id、product、brand、model、star_rating、helpful_votes、total_votes、vine、verified_purchase、review_date、review_length、review_headline、review_body；数值与文本为确定性合成，仅用于方法验证，不代表真实赛题数据。

下面按本题涉及的题型，给出对应的「方法选型指南」与可直接套用的算法手册跳转。

先看选型 👉 🧭 回归预测选型指南

可套用算法手册：

先看选型 👉 🧭 评价类选型指南

可套用算法手册：

先看选型 👉 🧭 时间序列选型指南

可套用算法手册：

下面三篇为按真实赛题逐题手写的优秀范文（每篇 ≥2500 字、8 图、可运行附录），数字与上方真源、配图、练习数据四路一致，附录 Python 可独立复现。

权威数字速览（来自真源 tools/gen_mcm2020c.py，附录可复现）

合成数据 $N=4100$ 条：电吹风 1500、微波炉 1400、安抚奶嘴 1200。
平均星级：安抚奶嘴 4.400 > 微波炉 4.229 > 电吹风 3.965；好评率 86.2% / 81.0% / 73.3%。
关键词—星级关联：正向词≈4.8★、负向词≈1.5★，情感得分—星级 Pearson r=0.796。
月度趋势斜率：电吹风 −1.04 条/月（退潮）、微波炉 +0.13（持平）、安抚奶嘴 +0.70 条/月（高速增长）。
Q2 有用性 OLS：样本 $n=1105$ ， $R^2=$ 0.482；长度系数 0.606（主导）、验证 +0.108、星级 +0.087、Vine −0.068。
Q3 综合成功评分：安抚奶嘴 82.27 > 微波炉 81.90 > 电吹风 77.45（权重：好评率 0.35、均星 0.20、有用率 0.15、验证率 0.15、体量 0.15）。