试试做一个 shulex VOC（客户之声）-类似 shulex VOC
github代码地址 - github.com/liangdabiao…
这是一个针对amazon商品评论进行AI大模型分析的项目。利用AI对评论进行多维度的数据分析。操作流程为：用户利用easy scraper浏览器插件爬取amazon商品评论，然后直接上传csv文件到系统，系统进行评论分析，然后提供下载链接，下载更新的带有评论分析的csv文件。
项目结构
.
├── README.md
├── app.py
├── requirements.txt
├── templates
│ ├── index.html
│ └── result.html
└── static
└── styles.css
环境准备
- 安装Python 3.10
- 安装依赖
pip install -r requirements.txt
运行项目
python app.py
示例图
运行python处理中：
每一个review 标签分析得到的json：
{
"人群场景": {
"用户需求与痛点-使用场景": [
"汽车爱好者",
"儿童玩乐",
"成人收藏",
"节日礼物"
],
"用户需求与痛点-购买动机": [
"价格优势",
"设计喜欢",
"替代乐高"
]
},
"功能价值": {
"产品反馈-产品优点": [
"零件齐全",
"组装容易",
"设计精美",
"功能多样",
"细节丰富"
],
"产品反馈-产品缺点": [
"零件缺失",
"零件松动",
"组装困难",
"指示不明",
"零件变形",
"零件质量差"
],
"产品反馈-用户期望建议": [
"优化指示",
"提升质量",
"改进包装"
],
"产品反馈-设计与外观": [
"整体造型",
"内部细节",
"颜色搭配"
]
},
"保障价值": {
"服务评价-物流配送": [
"配送速度"
],
"服务评价-售后服务": [
"补发零件",
"退款处理"
],
"服务评价-售前服务": [
"信息咨询"
]
},
"体验价值": {
"品牌形象与口碑-推荐意愿原因分析": [
"性价比高",
"组装乐趣"
],
"品牌形象与口碑-是否愿意推荐给他人": [
"是",
"否"
],
"品牌形象与口碑-品牌印象": [
"质量一般",
"价格实惠"
],
"感官感受": [
"外观美感",
"零件质感"
],
"价格感知": [
"价格合理",
"价格昂贵"
]
}
}
前端用户界面（先配置好大模型api key)：
处理完成后得到更新的评论分析文件（带有多维度标签分析）：
怎样利用和进行评论分析（用excel打开，第一列进行筛选，就得到如下）：
easy scraper 插件爬取amazon商品评论：
插件地址： chromewebstore.google.com/detail/cljb… 进入amazon商品评论页面，点击插件图标，选择爬取评论，然后选择爬取的评论数量，点击开始爬取，然后点击导出，选择csv格式，导出评论。
直接下载所有评论，直接系统上传，什么都不用做，得到评论多维度分析结果。
项目所用大模型
基于openai包，所以所有兼容接口的大模型都可以使用。目前是使用了字节的大模型，但是也可以使用其他的大模型。model="doubao-1.5-pro-32k-250115", 自行配置api_key（function.py搜索CHATGPT_API_KEY）.
import openai
openai.api_key = "your api key"
实现原理
- 数据爬取：使用easy scraper浏览器插件爬取amazon商品评论。
- 数据处理：使用python进行评论分析，分析得到多维度标签。首先对全部评论内容进行一次汇总性的标签体系建设，得到标签完整体系，然后对每个评论内容进行标签分析，得到每个评论内容的具体标签。最后，因为得到的数据结构已经可以进行其他方面的自定义数据分析，可以利用powerBi等工具轻易进行评论分析。
- 数据展示：使用flask框架+echart进行数据展示， TODO
官方支持
如果您在使用过程中遇到任何问题，请随时联系我们的官方支持团队。您可以通过以下方式联系我们： 如果您在使用过程中遇到任何问题，请随时联系我们的官方支持团队。您可以通过以下方式联系我们：
- 邮箱EMAIL- 邮箱：497070928@qq.com
- 官网- liangdabiao.com
- github - github.com/liangdabiao…
原理参考
mp.weixin.qq.com/s/xJJw7Rupf… 《9000字落地实操：AI做用户购后评论洞察分析》