我要投稿
上次做售卖端视角的分析！本次就评论数据做分析，应该是最适合大模型了，后续再做优化！
看效果
话原理
从AWS网站，我们可以拿到比如某个商品的评论，然后这里我们可以定期抓取商品数据，从而用户的反馈进行获取分析！
来实践
1、抓取工具比如Instant Data Scraper工具抓取aws商品数据
2、然后，CSV转为yaml文件
3、创建prompt文件
主要部分如下
/*分析包含
1）用户认可特征
是指在用户评价中用户赞扬或认可的特征，比如样式、价格等
2）用户批评或吐槽
是指提炼用户评价中反馈的问题或吐槽关键词
3）改进建议
基于用户的反馈提出比如款式、物流，安装，价格或其他点
4）趋势感知
根据用户的评价，总结出用户关注的特征
5）隐含点洞察
根据用户的评价，总结不常见的用户关注的特征
写在最后
如上的是商品分析的一个系列，对于再上游供应商和二手售卖大差不差，通过如上系列的分析，可以看到大模型的便捷性体验！如果能私有化部署大/小模型，相信会有生产力的不一样的提升！
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-05-27
颠覆传统BI！数势科技Data Agent如何重塑企业决策边界？
2025-05-27
机械制造企业维修智能化案例(DeepSeek+RAGFlow)
2025-05-27
AI+Figma真的能够还原好视觉稿？
2025-05-27
AI正在迅速使IT团队和开发者从默默无闻变得不可或缺
2025-05-26
大模型NL2SQL技术在商业银行的应用研究
2025-05-26
大模型BI：商业智能背后的3大关键技术
2025-05-24
IT企业的AI转型：最终都会变成从卖工具到卖协作，最终走向卖成果！
2025-05-22
别让AI跑得比你快：业务智能化转型中最容易忽略的两个视角
2024-10-14
2024-10-09
2024-06-20
2024-06-14
2024-06-16
2025-02-04
2025-02-09
2024-06-14
2024-05-31
2024-07-24
回到顶部
粤ICP备17114055号
