《AI+直播营销》课件-项目一任务1.4生成AI评分模型与风险提示

AI+直播营销炼就火眼金睛：构建商品AI评分模型任务引入

从经验直觉到数据决策的最后一公里选品决策的瓶颈从信息获取到智能决策的跃迁已完成基础三步在前序课程中，我们已掌握AI赋能选品的基础：如何让AI扫描海量商品池、如何建立选品要素清单、以及如何运用产品矩阵进行初步筛选。当前关键瓶颈面对“商家服务好”、“产品有创新”等定性描述，如何进行比较和取舍？选品决策仍依赖于个人经验，难以形成标准化、可复制的流程。构建一个可计算、可复制的AI评分模型。将模糊的定性判断，转化为清晰的可比数据，实现选品决策的科学化与智能化。本课核心目标学习目标理论：认知升级深刻理解大语言模型（LLM）不仅是聊天工具，更是处理非结构化信息的量化引擎。知识：模型原理阐明AI评分模型需要完成的三大核心任务：维度抽取、指标量化、综合评分。技能：实操落地掌握从定义评分维度、编写Prompt指令，到调用LLM生成报告的全流程。

知识讲解

让AI学会“多维度思考”LLM大语言模型强大的非结构化信息理解与量化大师010203根据我们设定的重要性（权重），为每个维度打分，最后计算出一个综合推荐分。综合评分将模糊的描述变成可以比较的数字。比如，评价不再是“很好吃”，而是“正面情感占比85%”；卖点不再是“包装精美”，而是“提及‘送礼’场景的评论占比30%”。指标量化从复杂的图文描述、评论中，精准找出我们关心的核心维度，比如价格竞争力、卖点清晰度、口碑评价、品牌实力。维度抽取模型三大任务揭示AI评分模型背后的工作原理模型三大任务评分模型这就构建了一个属于我们自己的、可调整的AI选品评分模型。它让选品从“我觉得”变成了“数据证明”。实操演示三步构建评分模型第一步：定义评分维度与标准以“渝味实验室”为例，设定评估维度评分维度我们设定四个核心评估维度：价格竞争力、卖点强度、口碑热度、增长势能。维度权重根据“渝味实验室”注重品质与故事的品牌定位，我们暂时设定权重为：卖点强度(40%)、口碑热度(30%)、价格竞争力(20%)、增长势能(10%)。数据来源商品信息、评论数据、销量数据均来自公开的商品数据库（为演示简化，此处使用模拟数据）。第一步：定义评分维度与标准价格竞争力(25%权重)对比商品池均价越低分越高卖点强度(30%权重)商品标题和描述中突出“地道”、“手工”、“非遗”等关键卖点的清晰程度口碑热度(30%权重)依据评价数量好评率正面关键词频次增长势能(15%权重)直接采用之前课程的“近7日销量增长率”我们需要明确告诉LLM从哪几个方面打分，以及每个方面好坏的标准AI选品评分模型标准卡（雏形）评估维度(权重)核心评分标准说明(我们教AI看什么？)数据来源与计算逻辑(AI如何量化？)价格竞争力(25%)衡量商品在价格上的竞争优势。

在与商品池中同类商品的平均价格对比时，价格越低，得分越高。1.

数据：商品售价、商品池均价。2.

逻辑：设定商品池均价为基准分（如75分），售价每低于均价一定比例则加分，反之则减分。卖点强度(30%)衡量商品在描述中传递独特价值和吸引力的能力。

重点关注标题和详情中核心卖点关键词的清晰度与说服力1.

数据：商品标题、详情文本。2.

逻辑：提取并加权关键词。例如：“非遗”、“老字号”（权重最高）>

“手工”、“传统工艺”、“地道”（权重高）>

“正宗”、“特产”（基础权重）。关键词越多、越独特，得分越高。口碑热度(30%)衡量市场现有消费者对商品的认可度与讨论度。

依据评价数量、好评率、以及评价中的正面情感关键词进行综合判断1.

数据：累计评价总数、好评率、好评文本。2.

逻辑：评价数量多、好评率高、且好评中出现“好吃”、“回购”、“推荐”等正面词频高的商品，得分更高。增长势能(15%)衡量商品近期在市场上的爆发潜力和趋势。

直接采用“近7日销量增长率”

这一动态指标，捕捉快速上升的“潜力股”。1.

数据：近7日销量、此前周期（如近30日）销量。2.

逻辑：计算公式：(近7日销量-前周期销量)/前周期销量。增长率越高，得分越高。第二步：编写结构化Prompt并调用LLM将以上Prompt模板与所有候选商品的信息，通过API接口批量提交给大语言模型进行处理。API批量调用你是一个经验丰富的直播选品专家，你的任务是基于提供的信息，对商品进行综合评分。角色设定请从“卖点强度”、“口碑热度”、“价格竞争力”、“增长势能”四个维度，对以下商品进行打分。每个维度满分为100分，并提供简要的评分依据。评分任务说明商品名称：……商品信息输入第三步：生成并解读《AI选品报告》AI评分总览腊肠(92.2分)、豆干(87.7分)、红椒酱(84.8分)位居前三，初步形成“第一梯队推荐”。高分商品解读“手工”、“非遗”等卖点突出（92分），且近期销量增长迅速（85分）。AI推荐理由：“强烈推荐，具备爆款潜力，建议主推。”风险预警提示AI同时指出，腊肠的竞争非常激烈（风险评分：70分），可能导致利润空间被压缩，建议关注供应链稳定性。策略建议基于评分与风险，最终策略建议：腊肠作为“核心爆款”主推；豆干作为“利润款”搭配；红椒酱作为“引流款”备选。AI给出的最终策略建议第一梯队（综合分>85）：包含这些产品，第二梯队（综合分80-85）包含这些产品，还有谨慎选择（综合分<80）的产品启发与练习让你的模型更聪明启发思考现在请大家思考：1.如果我们的直播策略转向极致性价比，这个模型的权重应该如何调整？（提示：是否需要大幅提高“价格竞争力”的权重）2.如果我们主打礼品市场，应该增加或强化哪个评估维度？（提示：是不是需要增加“包装与礼赠属性”维度）驾驭AI的核心：定义规则

调整权重AI决策的边界

核实供应链预览商品详情页与真实评价结合直播间定位接下来请大家尝试为另一个品类（比如“办公室零食”）设计一个简单的三维度评分模型，调用任意2个大语言模型，如DeepSeek、ChatGPT、豆包、文心一言等，执行我们的指令，比较一下