在零售电商实验室的一次内部实验中，我们把 AI 用于商品评论的自动归因，而不是做评论摘要。目标是回答一个具体问题：本周新出现的差评，最该先改哪一处？
做法上，先对评论做多标签分类（质量、尺码、物流、包装、描述不符等），再按 SKU 与时间窗聚合，输出“问题—影响面—可行动性”三列清单；对“描述不符”类，进一步比对详情页卖点与评论高频词，区分是文案夸大还是图片误导。为避免小样本噪声，评论低于 20 条的 SKU 只做趋势提示，不进入改良排序。
阶段进展：在服饰与家居两个类目的回溯测试中，人工抽检 200 条差评，归因类别一致率约 82%；按清单优先处理的 5 个 SKU，次周同类差评占比平均下降约 11%。误判主要来自反讽与方言表达，目前靠人工复核兜底。
下一步计划：
- 把归因结果接入商品与客服工单系统，按周生成改良建议；
- 扩充反讽与方言样本，测试小模型微调是否比通用模型更稳定。
评论