AI 差評預警分析:評分還沒掉之前,先從幾十則評價裡看出哪種抱怨正在變多|AI101 Day 169
兩則變五則,中間隔了三個禮拜,沒有人注意到。這是我上個月在一家寵物零食店的評價頁翻出來的,等老闆發現星等從 4.8 掉到 4.5,罐身凹陷的抱怨早就累積一個月了。AI 差評預警分析就是在做這件事:把近期買家評價貼上去或用 CSV 批次匯入,AI 給出健康、注意、警戒、緊急四級預警,把問題分類成物流配送、客服速度、商品描述這些來源並標出嚴重度與趨勢,附上買家原話和按急迫程度排序的優先行動建議。
兩則變五則,中間隔了三個禮拜。這是我上個月在一家賣寵物零食的店的評價頁裡翻出來的數字。老闆找我的時候只說了一句「星等怎麼突然從 4.8 掉到 4.5」,他們平常很穩,掉 0.3 看起來不多,但在寵物用品這種回購型的品類,0.3 就是轉換率差一截。
我請他把近 30 天的評價匯出來,大概十五則。看完之後我跟他說,這不突然。三個禮拜前就有兩則提到「罐身凹進去」「外盒被壓扁」,兩個禮拜前又多了一則,上週變五則。同一件事情從兩次變五次,中間沒有人注意到,因為每一則單獨看都只是一個客人在抱怨包裝,不會有人為了一則評價去換包材。
這就是差評最麻煩的地方。它不是炸的,是滾的。你每天看後台都覺得還好,等到評分真的掉、客人開始在留言區互相附和的時候,已經是結果不是徵兆了。我自己經營的社群也一樣,有陣子學員抱怨某堂課的錄影音質,第一個人說的時候我覺得是他耳機問題,第三個人說的時候我才去查,中間隔了快一個月。
這個工具能做什麼
AI 差評預警分析做的事,就是把「有人一則一則讀完幾十幾百筆評價然後找規律」這個沒人想做的工作交給 AI。操作分三步。第一步輸入評價:可以直接複製貼上,一則一行或用三個減號分隔,也可以上傳 CSV 批次匯入,第一行如果是欄位標題像 review、評價、內容會自動跳過。它只需要評價文字本身,訂單編號、買家姓名這類個資不用也不建議附上。第二步選時間範圍,近 7 天、14 天、30 天或 90 天,這會影響它判斷趨勢的基準。第三步按下分析。
評價來源不限平台,蝦皮、momo、官網、Google 商家評論都可以,只要是文字就行。我自己的做法是蝦皮後台的評價頁一次選一頁複製貼上,官網則是從訂單系統匯出 CSV,兩邊混在一起跑也沒關係,反正它看的是內容不是來源。
出來的報告有幾個固定區塊。最上面是預警等級,分健康、注意、警戒、緊急四級,讓你一眼知道現在要不要緊張。接著是情緒占比,正面、中性、負面各佔多少。再來是問題分類歸因,把負面訊號歸到物流配送、客服速度、商品描述、品質這些來源,每一類標嚴重度和趨勢是升是降,這塊決定你該去追倉庫、追客服還是追工廠。每一類底下會附代表性原文,也就是買家自己的話,你拿去跟團隊溝通的時候比「有人抱怨物流」有說服力得多。
然後是趨勢觀察,像「破損抱怨從 2 次升到 5 次」這種跨時間的變化,就是我前面幫客戶手動找出來的那種東西。還有一塊是正面亮點,買家反覆稱讚的點,這塊很多人會跳過,但它常常是你下一檔活動的主打素材。最後是優先行動建議,按急迫程度排序的待辦清單。它的重點在預警和分類,就算報告裡附了回覆方向,我也建議先搞清楚問題根源再回,正式要貼出去的公開回覆,搭配專門的回覆工具處理會比較穩,不然很容易回錯方向。
為什麼這件事值得做好
我覺得評價管理真正的成本不是回覆,是「發現得太晚」。一則包裝破損的抱怨,當天處理是補寄一個新品;累積到五則才處理,是評分掉 0.3、轉換率掉一截、再花廣告預算把流量補回來。前者幾百塊,後者可能是幾萬塊,差別只在有沒有人在第二則的時候就看到。
還有一個現實是,蝦皮和 momo 這類平台的搜尋排序多少都看近期店鋪評分,所以評分掉 0.3 不只是信任問題,是曝光問題。這點我沒有官方數字可以引,但手上幾個案子的經驗是,評分掉的那段時間自然流量也會跟著軟,兩件事多半一起發生。
另一個原因是分類。很多老闆看到負評的直覺反應是「客服去處理」,但如果問題根源在物流,客服處理一百次也還是會有第一百零一則。把訊號歸到正確的來源,才知道該找誰。我手上的案子多半是中小型團隊,一個人兼好幾個角色,沒有人有空每天讀評價。這種時候定期丟一批進去跑,比期待某個同事「順便注意一下」實際多了。
還有一個比較少人想到的用法是看正面亮點。有個做食品的朋友跑了 90 天的評價,發現「送禮包裝」被反覆提到,還有買家說已經回購第三次。他原本中秋檔的主打是口味,看完直接改成送禮,這個轉向不是誰拍腦袋想的,是客人自己講出來的。
幾個實際建議
第一,數量不用多但要夠。至少十幾則以上,30 則左右趨勢最明顯。太少的話它判斷不出「變多」,因為兩則跟三則的差距沒有統計意義,只能當提醒。
第二,時間範圍跟著你的出貨週期選。日銷型的店選 7 天或 14 天,可以抓到物流或客服這類短期波動;低頻高單價的品類選 30 天或 90 天,才看得出品質或描述這種慢慢累積的問題。同一批評價用兩種範圍各跑一次,常會看到不一樣的東西。
第三,看到「警戒」或「緊急」先看代表性原文,不要直接跳到行動建議。AI 的分類偶爾會把「等了三天才到貨」歸到物流,但原文其實是「等了三天客服才回」,這是客服問題。原文是你驗證分類對不對的唯一依據,花三十秒看一下。
第四,把每次分析的結果留下來。這個月物流抱怨 3 次,下個月 1 次,代表你換包材有效;反過來變 6 次就代表沒效或換錯地方。單次分析只能告訴你現在,連續幾次才能告訴你做的事有沒有用。
小結
差評管理最好的時機,是它還沒變成差評的時候。這句話說起來很順,做起來的難點是沒有人會每天去讀幾十則評價找規律。這點我自己做得也普通,多半還是等對方傳截圖來才動,所以現在把它排成每月一次的例行檢查,不是因為工具多厲害,是因為我知道我不會自己去讀那幾十則。你要做的只剩下每個月挑一天,把評價貼進去,然後看那個預警等級是什麼顏色。