零售电商AI评论归因实验：差评聚类与改进清单

在零售电商实验室，我们把「差评原因归属」当作一个可工程化的分类问题，而不是靠运营逐条阅读。实验对象是某美妆类目近 90 天的 3.2 万条商品评论，流程分三步：先用大模型把评论文本归一化为结构化标签（质量、尺码/规格、描述不符、物流时效、包装破损、客服响应等），再按 SKU 与时间窗做聚类，最后输出「问题集中度 + 环比变化」的改进清单。

进展与数据：首轮抽样 2000 条与人工标注比对，六类主因的一致性约 84%，主要分歧集中在「描述不符」与「尺码问题」的边界；单批次归因耗时由人工约 1.5 天压缩到 2 小时内，可支撑周级复盘。

下一步计划：把归因结果与售后工单、退换货原因码打通，验证「评论预警—改版描述/调整规格—退货率变化」的闭环是否成立，并明确哪些类目不适合做自动归因。