粤ICP备17114055号
微信扫码
添加专属顾问
支持私有云部署
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
2025-03-10
数据分析 Agent 在零售和金融领域的解决方案与落地应用
2025-03-10
AutoDev Bridge：构建 Agent 自动分析老旧系统，设计迁移路径与方案实施
2025-03-10
效率、机会、挑战，接下来企业在AI时代怎么发展？
2025-03-09
大模型+数据分析：下一代智能查询优化体系的先行探索
2025-03-06
用低代码平台集成人工智能：无需专业开发也能实现智能化
2025-03-05
通过问答生成SQL：大模型时代BI的最佳解决方案
2025-03-04
大模型驱动多Agent构建ChatBI数据分析系统
2025-03-03
dify案例分享-数据库查询图表显示
2024-06-20
2024-10-14
2025-02-04
2024-10-09
2024-06-14
2024-06-16
2024-06-14
2024-05-31
2024-07-24
2024-07-03
回到顶部