商品评价购买决策分析-电商领域

商品评价购买决策分析服务-电商领域适用于分析用户的购买动机、使用场景、功能需求、使用疑问等购买决策相关的信息,可以帮助改进产品、改善用户体验、细分人群画像、针对性营销投放等。如当前支持的领域、行业不满足您的需求,请加钉钉答疑群(23142693),进一步咨询合作。

说明

本预训练模型提供的服务无需自主标注训练,直接调用API即可使用;

服务开通与资源包购买

预训练模型使用前,请确认是否已经开通了NLP自学习平台服务,开通后可购买优惠资源包。

NLP自学习平台:开通地址

自学习平台资源包:购买地址

Java代码示例

DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","your-access-id-key","your-access-id-secret");
IAcsClient client = new DefaultAcsClient(defaultProfile);

RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("NLP_ner_pretrained_review_multidim_ecom");
request.setPredictContent("儿童口罩已收到,物流快,服务好,疫情防控,上学必备,价格比实体店更实惠,已经多次购买!");
RunPreTrainServiceResponse response = client.getAcsResponse(request);
System.out.println(response.getPredictResult());

Python代码示例

# 安装依赖
pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-nlp-automl
# -*- coding: utf8 -*-
import json

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest

# Initialize AcsClient instance
client = AcsClient(
  "<your-access-id-key>",
  "<your-access-id-secret>",
  "cn-hangzhou"
);

content = '儿童口罩已收到,物流快,服务好,疫情防控,上学必备,价格比实体店更实惠,已经多次购买!'

# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('NLP_ner_pretrained_review_multidim_ecom')
request.set_PredictContent(content)

# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(json.dumps(predict_result['data'],ensure_ascii=False))

入参说明

参数

说明

示例

ServiceName

服务名称,必填

NLP_ner_pretrained_review_multidim_ecom

PredictContent

商品评价内容,必填

儿童口罩已收到,物流快,服务好,疫情防控,上学必备,价格比实体店更实惠,已经多次购买!

PredictResult内容示例

{
  "records": {
    "对比": [
      {
        "prob": 0.9929813610182868,
        "offset": [26, 35],
        "span": "价格比实体店更实惠"
      }
    ],
    "购买动机^场景": [
      {
        "prob": 0.97239750623703,
        "offset": [21, 25],
        "span": "上学必备"
      }
    ],
    "使用对象": [
      {
        "prob": 0.9865950644016266,
        "offset": [0, 2],
        "span": "儿童"
      }
    ],
    "使用场景": [
      {
        "prob": 0.975536584854126,
        "offset": [21, 25],
        "span": "上学必备"
      }
    ],
    "会回购": [
      {
        "prob": 0.9607752660910288,
        "offset": [36, 42],
        "span": "已经多次购买"
      }
    ]
  },
  "content": "儿童口罩已收到,物流快,服务好,疫情防控,上学必备,价格比实体店更实惠,已经多次购买!"
}

出参说明

字段

说明

示例

content

用户的输入

records

算法抽取的标签集,字典类型,key为标签名,value为抽取信息

span

抽取到的用户输入片段

儿童

offset

抽取到的用户输入片段的开始(包含),结束位置(不包含),左开右闭原则

[0, 2]

prob

置信度,0-1之间的概率值

0.9865950644016266

支持的购买决策标签列表

标签

说明

示例

功能需求

用户期望产品能满足更多需求、提供更多功能

没有热饭功能,是这高压锅的遗憾

购买动机^人群

朋友推荐购买的青汁收到了

购买动机^节日

生日礼物

购买动机^场景

本来打算送礼的

购买动机^其他

好奇

对比

产品之间的比较,购买渠道的对比等等

比超市便宜

用户首购

用户第一次购买

第一次喝

会回购

无限回购

不会回购

不会再买了

使用场景

买来调理身体的

上班用很适合

会推荐

推荐购买

不会推荐

不推荐

会追评

喝后追评

使用状态^已使用

已经用上了

使用状态^未使用

还没喝

使用疑问

用户有疑问的地方

不知道容不容易脏

不知道能保持多久

使用对象

仅提取对象实体

给【小侄子】买的

【宝宝】穿着很舒服

品牌印象

我信赖格力的电器

购买途径

比如直播间、淘客等

是在薇娅直播间买的

用户认可度

用户对商家的认可

我只认这家的产品

给卖家一个赞

服务承诺-未满足

商家的承诺未满足用户

说好的写贺卡,也没有写

说好的送礼品,收到也没有

阿里云首页 自然语言处理 相关技术圈