上次做售卖端视角的分析！本次就评论数据做分析，应该是最适合大模型了，后续再做优化！
看效果
话原理
从AWS网站，我们可以拿到比如某个商品的评论，然后这里我们可以定期抓取商品数据，从而用户的反馈进行获取分析！
来实践
1、抓取工具比如Instant Data Scraper工具抓取aws商品数据
2、然后，CSV转为yaml文件
3、创建prompt文件
主要部分如下
/*分析包含
1）用户认可特征
是指在用户评价中用户赞扬或认可的特征，比如样式、价格等
2）用户批评或吐槽
是指提炼用户评价中反馈的问题或吐槽关键词
3）改进建议
基于用户的反馈提出比如款式、物流，安装，价格或其他点
4）趋势感知
根据用户的评价，总结出用户关注的特征
5）隐含点洞察
根据用户的评价，总结不常见的用户关注的特征
写在最后
如上的是商品分析的一个系列，对于再上游供应商和二手售卖大差不差，通过如上系列的分析，可以看到大模型的便捷性体验！如果能私有化部署大/小模型，相信会有生产力的不一样的提升！
