试试做一个 shulex VOC（客户之声）
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 openaiopenai.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.comgithub - 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》
