当前位置： 首页 > news >正文

2-4、Dify案例实践—基于工作流构建商城用户评价智能分析系统

news 2025/7/28 7:27:36

目录

1、电商评价处理的现状与挑战

2、智能分析系统的技术突破

2.1、核心技术架构

2.2、典型处理流程

2.3、AI技术带来的变革

3、智能分析系统如何工作？（通俗版）

4、智能分类系统效果示例

4.1、负面评价处理示例

4.1.1. 质量问题处理

4.1.2. 物流问题处理

4.1.3. 服务问题处理

4.1.4. 其他问题处理

4.2、正面评价处理示例

4.2.1. 普通好评

4.2.2. 带图好评

5、用户评价智能分析系统需求梳理

5.1、系统概述

5.2、核心功能需求

a、评价智能分类模块

b、自动化分发系统

5.3、Python代码演示通过钉钉机器人推送消息至营销群

a、创建钉钉机器人

b、推送消息至钉钉营销群

6、基于Dify工作流构建用户评价智能分析系统

6.1、创建空白应用

6.2、开始节点

6.3、问题分类器--正负面问题分类器

6.4、正面评价分类器

6.5、负面评价分类器

6.6、代码执行推送消息

6.6.1、正面评价-质量好

6.6.2、正面评价-性价比高

6.6.3、正面评价-其他

6.6.4、负面评价-质量问题

6.6.5、负面评价-物流问题

6.6.6、负面评价-服务问题

6.6.7、负面评价-其他问题

6.7、变量聚合

6.8、HTTP请求节点

6.9、结束节点

6.10、效果

1、电商评价处理的现状与挑战

在当今电商生态中，用户评价已成为影响购买决策的关键因素。然而，传统的评价处理方式却面临着诸多挑战。

核心痛点

  1. 效率瓶颈：运营团队需要人工登录后台逐条查阅评价，处理万条评价可能需要长达3天的时间，这严重滞后于市场响应需求。

  2. 分类粗糙：传统的评价方式仅能简单区分好评和差评，无法精准识别质量问题、物流问题等具体投诉类型，导致问题难以得到针对性的解决。

  3. 响应延迟：从评价产生到责任人接收，平均需要24小时以上，无法实时触达责任人，往往错过了最佳处理时机，影响了用户体验。

2、智能分析系统的技术突破

为了应对这些挑战，基于大语言模型（LLM）的智能分析系统应运而生，为电商评价处理带来了革命性的解决方案。

2.1、核心技术架构

  • 语义理解引擎：该引擎能够准确识别评价中的情感倾向，准确率高达90%以上，为评价的精准分类提供了有力支持。

  • 多级分类体系：负面评价被细分至质量问题、物流问题、服务问题等具体类型，使得问题能够得到更加针对性的处理。

  • 实时通知机制：通过钉钉/飞书/企业微信等即时通讯工具，系统能够在5分钟内将评价信息触达责任部门，确保问题得到及时处理。

2.2、典型处理流程
用户评价 → AI情感分析 → 分类处理 → 定向通知 → 数据沉淀↑              ↑(正/负面判断) (质量问题/物流问题/服务问题/其他)

这一流程的高效性和准确性，为电商运营带来了前所未有的便利。

2.3、AI技术带来的变革

现在我们有了更聪明的解决方案——基于大语言模型(LLM)的智能分析系统：

‌1. 自动识别评价性质‌

  • 好评 → 自动生成鼓励消息

  • 差评 → 自动细分问题类型（质量/物流/服务等）

‌2. 实时通知机制‌

  • 好评自动发送至营销群（提升团队士气）

  • 差评按分类直达责任部门（加速问题解决）

‌3. 效率飞跃‌

  • 处理时间从天级缩短到秒级

  • 准确率高达90%以上

  • 节省80%人工审核成本

3、智能分析系统如何工作？（通俗版）

  1. ‌用户发表评价‌ → 系统自动抓取(API实时推送给用户评价智能分析系统)

  2. ‌AI大脑分析：

    • 这是好评还是差评？

    • 如果是差评，具体是什么问题？

  3. ‌智能分发：

    • 好消息发"夸夸群"

    • 坏消息发对应"解决群"

  4. ‌全程自动化‌：不需要人工干预

4、智能分类系统效果示例

4.1、负面评价处理示例
4.1.1. 质量问题处理

用户评价： "刚买的电饭煲按键失灵，煮饭中途自动断电，质量太差了！"

系统处理：

  1. 自动分类：产品质量问题（功能缺陷）

  2. 通知内容：

【紧急质检通知】 订单号：ORD20250725123 产品：XX牌智能电饭煲（SKU：EF-2057） 问题类型：功能缺陷 用户原话："刚买的电饭煲按键失灵...质量太差！" 建议动作： 1. 联系用户安排退换货 2. 检查同批次产品库存 3. 提交质量异常报告

  1. 接收部门：质检部+售后部（双通道通知）

4.1.2. 物流问题处理

用户评价： "快递包装全破了！里面的玻璃杯碎了两只，配送员还拒绝验货"

系统处理：

  1. 自动分类：物流问题（包装破损+服务态度）

  2. 通知内容：

【物流异常警报】 订单号：ORD20250726088 承运商：YT快递（运单号：YT784556221） 问题类型：包装破损+拒验货 用户原话："快递包装全破...拒绝验货" 紧急程度：★★★★☆ 处理指引： 1. 2小时内联系用户赔偿 2. 核查配送员服务记录 3. 启动物流商索赔流程

  1. 接收部门：物流部+客服督导组

4.1.3. 服务问题处理

用户评价： "客服反复推诿不解决问题，三次承诺回电均未履行！"

系统处理：

  1. 自动分类：服务问题（承诺未兑现）

  2. 通知内容：

【服务违规预警】 工单号：SR20250727035 涉及客服：工号CS208（李XX） 问题类型：承诺未履行 用户原话："三次承诺回电均未履行" 升级要求： 1. 主管立即介入处理 2. 核查通话录音 3. 制定服务改进方案 补偿建议：赠送100元优惠券

  1. 接收部门：客服管理部+监察部

4.1.4. 其他问题处理

用户评价‌： "商品详情页标注'买一赠三'，实际只收到赠品两件，联系客服说活动已结束但页面未更新，这不是虚假宣传吗？"

‌系统处理‌：

  1. ‌自动分类‌：其他问题（信息不一致）

  2. ‌通知内容‌：

工单号：OT20250727089  
问题类型：信息不一致（三级风险）  
关键证据：  
• 用户截图（详情页承诺）  
• 物流记录（实际赠品数）  
• 客服对话记录  
处置流程：  
1. 运营部：1小时内下架问题页面（强制）  
2. 法务部：评估宣传合规性（24h内反馈）  
3. 客服部：执行补偿方案（见下文）  
补偿标准：  
• 补发缺失赠品（升级顺丰快递）  
• 赔偿50元信息误差券（满100可用）  
• 页面更新后定向通知用户

  1. 接收部门：运营管理中心+客服督导组

4.2、正面评价处理示例
4.2.1. 普通好评

用户评价： "宝宝很喜欢这个玩具，做工精细没有毛刺，会推荐给其他妈妈"

系统处理：

  1. 自动分类：产品质量好评

  2. 通知内容：

【优质评价播报】❤️ 产品：婴幼儿积木（SKU：TOY-8812） 用户标签：母婴类高价值客户 精选评价："做工精细没有毛刺..." 运营建议： 1. 申请置顶展示 2. 加入详情页买家秀 3. 邀请用户参与测评

  1. 接收部门：营销部+产品运营组

4.2.2. 带图好评

用户评价： [图片]+"实物比宣传图还漂亮！客服小美耐心推荐了尺码，非常合身"

系统处理：

  1. 自动分类：综合好评（产品+服务）

  2. 通知内容：

【金牌评价捕获】🏅 订单号：ORD20250724056 亮点标签：#实物优于宣传 #客服专业 可视化素材：用户实拍图3张 数据价值： • 可作主图替代素材 • 客服KPI加分项 • 服装类目TOP10候选 立即操作： 1. 标记为"精选评价" 2. 同步设计部取材

  1. 接收部门：视觉设计部+客服培训部

接下来演示如何基于大语言模型(LLM)构建自动化评价分析系统，实现用户评价的智能分类与定向分发，将传统人工处理周期从多天缩短至实时处理，显著提升运营效率。

5、用户评价智能分析系统需求梳理

5.1、系统概述

本系统利用Dify平台的工作流功能，结合大语言模型(LLM)构建了一套完整的商城用户评价智能处理系统。该系统能够自动识别评价情感倾向，进行细分类别判定，并通过钉钉机器人实现实时通知，大幅提升了传统人工处理评价的效率。

5.2、核心功能需求
a、评价智能分类模块

  • 情感分析：采用LLM实现评价正负面自动判定，准确率需达92%以上

  • 负面评价细分：

    • 质量问题（产品缺陷/功能问题）

    • 物流问题（配送延迟/包装破损）

    • 服务问题（客服响应/售后处理）

    • 其他问题

  • 正面评价

b、自动化分发系统

  • 正面评价处理：

    • 自动生成可视化报告卡片（含关键词、情感分布饼图）

    • 通过钉钉机器人推送至营销群（支持@相关人员）

  • 负面评价处理：

    • 按分类标签自动生成结构化报告

    • 通过钉钉机器人同步至对应责任部门

    • 紧急问题自动触发工单系统

5.3、Python代码演示通过钉钉机器人推送消息至营销群

正负面评价处理结果将通过钉钉机器人实时推送至营销群，以下将演示如何通过钉钉机器人将消息推送至营销群。

a、创建钉钉机器人
1、创建群聊（必要条件）
需至少3人组建钉钉群，群主权限才能添加机器人2、添加自定义机器人
进入目标群 → 右上角「群设置」→「机器人」→「添加机器人」→ 选择「自定义机器人」类型，命名机器人（如“监控助手”）3、关键安全配置（必选其一）
加签验证：复制自动生成的密钥（后续配置需使用）
自定义关键词：设定关键词（如“告警”、“通知”或“:”），消息中需包含该词才能发送
IP白名单：限定服务器IP地址（企业场景推荐）4、获取Webhook地址
创建成功后，复制唯一的机器人Webhook链接（用于API消息推送）
b、推送消息至钉钉营销群

vim send_dingtalk.py

# -*- coding: utf-8 -*-import requests
import json# 钉钉的Webhook地址
WEBHOOK_URL = 'https://oapi.dingtalk.com/robot/send?access_token=4d6c6d07e67ea71456004ltp06e49c731d974903ce97ffdc0b0f0233dc62670c652'#要发送的消息内容
data = {"msgtype": "text","text": {"content": u"通知：请注意，你的产品收到了来⾃客户的负面评价-物流慢"}
}headers = {'Content-Type': 'application/json'
}response = requests.post(WEBHOOK_URL, headers=headers, data=json.dumps(data))
print(response.text)if response.status_code == 200:print('消息发送成功。')
else:print('消息发送失败。')

执行python程序：python test.py

注意：添加钉钉的Webhook地址要求安全设置，本例设置自定义关键字为通知，消息内容要包含“通知”才能推送成功。

6、基于Dify工作流构建用户评价智能分析系统

  👉 Docker部署Dify详细教程

 👉 Ollama安装详细教程

工作流构建用户评价智能分析系统最终效果如下：

​

6.1、创建空白应用

​

6.2、开始节点

在本节点，⽤户需要输⼊订单号、产品名称、用户评价，每个⼯作流都必须有⼀个开始节点。

​

6.3、问题分类器--正负面问题分类器

问题分类器是一种基于大型语言模型（LLM）的智能组件，它通过语义分析处理用户输入文本（如评论内容），推理出与预设分类标签相匹配的结果，实现意图识别和路由决策。该分类器首先评估输入的整体情感倾向（正面评价或负面评价），然后根据预设规则进一步细分处理分支：正面评价路由至质量好或性价比高两类子分类器；负面评价则细分为质量问题、物流问题、服务问题或其他问题等子分类器，以支持精细化工作流管理。

在具体工作流程中：

  • 输入处理阶段：分类器将开始节点（如review字段）的文本内容输入LLM（例如qwen或deepseek架构），利用模型的自然语言理解能力解析语义特征，提取意图和关键实体，确保分类结果与预设标签一致。

  • 分类决策阶段：LLM输出初步分类（如正面或负面情感），系统基于此动态路由至次级处理器；正面分支聚焦产品或服务优势（如质量好、性价比高），负面分支覆盖常见问题域（如质量、物流、服务等），通过分支协同机制提升处理效率。

  • 输出整合阶段：分类结果触发下游工作流节点（如正面或负面处理器），结合变量聚合机制汇总多路输出，最终生成结构化的响应模板，确保系统可扩展性和准确性。

评价问题分类器

  • ‌一级分类（情感分析）：

    • ‌正面评价‌：对功能/体验的认可（如“音质出色”“性价比高”）

    • ‌负面评价‌：对质量/服务的不满（如“屏幕破损”“客服推诿”）

  • ‌二级分类：

    • 正面分支：质量好、性价比高、其他

    • 负面分支：质量问题、物流问题、服务问题、其他问题

​

用户评价分为正面评价和负面评价；

正面评价：用户通过显性或隐性的表达方式，对产品/服务的核心价值（如功能、体验、结果）表示认可或赞赏的评价。

负面评价：用户对产品/服务的某项核心要素（如质量、交付、服务）表达不满、批评或功能缺陷的反馈，隐含改进诉求或损失声明。

正负面问题分类器继续细分为正面评价分类器和负面评价分类器。

6.4、正面评价分类器

正面评价分类器细分为质量好、性价比高或其他。

​

6.5、负面评价分类器

负面评价分类器细分为质量问题、物流问题、服务问题、其他问题等。

​

6.6、代码执行推送消息

根据LLM对用户评价内容的分析，得出正面或负面评价，并对评价进行细致分类。在本例中，每种细分评价生成对应内容发到钉钉群（也可以是飞书、企业微信或邮箱）。

6.6.1、正面评价-质量好
#正面评价-质量好
import json
def main(order_no, product_name, review):message = "【正面评价-质量好通知】：订单号：{} 产品：{} 用户评价：{}".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}

6.6.2、正面评价-性价比高
#正面评价-性价比高
import json
def main(order_no, product_name, review):message = "【正面评价-性价比高通知】：订单号：{} 产品：{} 用户评价：{}".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}

6.6.3、正面评价-其他
#正面评价-其他
import json
def main(order_no, product_name, review):message = "【正面评价-其他通知】：订单号：{} 产品：{} 用户评价：{}".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}

6.6.4、负面评价-质量问题
#负面评价-质量问题
import json
def main(order_no, product_name, review):message = "【负面评价-质量问题通知】：订单号：{} 产品：{} 问题类型：功能缺陷 用户评价：{} 建议动作： 1. 联系用户安排退换货 2. 检查同批次产品库存 3. 提交质量异常报告".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}

6.6.5、负面评价-物流问题
#负面评价-物流问题
import json
def main(order_no, product_name, review):message = "【负面评价-物流问题通知】：订单号：{} 产品：{} 承运商：YT快递（运单号：YT784556221） 问题类型：包装破损+拒验货 用户评价：用户评价：{}  紧急程度：★★★★☆ 处理指引： 1. 2小时内联系用户赔偿 2. 核查配送员服务记录 3. 启动物流商索赔流程".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}
6.6.6、负面评价-服务问题
#负面评价-服务问题
import json
def main(order_no, product_name, review):message = "【负面评价-服务问题通知】：订单号：{} 产品：{} 涉及客服：工号CS208（李XX） 问题类型：承诺未履行 用户评价：{} 升级要求： 1. 主管立即介入处理 2. 核查通话录音 3. 制定服务改进方案 补偿建议：赠送100元优惠券".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}

6.6.7、负面评价-其他问题
#负面评价-其他
import json
def main(order_no, product_name, review):message = "【负面评价-其他问题通知】：订单号：{} 产品：{} 用户评价：{}".format(order_no, product_name, review)data = {"msgtype":"text","text":{"content":message}}return {"result": json.dumps(data,ensure_ascii=False)}
​
6.7、变量聚合

将多路分⽀的变量聚合为⼀个变量，以实现下游节点统⼀配置，在本例中将多个代码执⾏节点的输出结果 result 进⾏聚合。

​

6.8、HTTP请求节点

本节点的作⽤就是向外部发送 http 请求，向钉钉/企业微信发送结构化通知。

​

6.9、结束节点

定义一个工作流程结束的最终输出内容。每一个工作流程在完整执行后都需要至少一个结束节点。结束节点标志着流程的终止，之后无法再添加节点。在工作流应用中，只有运行到结束节点时才会输出执行结果。如果流程中存在条件分支，那么需要为每个分支定义相应的结束节点。

​

6.10、效果
正面评价-质量好
订单号：ORD20250725123
产品：婴幼儿积木（SKU：TOY-8812）
用户评价：宝宝很喜欢这个玩具，做工精细没有毛刺，会推荐给其他妈妈！正面评价-性价比高
订单号：ORD20250725123
产品：华为手机Note50（SKU：EF-2057）
用户评价：同价位里性能最强！手机流畅度堪比旗舰机，电池耐用两天一充，还送原厂快充头，这波入手血赚！正面评价-其他
订单号：ORD20250725123
产品：婴幼儿积木（SKU：TOY-8812）
用户评价：包装设计太精美了，拆开时像拆礼物一样有仪式感！
客服小姐姐特别耐心，帮我解决了尺寸选择的困扰。负面评价-质量问题
订单号：ORD20250725123
产品：XX牌智能电饭煲（SKU：EF-2057）
用户评价：刚买的电饭煲按键失灵，煮饭中途自动断电，质量太差了！负面评价-物流问题
订单号：ORD20250725123
产品：XX牌智能电饭煲（SKU：EF-2057）
用户评价：快递包装全破了！里面的玻璃杯碎了两只，配送员还拒绝验货负面评价-服务问题
订单号：ORD20250725123
产品：XX牌智能电饭煲（SKU：EF-2057）
用户评价：客服反复推诿不解决问题，三次承诺回电均未履行！负面评价-其他问题
订单号：ORD20250725123
产品：XX牌智能电饭煲（SKU：EF-2057）
用户评价：商品详情页标注'买一赠三'，实际只收到赠品两件，联系客服说活动已结束但页面未更新，这不是虚假宣传吗？
用户评价：手机充电口和耳机孔设计在底部同一侧，根本无法边充电边用有线耳机
用户评价：婴儿车折叠按钮设置在扶手下方，单手操作时容易误触打开

​

钉钉营销群收到的消息：

​

http://www.dtcms.com/a/301007.html

相关文章：

  • PyTorch武侠演义 第一卷：初入江湖 第7章：矿洞中的计算禁制
  • 基于mnn架构在本地 c++运行llm与mllm模型
  • 数据结构基本内容（第四篇：队列）
  • 2025.7.27
  • Java面试题及详细答案120道之（061-080）
  • C++算法竞赛篇（六）一维数组题型讲解
  • 【工具】python汇总发票（含源码）
  • Java排序算法之＜希尔排序＞
  • 7月27日星期日今日早报简报微语报早读
  • GitHub 趋势日报 (2025年07月25日)
  • Linux 系统网络配置及 IP 地址相关知识汇总
  • STM32 I2C通信完整教程：从协议原理到硬件实现
  • 一文快速了解Docker和命令详解
  • 模拟实现python的sklearn库中的Bunch类以及 load_iris 功能
  • 文件权限标记机制在知识安全共享中的应用实践
  • minio 对象存储
  • java的break能加标签，return可以加标签吗
  • 从一副蓝牙耳机里get倍思的“实用而美”
  • Python 程序设计讲义（23）：循环结构——循环控制语句 break 与 continue
  • 背包DP之多重背包
  • 边缘提取算法结合深度学习的肺结节分割预测
  • 「日拱一码」040 机器学习-不同模型可解释方法
  • 【机器学习】第七章 特征工程
  • 【机器学习-3】 | 决策树与鸢尾花分类实践篇
  • 探索 Linux 调试利器：GDB 入门与实战指南
  • 在分布式的远程调用中proxy和stub角色区别
  • C++ 多线程 std::thread::get_id
  • 数独求解器与生成器（回溯算法实现）
  • Python|OpenCV-实现对颜色进行检测(22)
  • PandasAI连接LLM进行智能数据分析