影刀RPA实战：AI智能提取小红书评价关键词，3分钟洞察用户心声！[特殊字符]-育师

影刀RPA实战：AI智能提取小红书评价关键词，3分钟洞察用户心声！🚀

每天还在人工阅读几百条用户评价？手动整理关键词到手抽筋？别硬扛了！今天分享一个AI加持的影刀RPA方案，让你秒级掌握用户真实反馈！

一、背景痛点：用户评价分析的效率困境

灵魂拷问：作为小红书运营，你是不是经常这样？

信息过载：每天新增几百条评价，根本看不完，重要反馈被淹没！
分析低效：手动整理关键词要2-3小时，结果还是主观片面！
反应滞后：负面评价发现太晚，品牌形象受损才后悔莫及！

记得上次新品上线，我们团队花了整整一天分析5000条评价，结果还是漏掉了"包装易碎"这个关键负面反馈，导致后续大量客诉！而用了影刀RPA+AI方案后，现在3分钟搞定全天评价分析，产品经理都夸爆！

二、解决方案：RPA+AI智能关键词提取工作流

影刀RPA结合NLP技术，打造了一个智能评价分析机器人。核心思路是：自动采集评价数据 → AI智能分词处理 → 关键词提取统计 → 情感分析可视化。

方案核心优势：

AI加持：集成大模型能力，智能识别新兴关键词
一键搞定：从数据采集到报告生成，全流程自动化
深度洞察：不仅提取关键词，还分析情感倾向和趋势变化

这个方案在我们服务的品牌中落地，评价分析效率提升60倍，产品迭代速度加快50%，ROI拉满！

三、代码实现：核心流程深度解析

整个自动化流程分为四个关键步骤：数据采集、文本预处理、关键词提取、结果可视化。

步骤1：自动采集评价数据

# 伪代码示例：采集小红书商品评价 # 登录小红书商家后台 Browser.Open("https://xiaohongshu.com/merchant") Browser.Input("账号输入框", Config.Get("username")) Browser.Input("密码输入框", Config.Get("password")) Browser.Click("登录按钮") # 导航到评价管理页面 Browser.Click("评价管理") Browser.Click("商品评价") # 设置筛选条件（如最近7天） Browser.Select("时间筛选", "最近7天") Browser.Click("搜索按钮") # 循环获取所有评价数据 所有评价 = [] While True: # 获取当前页面评价列表 当前页评价 = Browser.GetElements("评价内容") For Each 评价 In 当前页评价: 评价数据 = { "用户": 评价.用户昵称, "内容": 评价.评价文本, "评分": 评价.星级评分, "时间": 评价.发布时间 } 所有评价.Append(评价数据) # 尝试翻页 If Browser.IsElementExists("下一页按钮"): Browser.Click("下一页按钮") Wait.For(2000) # 等待页面加载 Else: Break # 没有更多页面 # 保存原始数据 Excel.Save(所有评价, "原始评价数据.xlsx") Log.Info(f"共采集到 {所有评价.Count} 条评价数据")

避坑指南：小红书评价可能有加载延迟，记得添加智能等待，确保数据完整采集！

步骤2：文本预处理与清洗

# 伪代码示例：文本预处理流程 # 读取评价数据 原始数据 = Excel.Read("原始评价数据.xlsx") Function 文本预处理(文本内容) # 去除无关字符 文本内容 = String.Replace(文本内容, "\n", " ") # 换行符转空格 文本内容 = String.Replace(文本内容, "\r", " ") 文本内容 = String.Replace(文本内容, "#", "") # 去除话题标签 # 去除URL和特殊符号 文本内容 = Regex.Replace(文本内容, "http[s]?://[^\s]+", "") 文本内容 = Regex.Replace(文本内容, "[^\u4e00-\u9fa5a-zA-Z0-9]", " ") # 去除停用词 停用词列表 = ["的", "了", "在", "是", "我", "有", "和", "就", "不", "人", "都", "一", "一个", "上", "也", "很", "到", "说", "要", "去", "你", "会", "着", "没有", "看", "好", "自己", "这"] For Each 停用词 In 停用词列表: 文本内容 = String.Replace(文本内容, 停用词, " ") Return String.Trim(文本内容) End Function # 执行数据清洗 清洗后数据 = [] For Each 评价 In 原始数据: 清洗后评价 = 评价 清洗后评价.处理内容 = 文本预处理(评价.内容) If String.Length(清洗后评价.处理内容) > 2: # 过滤过短内容 清洗后数据.Append(清洗后评价) End For Excel.Save(清洗后数据, "清洗后评价数据.xlsx")

关键技巧：使用正则表达式和停用词表进行深度清洗，提高关键词提取准确率！

步骤3：AI智能关键词提取

# 伪代码示例：关键词提取核心逻辑 # 方法1：基于词频的统计方法 Function 基于词频提取关键词(文本列表, topN=20) # 合并所有文本 合并文本 = String.Join(" ", 文本列表) # 使用结巴分词进行中文分词 Import jieba Import jieba.analyse # 提取关键词（基于TF-IDF算法） 关键词列表 = jieba.analyse.extract_tags( 合并文本, topK=topN, withWeight=True # 返回权重 ) Return 关键词列表 End Function # 方法2：基于大模型的智能提取 Function 基于大模型提取关键词(文本列表) # 调用大模型API进行深层语义分析 API密钥 = Config.Get("openai_api_key") 提示词 = """ 请从以下用户评价中提取关键主题和情感倾向，按重要性排序： {文本列表} 要求： 1. 提取10个最重要的关键词 2. 标注每个关键词的情感倾向（正面/负面/中性） 3. 给出每个关键词的出现频率估计 """ # 调用大模型API 响应 = HTTP.Post("https://api.openai.com/v1/chat/completions", headers={"Authorization": f"Bearer {API密钥}"}, json={ "model": "gpt-3.5-turbo", "messages": [{"role": "user", "content": 提示词}], "temperature": 0.3 } ) # 解析响应 If 响应.StatusCode == 200: 结果 = JSON.Parse(响应.Content) Return 结果.choices[0].message.content Else: Log.Error("大模型API调用失败") Return None End Function # 执行关键词提取 评价文本列表 = 清洗后数据.Select(数据 => 数据.处理内容) 统计关键词 = 基于词频提取关键词(评价文本列表, 30) AI关键词 = 基于大模型提取关键词(评价文本列表) # 合并结果 最终关键词 = [] For Each 关键词 In 统计关键词: 最终关键词.Append({ "关键词": 关键词[0], "权重": 关键词[1], "来源": "词频统计" }) # 解析大模型结果并合并 AI解析结果 = 解析大模型输出(AI关键词) 最终关键词 = 最终关键词.Union(AI解析结果) Excel.Save(最终关键词, "提取关键词结果.xlsx")

深度解析：结合传统词频统计和大模型语义分析，既保证覆盖率又提升洞察深度！

步骤4：情感分析与可视化报告

# 伪代码示例：情感分析和报告生成 Function 情感分析(关键词, 评价数据) # 基于情感词典分析每个关键词的情感倾向 正面词表 = ["好", "棒", "喜欢", "满意", "推荐", "超值", "惊艳", "舒服", "柔软", "透气"] 负面词表 = ["差", "糟糕", "失望", "不满意", "不推荐", "贵", "硬", "粗糙", "闷热"] 情感结果 = [] For Each 词 In 关键词: 正面次数 = 0 负面次数 = 0 For Each 评价 In 评价数据: If 评价.处理内容.Contains(词.关键词): # 检查上下文情感 If 包含正面词汇(评价.处理内容, 正面词表): 正面次数 += 1 ElseIf 包含负面词汇(评价.处理内容, 负面词表): 负面次数 += 1 # 判断总体情感 If 正面次数 > 负面次数: 情感倾向 = "正面" ElseIf 负面次数 > 正面次数: 情感倾向 = "负面" Else: 情感倾向 = "中性" 情感结果.Append({ "关键词": 词.关键词, "情感倾向": 情感倾向, "正面提及": 正面次数, "负面提及": 负面次数, "总提及": 正面次数 + 负面次数 }) Return 情感结果 End Function # 生成可视化报告 Function 生成关键词报告(情感分析结果) # 创建Excel报告 Excel.CreateWorkbook("小红书评价关键词分析报告.xlsx") # 关键词汇总表 Excel.WriteTable("关键词汇总", 情感分析结果) # 情感分布图表 正面关键词 = 情感分析结果.Filter(结果 => 结果.情感倾向 == "正面") 负面关键词 = 情感分析结果.Filter(结果 => 结果.情感倾向 == "负面") # 生成词云图 GenerateWordCloud(情感分析结果, "关键词词云.png") # 添加分析结论 分析结论 = """ 分析报告摘要： - 用户最关注的10个关键词：{前10关键词} - 正面评价主要集中在：{正面关键词} - 需要改进的负面点：{负面关键词} - 建议优化方向：{优化建议} """ Excel.WriteText("分析结论", 分析结论) Excel.Save() Log.Success("关键词分析报告生成完成！") End Function

性能优化：使用缓存机制避免重复计算，大数据量时采用分批处理策略！