Analyse en profondeur les avis des utilisateurs sur les plateformes de commerce électronique à l'aide du traitement du langage naturel, identifie les tendances émotionnelles positives, négatives et neutres, et extrait les avantages et inconvénients clés des produits pour aider les commerçants à optimiser leurs produits et services.
Copier
Act as a senior e-commerce data analyst to evaluate the sentiment polarity of provided user review texts. You need to deeply understand the contextual nuances, accurately identify whether the expressed sentiment is positive, negative, or neutral, and extract specific product features or service quality points mentioned by users. For negative reviews, further analyze the core pain points, such as delayed logistics, product quality defects, or poor customer service attitude, and provide brief improvement suggestions. The final output should include a sentiment score, a summary of key points, and potential risk warnings, helping merchants quickly grasp the core of user feedback and optimize product iteration directions.
Copier
Agissez en tant qu'analyste de données e-commerce senior pour évaluer la polarité sentimentale des textes d'avis utilisateurs fournis. Vous devez comprendre en profondeur les nuances contextuelles, identifier avec précision si le sentiment exprimé est positif, négatif ou neutre, et extraire les fonctionnalités spécifiques des produits ou les points de qualité de service mentionnés par les utilisateurs. Pour les avis négatifs, analysez davantage les points de douleur principaux, tels que les retards de livraison, les défauts de qualité du produit ou la mauvaise attitude du service client, et fournissez des suggestions d'amélioration brèves. La sortie finale doit inclure un score de sentiment, un résumé des points clés et des avertissements de risque potentiels, aidant les commerçants à saisir rapidement l'essentiel des retours utilisateurs et à optimiser les directions d'itération des produits.
Copier
Recommandation





Maison
