将多模态在线评论转化为竞品感知产品改进决策：大语言模型辅助框架

《Scientific Reports》：Transforming multimodal online reviews into competitor-aware product improvement decisions: a large language model-assisted framework

　　

摘要

线上客户评论为产品迭代提供了丰富的证据，但其碎片化、多模态和竞争性特征使得将用户反馈转化为可执行优先事项变得困难。本研究提出了CompReview框架，这是一个大语言模型辅助的多模态评论挖掘与竞品感知产品改进框架。CompReview通过结构化提示模式提取方面级特征、意见、情感评分和支持证据，将碎片化的表达归一化为固定的特征分类体系，并通过竞品相对差距扩展重要性-绩效分析。该框架在156,789条苹果和华为智能手机评论上进行了评估。对1,200条已标注的京东评论进行防止数据泄漏的70/15/15分割后，特征提取的F1得分为0.920，情感分类的F1得分为0.930，属性归一化的F1得分为0.900。在独立的400条评论亚马逊金标准集上，相应的得分分别为0.870、0.890和0.840。五次固定配置运行显示出较低的可变性（标准差分别为0.006、0.007和0.011），而主象限一致性为0.870。苹果的强项集中在外观和包装方面，而价格、售后服务、物流、电池续航及部分体验属性仍是改进的优先事项。忽视竞品表现会错误分类33.3%的高优先级属性。因此，CompReview为产品重新设计、服务优化和市场定位提供了一个可重复的从评论到决策的流水线。