电商评价洞察与差评回复助手

要解决的问题

中小电商商家面对的评论数据往往处在两个极端:差评堆积却看不出共性,无从下手修改;好评里的卖点散落在长文本中,从未被提炼复用。手工翻看几百条评价既费时又容易遗漏,差评回复依赖个人话术,质量参差、速度慢。

工作方式

核心引擎是纯标准库实现的 scripts/engine.py,通过四个命令操作:analyze、reply、profile、selftest。

处理流程:

• 情感聚类:词典加投诉标签双信号,将评价分为正面/负面/中性
• 差评投诉聚合:按尺码、质量、色差、物流、描述不符五类标签归类,并给出改进建议
• 卖点提取:从好评中提炼材质手感、服务态度、物流体验、性价比等高赞卖点
• 输出:洞察报告(情感分布、投诉聚合、卖点、建议)+ 差评回复模板

输入是评价列表,字段为 text 加可选的 rating、tags。深度感知通过本地档案(used_count、aspect_weights、complaint_weights)沉淀历史分析结果,二次分析时优先提示高频投诉与高赞卖点。

事件协作走 A2A 协议:订阅 review.new,发布 insight.summary,payload 含 negative_rate 与 top_complaint。

边界与注意点

v2.0 采用词典加规则实现,尚未接入大模型语义理解;v2.1 规划了细粒度方面级情感分析与跨商品对比,标签库也计划按品类扩展。

自动回复只是话术建议,实际发送前需人工审核。评价数据仅本地分析,需遵守《个人信息保护法》,档案中不留存可识别个人的原始评价文本。自 v2.1.0 起许可证收紧为 CC BY-NC-SA。