零售电商实验室近期围绕“评论洞察”做了一轮小样本实验，目标不是替代运营判断，而是把海量评论中的差评原因结构化，减少人工逐条阅读成本。方法上，先用规则过滤广告与无效文本，再用大模型做细粒度归因，分为质量、物流、描述不符、客服、价格预期五类，并要求模型输出原文证据片段，便于人工复核。首轮在约1,200条脱敏评论上测试，五类归因与人工标注一致率约82%；误差集中在混合意图、反讽和跨类目表述，例如“太薄了但版型还行”同时涉及质量与预期。进展：已形成“模型初判—证据回链—人工抽检”的流程，单条评论归因时间从约15秒降至3秒左右，抽检通过率约九成。下一步计划引入类目本体与订单上下文，区分商品本身问题与履约问题，并把高频差评点按周汇总给商品与供应链团队，用于选品和详情页优化。现阶段仍以辅助洞察为主，不直接触发自动下架或赔付。
评论