技能介绍

痛点：非结构化社媒数据的幻觉陷阱

在分析 Product A 的社媒舆情时，我们通常会拿到包含原帖和一级评论的 Excel 文件。直接将这些数十万字的非结构化文本投喂给大模型，极易产生幻觉：AI 可能会编造不存在的 record_id，给出“很多用户普遍认为”这种缺乏量化支撑的模糊结论，或者在竞品对比时把中性的工具推荐误判为产品痛点。我们需要一套严格的数据处理与打标流水线，确保每一条洞察都有真实的原文和精确的数量支撑。

核心工作流：从原始表格到结构化报告

该技能将分析过程拆解为四个确定性的步骤，核心逻辑是用脚本保证确定性，用规则约束大模型：

数据读取与映射：使用 pandas 读取 Excel，根据文件名判定数据类型（原帖或评论），并映射到 platform、content、url 等统一字段。注意，会主动忽略源数据中不准的 情感 和 合作品牌 列。
清洗与过滤：针对原始数据执行跨平台去重和 5 层过滤（产品名严格匹配、低质、噪声黑名单、PGC 营销、政务及行业分析），输出漏斗统计。
逐条打标与竞品分流：通过 Python for 循环逐条处理并实时写入 CSV。主维度从既定标签体系中选择；竞品关系则严格分流：Product A 弱于竞品计入痛点，强于竞品计入正向，中性横评或工具推荐仅计入竞品对比。
量化统计与报告生成：所有量化指标（情绪分布、P0/P1/P2 痛点分级、Top 场景）均由脚本计算，杜绝 AI 自行数数。报告默认输出九个固定章节，引用原话绝不截断，并严格附带平台与原帖 url。

适用边界与注意事项

全量处理：铁律禁止偷懒，无论数据量多大，都必须分批逐条处理，严禁使用抽样代替全量。
证据约束：报告中禁止出现模糊量化词汇。若某些因果动线证据不足，必须标注 【待验证】，不得强行定论。
依赖配置：运行时需依赖 references/ 目录下的工作流、标签体系、词库和竞品名单文档。若用户数据已清洗，可跳过清洗步骤，但打标与校验环节不可省略。