阿拉丁短剧评论舆情工坊

评论散落在各平台，没人告诉创作者观众为什么走

完播、流失、付费这些后台指标能告诉你观众做了什么，但很难回答为什么。有人因为第三集配音出戏而弃剧，有人被某句台词钩住顺手转发，还有一批账号在差评区刷屏带节奏——这些信息全部埋在评论和弹幕里，且分散在不同平台。手工翻表的方式无法逐集对齐，归因也常常变成「观众不喜欢」这种没法执行的结论。

aladin-drama-buzz 要解决的问题就是把评论文本变成可执行的制作反馈：逐集情感曲线、催更指数、八类差评归因（每类对应一个具体生产环节）、可直接用作切片标题的爆点台词、水军风险清单，以及一个 100 分制的舆情健康度结论。

三个纯标准库脚本，确定性可复算

工作流是三个纯 Python 标准库脚本，零第三方依赖、零 API、零联网，同一份输入字节级可复算，评论数据全程不出本机。

• 输入平台导出的 CSV/JSON，脚本自动做表头别名匹配、中文表头兼容、万/亿 数值清洗与 BOM 兼容，多平台数据归一去重。
• 逐集输出情感、催更两条以上曲线，把口碑崩盘定位到具体集数。
• 差评按八类归因，每类标注它该回灌到哪个环节（剧本、配音、剪辑、付费策略等）。
• 爆点台词与高赞热评单独成台账，直接交给切片与投流。
• 同文本多账号与刷屏账号被识别成水军风险组，只给提示，不做法律意义上的判定。

产物固定五件：_buzz_ir.json、_buzz.json、buzz_board.html、_buzz_report.md、buzz_hot.csv，HTML 可独立打开。

适用边界与注意点

只处理用户自备的导出文件，不做任何抓取，也没有删评控评能力。它与后台数据复盘互补而非替代——只有播放/付费数据而没有评论文本时，应该用数据复盘类工具。

规则层负责确定性与可复算；讽刺、阴阳怪气这类隐性情感交由模型语义层补充，并在产物中明确标注哪些是模型精调后的判断。空文件、无集数、单平台、全中性评论等边界情况都必须正常退出并给出提示，而不是报错中断。