隨著餐飲行業(yè)進(jìn)入線上線下、堂食外賣并重的“雙主場”時代，面對鋪天蓋地的用戶評論數(shù)據(jù)，如何用數(shù)字化手段優(yōu)化經(jīng)營成為餐飲企業(yè)降本增效的關(guān)鍵。今天帶來的分享案例是黑蟻資本如何借助PaddleNLP情感分析技術(shù)開發(fā)了用戶評論洞察系統(tǒng)，實(shí)現(xiàn)降本增效的例子。一起來看看吧！

黑蟻資本，是一家來自上海的深耕消費(fèi)領(lǐng)域投資的企業(yè)，成立之初就決心讓“投后服務(wù)”成為機(jī)構(gòu)的核心能力之一，而“數(shù)字化”正是黑蟻服務(wù)被投企業(yè)的重要內(nèi)容。為了幫助被投企業(yè)提升評價數(shù)據(jù)的處理效率，黑蟻投后數(shù)字化團(tuán)隊(duì)基于PaddleNLP情感分析技術(shù)，開發(fā)了用戶評論洞察系統(tǒng)，幫助品牌高效深入了解用戶反饋，自動抽取出高價值信息，實(shí)現(xiàn)量化統(tǒng)計分析，從而降低經(jīng)營成本，優(yōu)化產(chǎn)品和服務(wù)，提升市場競爭力。

據(jù)悉，情感分析技術(shù)（Sentiment Analysis Technology）是一種當(dāng)前流行的旨在對帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的技術(shù)，在消費(fèi)決策、輿情分析、個性化推薦等領(lǐng)域都擁有廣泛的應(yīng)用前景。

初衷：想以更低成本，聆聽用戶聲音

正如哈勃望遠(yuǎn)鏡，哈勃輿情取“哈勃”二字是希望通過工具看見別人所看不到的東西，其開發(fā)的最初靈感來源于黑蟻投后團(tuán)隊(duì)對消費(fèi)行業(yè)數(shù)字化的洞察。

2021年初，黑蟻資本運(yùn)營董事Jeru劉湛帶領(lǐng)黑蟻投后數(shù)字化團(tuán)隊(duì)在對被投品牌做調(diào)研時發(fā)現(xiàn)，用戶的反饋對驅(qū)動產(chǎn)品迭代、改進(jìn)服務(wù)非常重要，但是聆聽用戶聲音的成本卻很高。

Jeru介紹，過去一個品牌想獲取用戶評論情況，如NPS凈推薦值，包括推薦意愿和復(fù)購意愿，需要經(jīng)過一系列的調(diào)研分析：請第三方公司采用問卷調(diào)查、實(shí)地攔截、線下采訪等方式進(jìn)行調(diào)研；完成調(diào)研后再找打標(biāo)簽的公司，人工在產(chǎn)品用戶評論下抽取約2000條評論，在Excel表格里打標(biāo)簽標(biāo)記。

上述這種方式存在明顯的問題。一方面，調(diào)研采集到的樣本的數(shù)據(jù)量有限且真實(shí)性有待考證，大大影響后續(xù)分析的客觀性和準(zhǔn)確性；另一方面，人工打標(biāo)簽的方式不僅標(biāo)注不統(tǒng)一，主觀性強(qiáng)，而且操作成本非常高。

Jeru回憶到，當(dāng)時市場上大多數(shù)的產(chǎn)品只是單純用陳舊的技術(shù)做評論分析，精準(zhǔn)度和精細(xì)度并不是很高。他就思考，如何將用戶評論洞察自動化，讓非結(jié)構(gòu)化的評論數(shù)據(jù)變成結(jié)構(gòu)化的數(shù)據(jù)呢？因?yàn)橹挥薪Y(jié)構(gòu)化的數(shù)據(jù)才方便量化統(tǒng)計分析，使經(jīng)營者更直觀快捷地了解用戶，獲得科學(xué)的指引，從而實(shí)現(xiàn)精準(zhǔn)的產(chǎn)品運(yùn)營決策。

瓶頸： ?PaddleNLP解研發(fā)燃眉之急

在經(jīng)過半年的市場調(diào)研后，Jeru迅速組織技術(shù)專家投入到研發(fā)中，在團(tuán)隊(duì)共同努力下，歷經(jīng)兩年時間，黑蟻終于自主研發(fā)出用戶評論洞察系統(tǒng)哈勃輿情，截止到目前，黑蟻已經(jīng)發(fā)布了30多個系統(tǒng)版本，基本上每周都會更新迭代一次。

哈勃輿情類似于一個智能化“顧客情感溫度計”，它能從不同的維度來感知顧客在不同指標(biāo)上的情緒并進(jìn)行分析，比如，用戶會對某一種品牌的評價經(jīng)常提到某一項(xiàng)（提及率，代表用戶的心智），在一句評論中可能會表達(dá)多個“觀點(diǎn)”，這些“觀點(diǎn)”往往包含三要素：維度、觀點(diǎn)詞、情感。維度一般是名詞（比如菜品、價格），觀點(diǎn)詞一般是形容詞（比如辣、豐富），兩者合在一起表達(dá)的是一種某東西怎么樣的觀點(diǎn)，哈勃輿情可以判斷顧客所表達(dá)觀點(diǎn)情感是正向還是負(fù)向，最后將情緒指標(biāo)得分以量化的形式呈現(xiàn)給經(jīng)營管理者，從而幫助品牌商找到問題。

研發(fā)過程并非一帆風(fēng)順。哈勃輿情剛開始研發(fā)模型做情感預(yù)測時，他們只能判斷整句評論（粗粒度）的好壞，而無法對多觀點(diǎn)獨(dú)立（細(xì)粒度）做預(yù)測情感，致使情感預(yù)測結(jié)論數(shù)據(jù)準(zhǔn)確率不高，研發(fā)進(jìn)入了瓶頸。

2022年5月，一次偶然的機(jī)會，Jeru在GitHub上看到PaddleNLP開源了通用信息抽取技術(shù)UIE，他當(dāng)時感覺UIE非常適合哈勃輿情的研發(fā)，或許可以解決困擾他們已久的難題。

據(jù)了解，UIE是一個大一統(tǒng)諸多任務(wù)的開放域信息抽取技術(shù)方案，開創(chuàng)了基于Prompt的信息抽取多任務(wù)統(tǒng)一建模方式。PaddleNLP結(jié)合文心大模型中的知識增強(qiáng)NLP大模型文心ERNIE 3.0，發(fā)揮了UIE在中文任務(wù)上的強(qiáng)大潛力，推出面向通用信息抽取的產(chǎn)業(yè)級技術(shù)方案。

由于PaddleNLP在情感分析能力上表現(xiàn)優(yōu)異，能夠完成涉及句子級情感極性分類、屬性抽取、觀點(diǎn)抽取、屬性級情感極性分類等多項(xiàng)情感任務(wù)，并提供可視化能力，幫助用戶快速分析業(yè)務(wù)數(shù)據(jù)，這極大幫助了黑蟻投后數(shù)字化團(tuán)隊(duì)開發(fā)哈勃輿情，也幫他們節(jié)省了大量的訓(xùn)練成本。

“沒有出現(xiàn)通用模型之前，開發(fā)者需要分行業(yè)去訓(xùn)練模型，要知道一個行業(yè)要用到10萬以上量級的標(biāo)簽來訓(xùn)練模型，才會取得比較好的效果?！盝eru感慨到訓(xùn)練成本太高。

Jeru進(jìn)一步解釋說，在預(yù)訓(xùn)練大模型出來之前，傳統(tǒng)的技術(shù)方案下，幾乎所有的NLP公司都傾向于找打標(biāo)簽的人員通過打標(biāo)簽的方式來訓(xùn)練自己的模型。但有了預(yù)訓(xùn)練大模型后，整個行業(yè)的玩法發(fā)生了改變?，F(xiàn)在大家只需要使用一個通用的大模型，無需標(biāo)注，或僅需少量標(biāo)注，就能對獨(dú)立觀點(diǎn)進(jìn)行精準(zhǔn)情感預(yù)測，這樣就極大降低了開發(fā)成本。同時基于UIE的技術(shù)方案不限定行業(yè)領(lǐng)域和抽取目標(biāo)，可零樣本快速冷啟動各類信息抽取任務(wù)，加上強(qiáng)悍的小樣本微調(diào)能力，使得觀點(diǎn)抽取查全率與精準(zhǔn)率大幅提升。

具體來說，在UIE-base和fp32精度下，相較人工至少需要一天時間來統(tǒng)計1000條樣本的情況，該系統(tǒng)的細(xì)粒度抽取觀點(diǎn)效率約為30條/分鐘，粗粒度情感判定約為135條/分鐘，經(jīng)過行業(yè)微調(diào)后的數(shù)據(jù)準(zhǔn)確率達(dá)到了85%以上。

終極：希望以交互方式回答人類問題

據(jù)了解，哈勃輿情系統(tǒng)不僅供黑蟻的投資團(tuán)隊(duì)用于行業(yè)分析報告研究，還幫助黑蟻投資的諸多品牌傾聽用戶的聲音，實(shí)現(xiàn)降本增效。

例如，黑蟻為被投企業(yè)某區(qū)域火鍋品牌做菜品分析時，系統(tǒng)針對菜品建立專門指標(biāo)體系，進(jìn)行評估量化，逐月分析菜品的變化，幫助品牌找出了可優(yōu)化的菜品，調(diào)整更新了口味、配方和原料，最終讓火鍋店用戶對菜品的評分從60分提高到90分。

此外，黑蟻團(tuán)隊(duì)在開展縣域中青年消費(fèi)需求研究時，將田野和定量調(diào)研回收的數(shù)據(jù)交由哈勃輿情來處理，憑借其強(qiáng)大的語義解析AI模型幫助團(tuán)隊(duì)更高效地了解具體品類下縣域消費(fèi)者心智。

關(guān)于未來的產(chǎn)品規(guī)劃，黑蟻將花更多時間精力針對不同行業(yè)進(jìn)行樣本微調(diào)，不斷完善模型的識別能力。
Jeru談到，“我們希望系統(tǒng)未來能以交互的方式給出回答。當(dāng)我問系統(tǒng)‘為什么某品牌的用戶忠誠度更高‘的問題時，它不再是以詞語的方式給出答案，而是以人類語言的方式組織觀點(diǎn)，更直觀地告訴我答案，我認(rèn)為這是一個終極?！?/p>

如今，利用人工智能技術(shù)促進(jìn)經(jīng)營轉(zhuǎn)型已經(jīng)在消費(fèi)行業(yè)獲得越來越多的認(rèn)可與推崇。餐飲、電商、零售……新消費(fèi)浪潮下的各個品牌正在新品開發(fā)、品牌建設(shè)、銷售服務(wù)等方面推進(jìn)智能化升級，通過AI優(yōu)化業(yè)務(wù)場景，努力與用戶建立更有溫度的聯(lián)接，不斷提升企業(yè)的市場競爭力。

未來，飛槳將攜手更多金融投資機(jī)構(gòu)持續(xù)助力消費(fèi)行業(yè)，在情感分析能力方面，通過情感傾向分析、評論觀點(diǎn)抽取、對話情緒識別等場景化能力，以AI技術(shù)賦能消費(fèi)行業(yè)數(shù)字化轉(zhuǎn)型，共同探索“深度學(xué)習(xí)+”消費(fèi)的創(chuàng)新之路，為消費(fèi)行業(yè)智能化升級注入更強(qiáng)大動力。

參考

• PaddleNLP 情感分析方案 ?

https://github.com/PaddlePaddle/PaddleNLP/tree/develop/applications/sentiment_analysis

• PaddleNLP 項(xiàng)目地址 ?

https://github.com/PaddlePaddle/PaddleNLP ?