零售电商实验室本期推进的实验，是把店铺评论、买家问答与退货原因这些非结构化文本，转成可直接用于选品和详情页修改的信号，而不是停留在情感正负的粗粒度打分。
做法分三步：先用大模型做方面级抽取，把一条差评拆到「尺码偏差／色差／物流破损／功能与描述不符／客服响应」等标签上；再用小样本人工标注反向校准标签体系，避免模型自造口径；最后把标签频次与类目退货率、转化率做时间序列关联，看哪些信号真正有解释力。
· 阶段性进展：在某服饰类目试点约 1.2 万条评论，人工抽检 300 条，差评归因准确率约 82%；原先每周约 6 小时的人工归类，压缩到 40 分钟左右，主要用于复核争议样本。
· 下一步计划：接入退货工单文本，验证「评论中的集中反馈是否早于退货率抬升」这一假设；若成立，把归因结果前移到选品评审与详情页校对的检查项里。
目前的边界也很清楚：归因只在标签体系覆盖的范围内可靠，长尾表述仍需人工兜底，因此实验室暂不将其用于自动下架或自动改价这类高影响动作。
评论