AI 评论分析怎样找具体问题？按方面词归组并保留原句证据

一堆评论里“差评有多少”不能告诉产品经理具体哪里出了问题。先把每条评论保留原始编号，再按“物流、包装、商品”方面词做一个可复核的本地基线：同一评论可命中多个方面，结果保留原句证据与未归组清单。

准备与运行

本文只使用人工构造的教学材料，没有把示例结果当作真实项目效果。以下代码在 Windows 的 Python 3.11 独立环境执行通过。先在空目录运行安装命令，再将完整代码保存为 demo.py，执行 python demo.py。

python --version  # 只用 Python 标准库

先定义方面词，再逐句核对

教学数据是六条虚构评论，方面词表由作者写死。对每条评论逐一查找词表，不将“慢”“差”直接等同于负面情绪；“物流不慢”包含否定，仍可能命中“物流”，需要人工核对上下文。用简单词表能帮助发现高频线索，却无法准确处理讽刺、同义词和复杂否定。

“包装”和“物流”可以同时出现，所以方面计数相加可能大于评论总数。报告里应同时给出独立评论数和各方面命中数，并保留 ID，供产品人员从原句回看，而不是只显示一张词云。

从基线走向 AI 辅助分析

若引入大模型给评论归组，应先固定方面定义，要求输出评论 ID、方面、证据原句与待复核标志，并对一批人工标注样本比较漏检和误检。本例没有调用模型；本地规则输出可作为对照基线，不能称为模型洞察。

实际评论可能含姓名、地址和订单号，送入任何在线工具前先按授权与隐私规则处理。高频问题不等于最严重问题；涉及支付、售后争议时还应看投诉严重程度和样本来源。

完整代码

from collections import Counter

reviews = [
    ("r1", "物流太慢，包装却很好"), ("r2", "包装破了，商品没坏"),
    ("r3", "物流不慢，但商品尺寸不对"), ("r4", "商品不错"),
    ("r5", "客服没有解决问题"), ("r6", "包装和物流都需要改进")]
aspects = {"物流": ["物流", "快递"], "包装": ["包装", "破损"], "商品": ["商品", "尺寸"]}
hits = []
unmatched = []
for rid, text in reviews:
    matched = [name for name, words in aspects.items() if any(w in text for w in words)]
    if not matched:
        unmatched.append((rid, text))
    for name in matched:
        hits.append((name, rid, text))
counts = Counter(name for name, _, _ in hits)
print("review_count", len(reviews), "aspect_counts", dict(counts))
for row in hits:
    print("evidence", *row)
print("unmatched", unmatched)
assert counts == {"物流":3, "包装":3, "商品":3}
assert unmatched[0][0] == "r5"

运行结果与核对

下面是上述脚本在本地执行得到的输出；正式数据请按相同检查点复核。

review_count 6 aspect_counts {'物流': 3, '包装': 3, '商品': 3}
evidence 物流 r1 物流太慢，包装却很好
evidence 包装 r1 物流太慢，包装却很好
evidence 包装 r2 包装破了，商品没坏
evidence 商品 r2 包装破了，商品没坏
evidence 物流 r3 物流不慢，但商品尺寸不对
evidence 商品 r3 物流不慢，但商品尺寸不对
evidence 商品 r4 商品不错
evidence 物流 r6 包装和物流都需要改进
evidence 包装 r6 包装和物流都需要改进
unmatched [('r5', '客服没有解决问题')]

核对评论总数为 6，而三个方面命中数各为 3；r1、r3、r6 同时命中多个方面，因此计数不能当作互斥分类。特别回看 r3 的“物流不慢”，不要把它误写成物流差评；r5 未归组，应进入人工扩充词表或新方面讨论。

适用边界

词表匹配只是可解释的教学基线，不会自动识别情绪、投诉严重程度、反讽或新说法。样本由作者虚构，统计不代表真实商家评论；上线前需人工样本检验和隐私处理。

常见问题

为什么要保存原句和编号？

方面计数可指向具体评论，便于核查否定、重复、误分和处理反馈；只留汇总数字很难修正错误归组。

参考资料

以下官方资料已于 2026 年 10 月 1 日核对，分别用于确认文中接口或方法定义。

• Python Counter：按方面汇总命中次数