基于大模型的跨境电商评论分析

人工智能分析评论数据,例如这里举例一般的评论分析需求:

1:【分析维度】主题分析:

从评论分析出该品牌对于:产品质量,价格,客户服务三方面的反馈,每个方面不低于5句话进行总结并针对每个方面做一个词云;

2:【分析维度】关键词分析

关键词分析,梳理出评论中出现最多的关键词有哪些,例如:

用户评论中最常见的关键词:

  • "自然"(出现在 65% 的评论中)
  • "质地柔软"(出现率60%的评论中)
  • "颜色褪色"(以25%的评论中出现)
  • "价格高"(在40%的评论中出现)
  • "商品快"(在45%的评论中出现)
  • "包装损坏"(出现在 15% 的评论中)

3 :【分析维度】场景关键词分析

分析在不同场景的维度下 评论中有出现如下类型的的关键词有哪些:

产品词:例如:全蕾丝头套,发帘等

需求词/功效词:例如:显年轻,高贵等

场景词:例如:party,生日会,舞会等

人群词:例如:上班族,妈妈,护士

地域词:例如:亚特兰大,纽约等

  1. 【分析维度】趋势分析

根据评论数据的时间,分析用户情绪的变化趋势:

例如:

  • 在过去的6个月中,关于质量问题(特别是颜色褪色)的负面评论有所增加。
  • 在最近的促销活动期间,关于价格的正面评论有所上升。
  1. 【分析维度】结论与建议:

让gpt/大模型输出整体的结论与建议。例如:

本报告揭示了以下几点重要见解:

  • 用户普遍认为,该品牌的假发在视觉上和触感上 接近真人头发,但颜色的持久性可能需要改进。
  • 虽然部分用户对价格有些不满,但大多数人认为该品牌的产品物有所值。品牌可以考虑通过提供更多的优惠或促销活动,吸引对价格敏感的消费者。
  • 该品牌的客户服务在用户中得到了良好的评价,但产品问题可能需要进一步解决。
  1. 【分析维度】可视化展示分析效果

这里我们展示一下评论分析最终得到的分析结果:

^ 如上图所示,我们利用人工智能gpt/大模型可以从评论获得评论的主题维度,评论的意图维度,关键词维度,好评差评维度,还有随着时间而变化的指标趋势,不同维度下的指标分布情况等。

下面是thereviewindex.com/的评论分析例子:

thereviewindex 也是把评论按主题分类,然后按好评差评维度进行汇总。

下面我们再看看voc.ai的评论分析功能:

www.voc.ai/cn/tools/ch...

voc.ai的评论分析 是基于主题,场景,意图和期待等维度来进行评论分析。

根据评论分析的需求,我们知道评论分析的关键在于从不同维度得到对应的指标,例如好评差评,关键词等,然后进一步汇总得到分布和随时间的趋势走向。

现在我们利用了人工智能按各个维度去分析每一条评论:

如图所示,可以从评论分析得到不同维度得到对应的指标,例如好评差评,关键词等。

这里展示一个结构化提示语,比较好的得到以上的评论分析结果:

typescript 复制代码
Role:评论分析专家
Context:需要分析一份假发的商品评论数据,以便了解用户对产品的真实看法,分析产品存在的问题和优势。
OutputFormat:    
-----
{
        "sentiment":"positive/negative",
        "topic_information": {
        
           "Product_Quality": {
                        "positive": 0.0,
                        "negative": 0.0,
                        "child_topic": "Size/Dimension", //topic classification ,for example: Reliability and Durability,Consistency,Safety ,Size/Dimension,Material ,Realism,Comfort ...
                        "topic": "Product Quality",
                        "keywords": ["Incorrect sizing"],  // keywords text classification
  
              },
             "Price": {
                        "positive": 0.00,
                        "negative": 0.00,
                        "child_topic": "Discounts", //topic classification ,for example: Transparency,Discounts,Additional Costs,Policies ....
                        "topic": "Price",
                        "keywords": ["High cost-effectiveness"],   //keywords text classification
   
              },
              "Customer_Service" :{
                        "positive": 0.00,
                        "negative": 0.00,
                        "child_topic": "Shipping", //topic classification ,for example: Responsiveness,Shipping,Returns and Refunds ,Support, experience ,Pre-sales,After-sales,Feedback ....
                        "topic": "Customer Service",
                        "keywords": ["Slow shipping"],   //keywords text classification
                }
           },
           "keyword_information": {
                "Product_features": ["full lace headband"], //For example, full lace headband, hair extension, etc.
                "Customer_Expectation": ["noble"], //For example, youthful appearance, noble, etc.
                "Usage_Scenario": ["dance party"], //For example, party, birthday party, dance party, etc.
                "User_Persona": ["office workers"], //For example, office workers, mothers, nurses, etc.
                "Location": ["Atlanta"] //For example, Atlanta, New York, etc.
            },
            "positive_words": [],
            "negative_words": [],  
            "Topic_Labeling": "",   //Topic Labeling word
            "Intent_Detection": "",   //Intent Detection
}
-----
Constrains:
请严格按OutputFormat json格式回答(Return the answer as a JSON object.) 
Task: 需要分析的评论数据:
{{query}} 
 

结构化提示语的核心逻辑如图所示:

Role:定义角色,Context:定义背景,Task:定义目标 ,这样就可以比较好的得到评论分析的结果。

大模型长文本处理能力

以上是按每一条评论进行人工智能分析,然后进行汇总得到总体评论分析结论。我们也可以利用更强大的大模型长文本处理能力 (例如claude2,kimi等) 直接把全部评论上传给人工智能大模型进行评论分析:

当我们有结构化的excel数据,例如我们的导出分析已经包含各维度的指标,我们可以直接导入给chatgpt 的code interpretor, 可以针对各维度进行数据计算分析。

参考:gpt处理大文本进行评论分析 www.linkedin.com/pulse/how-u...

相关推荐
武子康2 小时前
大数据-212 数据挖掘 机器学习理论 - 无监督学习算法 KMeans 基本原理 簇内误差平方和
大数据·人工智能·学习·算法·机器学习·数据挖掘
Q8137574602 小时前
数据挖掘在金融交易中的应用:民锋科技的智能化布局
人工智能·科技·数据挖掘
布说在见2 小时前
魅力标签云,奇幻词云图 —— 数据可视化新境界
信息可视化·数据挖掘·数据分析
Tianyanxiao3 小时前
如何利用探商宝精准营销,抓住行业机遇——以AI技术与大数据推动企业信息精准筛选
大数据·人工智能·科技·数据分析·深度优先·零售
招风的黑耳3 小时前
Axure大屏可视化模板:赋能各行各业的数据展示与管理
axure·数据可视化·大屏模板
FIT2CLOUD飞致云5 小时前
仪表板展示|DataEase看中国:历年双十一电商销售数据分析
数据分析·开源·数据可视化·dataease·双十一
皓7415 小时前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
菜鸟的人工智能之路6 小时前
桑基图在医学数据分析中的更复杂应用示例
python·数据分析·健康医疗
阡之尘埃12 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
布说在见15 小时前
层次与网络的视觉对话:树图与力引导布局的双剑合璧
信息可视化·数据挖掘·数据分析