“打开箱子，
就有好几个已经坏了。”
食鉴 v1 为食品商家，把差评读明白
一千条差评，先改哪一件？
每一句抱怨，都有值得看见的问题
“说好的大果，
收到的怎么都这么小？”
“包装漏了，里面全湿了。”
零散的声音，等一个清楚的答案。评论内容为示意
01 / 看见重点 把翻评论的时间，留给解决问题。了解怎么做 ↓
01 从差评里，找到问题
我们做的事，
就是把差评读明白。
食品商家把店铺评价发给我们，收到一份报告：顾客在抱怨什么、问题集中在哪、先改哪几件。
24小时
先看看，报告长什么样
从店铺评价，到一份问题报告
你发来评价，我们整理重点。
打开就发霉了。
表面长了一层白毛。
切开里面已经烂了。
同一类问题腐烂
变质把共性读出来
变质把共性读出来
02 认识我们的 AI 模型
食鉴v1
专门为食品差评分析
而定制训练的 AI 模型。
它能自动阅读食品差评，把相同的问题分到一起，算清每类有多少条，再整理成清楚的分析结果。帮你省下逐条翻看、手工整理的时间。
处理表现
待重新测试确认- 分类正确率
- 93% 以上
- 处理速度
- 约30条 / 秒
读完评价，判断属于哪类问题
一次处理整批评价，省去逐条翻看
以上为提供的性能指标，待重新测试确认。
专门分析食品差评
用食品差评专门训练，重点识别顾客在说什么问题。
整批交给它，一起处理
自动分类、统计数量，把零散的评价整理成清楚的结果。
拿不准的，会标出来
需要确认的评价单独标出，并保留原文，方便你回头查看。
文件在我们的电脑上处理，不发送给第三方 AI 服务。
03 看完报告，就知道下一步
一份报告，三件事有答案。
从发现问题，到安排整改。
把翻评论的时间，留给真正要处理的事。
看清分布 01 / FIND
问题在哪
七类问题各多少条、哪类最多，集中看清，不被零散的抱怨带着走。
排好轻重 02 / ACT
先改哪个
按数量和严重度排出先后，把精力放在更值得核查的问题上。
保留依据 03 / CHECK
拿什么说话
每项结论都留着顾客原话，核对有出处，开会讨论也有依据。
坏果、口感、规格、漏发、配送、售后……按食品场景整理，让每条抱怨各有归处。
疑难人工确认本地离线处理
你店里的差评，最该先改哪一项？先用一份真实数据免费试做，看看报告能不能帮你找到值得核查的重点。
免费做一份样品继续往下，可以体验完整流程。下方 1,247 条评论、53 条分歧均为演示数据；本页展示分类、确认和报告流程，不运行真实分类模型。卡片中的图形仅为示意。
差评不是不重要，
是读不过来。
大促后八百条差评，运营一条条翻，两小时只看了三分之一。「发霉」有几条？「太甜」有几条？分类模型先替你逐条读、逐条归类，你再有重点地核实。
先看看，它能帮你的店做什么先由食品评价分类模型逐条读，再按问题归类；你重点看需要核实的部分。
三个模型0 / 1247 条
人工逐条翻0 / 1247 条
三个模型读完时，人工刚翻到第 4 条。
推算：人工按「两小时读三分之一」约 27 秒一条；三模型实测约 6 条/秒（单机 CPU，含预处理）。
三个模型，
各读一遍。
同一条差评，由三个模型分别判断，交叉核对问题分类。意见一致先归类，意见不一请人看，让需要核实的评价有明确标记。
三个模型交叉核对；意见一致先归类，有分歧请人看。
模型甲0 / 1247
模型乙0 / 1247
模型丙0 / 1247
1194三次判断一致，占 95.7%
53有分歧，占 4.3%
本段为模拟演示。实测中约八成评价三次判断一致。
七类问题，
各回各位。
从多到少排好。带横线的深棕色纸条，是三个模型意见不一的条目：先按多数票归位，等人来定。
带横线的深棕色纸条＝模型意见不一，先按多数票归位，等人来定。
其中 37 条，
今天就该处理。
发霉、异物、吃完不适——这类差评可能涉及《食品安全法》第一百四十八条的赔偿。报告会把它们单独置顶，不和普通差评混在一起。
发霉、异物、吃完不适：报告会单独置顶。
有分歧的 53 条，
交给你。
一条几秒：空格接受模型建议，数字键改判，Z 撤销。你每按一下，右边对应的纸条就会归位。一条几秒：点一下就是一次裁决。你每点一下，上方对应的纸条就会归位。
为什么要人来看：一条评论可能有多种问题，也可能说得含糊。确认时可以接受、改判或保留存疑；看过不等于一定能确认。
确认台
已决 0 / 53
最后，你收到的
是这一页。
能直接开会、直接转发到工作群，在电脑上还能直接打印。下面这份，按你刚才的确认结果实时生成。
本地处理
不止读完一份报告
把每一次改进，
留在工作台。
查看详细分析、追溯顾客原话、记录复核与处理进度。同一个账号，下次接着做。
进入分析工作台先免费做一份样品。
你只做两步。
导出评价
从店铺后台导出评价明细（Excel 或 CSV）。不确定怎么导，加微信我带你操作。
你来做把文件发我
把导出的文件微信发我就好。
你来做收到报告
24 小时内拿到明细表和报告；本地离线处理，交付后 30 天内删除原件。
我来做
加微信，把导出文件发我
微信：失落沙洲
在微信里：长按二维码，识别后直接添加。加好友请备注「差评分析」。 用微信扫一扫添加，或复制微信号搜索。加好友请备注「差评分析」。我会先免费帮你做一份，觉得有用再谈钱。
还想问的
我的数据安全吗？
评价文件经微信传给我们后，在本地电脑上完成分析，不调用第三方大模型，交付后 30 天内删除原件。工作台是可选的云端报告库：只有登录后主动保存的报告和跟进记录才会上传，其他账号不可访问。查看数据保存说明 →
多久能拿到？
24 小时内交付两个文件：逐条分类的明细表（Excel），和一页归因报告（网页，在电脑上可直接打印成 PDF）。
准确率到底多少？
实测整体准确率 93% 以上（答案由人工逐条标注）。意见不一或同时提到多类问题的条目，会标出来让你确认。页面里 1,247 条、53 条分歧是演示数据；测试成绩也不等于你店里的准确率。
这跟找人删差评有什么区别？
删评处理的是结果，这份报告处理的是原因：告诉你差评集中在哪一类、先改哪个。我们不删评，也不联系顾客改评。
我不是食品类目，能做吗？
目前的七个分类按生鲜食品设计，盲测也只做了食品（生鲜水果、零食粮油）。服饰等类目还在小样本测试，准确率明显更低。可以先发一份数据做免费样品，看分类合不合用再说。
怎么付钱？
第一份免费。觉得有用，再按单次或包年付费。