章节十九商品评论分析Dify Coze一、项目概述了解商品评论分析的功能和两种平台实现方式。商品评论分析自动分析电商平台的商品评论数据通过AI提取好评/差评原因按产品、服务、物流、价格四个维度分类输出结构化分析报告。CSV / Excel电商平台导出的评论数据通常为表格格式。CSV用逗号分隔列Excel是微软的电子表格格式。ASIN亚马逊商品的唯一标识码类似商品的身份证号通过它可以唯一确定一个商品。第一步上传评论数据文件CSV或Excel格式第二步系统解析数据提取关键字段评分、标题、内容等第三步AI对评论进行情感分析和分类统计第四步生成包含数据概览、问题分析、改进建议的报告二、Dify平台实现掌握在Dify平台搭建评论分析工作流的方法。工作流节点链开始 → 文档提取器 → 代码节点 → 大模型节点 → 模板转换 → 结束。文件上传节点接收用户上传的评论数据文件支持CSV、Excel、PDF等格式。文档提取器节点从上传的文件中提取文本内容将表格数据转为结构化文本。代码节点用Python进行数据清洗和预处理如过滤无效数据、统计星级分布。大模型节点调用AI进行深度分析从产品、服务、物流、价格四个维度分析评论。第一步在Dify中创建评论分析工作流第二步添加开始节点配置输入字段文件上传第三步添加文档提取器解析文件内容第四步添加代码节点进行数据统计和清洗第五步添加大模型节点配置分析维度提示词第六步添加模板转换节点格式化输出报告三、Coze平台实现评论分析掌握在Coze平台搭建评论分析工作流的方法。工作流节点链开始 → 代码节点格式校验→ 选择器 → 文件读取 → 文本处理 → 大模型信息提取→ 大模型分析→ 结束。格式校验代码节点检查文件链接是否以.csv结尾验证通过继续处理失败返回错误提示。文件读取节点调用文件读取插件根据URL获取CSV文件内容。文本处理节点按分隔符将长文本切分成片段方便AI逐段分析。信息提取大模型将分割后的文本处理成结构化字典提取商品标题、ASIN、星级分布等。深度分析大模型从产品、服务、物流、价格四个维度分析负面评论给出短/中/长期改进建议。第一步工作流接收CSV文件链接第二步代码节点验证格式是否以.csv结尾第三步验证通过后文件读取节点获取内容第四步文本处理节点分割长文本第五步大模型提取商品基本信息和统计数据第六步大模型对负面评论进行四维度分析第七步输出完整分析报告含改进建议四、Coze平台实现客服记录分析掌握在Coze平台分析客服对话记录的方法。客服对话记录分析分析Excel格式的客服对话数据通过两个工作流协作完成excel_preprocess负责数据预处理message_process负责深度分析。第一步excel_preprocess接收Excel文件调用readExcel插件读取内容第二步excel_preprocess代码节点提取指定列消息内容和消息ID输出消息列表第三步message_process接收消息列表进入批处理节点逐条处理第四步message_process每条消息依次经过问题分类 → 内容总结 → 情感分析第五步message_process代码节点聚合所有分析结果第六步message_process输出最终分析报告批处理节点对列表中的每条数据依次执行相同的处理逻辑适合批量处理同类数据。用户界面Coze平台提供可视化UI搭建功能可拖拽组件文件上传、按钮、列表等搭建应用界面绑定工作流实现交互。第一步搭建excel_preprocess工作流文件读取 数据提取第二步搭建message_process工作流批处理 分类 总结 情感分析第三步在Coze用户界面中拖拽组件搭建UI第四步配置按钮事件绑定工作流调用第五步配置列表组件展示分析结果五、分析维度与输出理解评论分析的具体内容和报告结构。数据概览评论总数、平均评分、各星级分布、时间分布等基础数据。产品问题分析商品质量、功能缺陷、使用体验、包装问题等。服务问题分析客服响应速度、退换货处理、售后服务态度等。物流问题分析配送速度、包裹破损、快递员服务等。价格问题分析性价比、价格波动、促销活动相关反馈。改进建议分短期、中期、长期三个阶段给出可执行的优化方案。第一步统计基础数据形成概览第二步按四个维度分类整理负面评论第三步识别每个维度下的具体问题和痛点第四步分析问题原因和影响范围第五步给出短期改进措施、中期优化方案和长期发展建议名词解释CSV一种简单的表格数据格式用逗号分隔列电商平台常导出为CSV。ASIN亚马逊商品唯一标识码类似商品身份证通过它精确定位商品。批处理节点对列表中每条数据依次执行相同逻辑适合批量处理。文档提取器Dify节点从上传文件中提取文本内容。结构化输出大模型按指定JSON格式输出结果便于程序解析。