今年春節(jié)，走在大街小巷，商場酒樓都能感受到溫暖的煙火氣，餐飲市場擁抱了久違的洶涌人潮，迎來了更清晰的復(fù)蘇信號。據(jù)最新數(shù)據(jù)顯示，全國消費相關(guān)行業(yè)銷售收入與上年春節(jié)假期相比增長12.2%，線上相關(guān)消費訂單超過2700萬單，其中，火鍋等餐飲美食類成春節(jié)檔主角。

隨著餐飲行業(yè)進入線上線下、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。

黑蟻資本，是一家來自上海的深耕消費領(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)字化團隊基于飛槳 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。

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行分析、處理、歸納和推理的技術(shù)，在消費決策、輿情分析、個性化推薦等領(lǐng)域都擁有廣泛的應(yīng)用前景。

（情感分析技術(shù)示意圖）

01

初衷：想以更低成本

聆聽用戶聲音

此用戶評論洞察系統(tǒng)取名哈勃輿情。正如哈勃望遠鏡，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隊對消費行業(yè)數(shù)字化的洞察。

2021年初，黑蟻資本運營董事 Jeru 劉湛帶領(lǐng)黑蟻投后數(shù)字化團隊在對被投品牌做調(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、實地攔截、線下采訪等方式進行調(diào)研；完成調(diào)研后再找打標簽的公司，人工在產(chǎn)品用戶評論下抽取約2000條評論，在 Excel 表格里打標簽標記。

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)量有限且真實性有待考證，大大影響后續(xù)分析的客觀性和準確性；另一方面，人工打標簽的方式不僅標注不統(tǒng)一，主觀性強，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，精準度和精細度并不是很高。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？因為只有結(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，從而實現(xiàn)精準的產(chǎn)品運營決策。

02

瓶頸：飛槳 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，在團隊共同努力下，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上的情緒并進行分析，比如，用戶會對某一種品牌的評價經(jīng)常提到某一項（提及率，代表用戶的心智），在一句評論中可能會表達多個“觀點”，這些“觀點”往往包含三要素：維度、觀點詞、情感。維度一般是名詞（比如菜品、價格），觀點詞一般是形容詞（比如辣、豐富），兩者合在一起表達的是一種某東西怎么樣的觀點，哈勃輿情可以判斷顧客所表達觀點情感是正向還是負向，最后將情緒指標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。

（哈勃輿情系統(tǒng)圖）

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，而無法對多觀點獨立（細粒度）做預(yù)測情感，致使情感預(yù)測結(jié)論數(shù)據(jù)準確率不高，研發(fā)進入了瓶頸。

2022年5月，一次偶然的機會，Jeru在GitHub 上看到百度飛槳 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。飛槳 PaddleNLP 結(jié)合文心大模型中的知識增強 NLP 大模型文心 ERNIE 3.0，發(fā)揮了 UIE 在中文任務(wù)上的強大潛力，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、觀點抽取、屬性級情感極性分類等多項情感任務(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)字化團隊開發(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 萬以上量級的標簽來訓(xùn)練模型，才會取得比較好的效果。”Jeru 感慨到訓(xùn)練成本太高。

Jeru 進一步解釋說，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簽的人員通過打標簽的方式來訓(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。現(xiàn)在大家只需要使用一個通用的大模型，無需標注，或僅需少量標注，就能對獨立觀點進行精準情感預(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，可零樣本快速冷啟動各類觀點抽取任務(wù)，加上強悍的小樣本微調(diào)能力，使得觀點抽取查全率與精準率大幅提升。

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)的細粒度抽取觀點效率約為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)準確率達到了85%以上。

03

終極：希望以交互方式回答人類問題

哈勃輿情系統(tǒng)不僅供黑蟻的投資團隊用于行業(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體系，進行評估量化，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，黑蟻團隊在開展縣域中青年消費需求研究時，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，憑借其強大的語義解析 AI 模型幫助團隊更高效地了解具體品類下縣域消費者心智。

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，它不再是以高頻詞云的方式給出答案，而是以人類語言的方式組織觀點，更直觀地告訴我答案，我認為這是一個終極。”

如今，利用人工智能技術(shù)促進經(jīng)營轉(zhuǎn)型已經(jīng)在消費行業(yè)獲得越來越多的認可與推崇。餐飲、電商、零售……新消費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構(gòu)持續(xù)助力消費行業(yè)，在情感分析能力方面，通過情感傾向分析、評論觀點抽取、對話情緒識別等場景化能力，以 AI 技術(shù)賦能消費行業(yè)數(shù)字化轉(zhuǎn)型，共同探索“深度學(xué)習(xí)+”消費的創(chuàng)新之路，為消費行業(yè)智能化升級注入更強大動力。