电商竞品评论自动监控 + 深度文本分析完整实操方案（附可运行 Python 代码）

pip install requests pandas jieba wordcloud

import requests
import pandas as pd
import time

# 基础配置
TOKEN = "你的个人身份凭证字符串"
TARGET_ITEM_IDS = ["728945612345", "728945678901"]  # 待监控商品ID列表
SAVE_PATH = "电商评论原始数据.xlsx"

def get_all_reviews(item_id):
    review_list = []
    page = 1
    while True:
        # 构建请求参数
        params = {
            "token": TOKEN,
            "item_id": item_id,
            "page": page,
            "limit": 50
        }
        resp = requests.get("https://data-claw.fetchcontent.com/comment", params=params)
        res_data = resp.json()
        # 判断无更多数据则退出循环
        if len(res_data.get("data", [])) == 0:
            break
        # 清洗单条评价字段
        for item in res_data["data"]:
            temp_dict = {
                "商品ID": item_id,
                "评价时间": item.get("publish_time"),
                "星级评分": item.get("star"),
                "评价内容": item.get("content"),
                "是否追评": item.get("is_add_comment"),
                "晒图数量": item.get("img_num"),
                "买家标签": item.get("buyer_tag")
            }
            review_list.append(temp_dict)
        page += 1
        time.sleep(1.2)  # 限流防高频访问
    return review_list

if __name__ == "__main__":
    total_data = []
    for goods_id in TARGET_ITEM_IDS:
        print(f"正在采集商品{goods_id}评价数据...")
        goods_reviews = get_all_reviews(goods_id)
        total_data.extend(goods_reviews)
        print(f"商品{goods_id}共获取{len(goods_reviews)}条评价")
    # 保存至本地Excel
    df = pd.DataFrame(total_data)
    df.to_excel(SAVE_PATH, index=False)
    print(f"全部数据采集完成，已保存至{SAVE_PATH}")

import requests
import pandas as pd
import time
from datetime import datetime

TOKEN = "你的个人身份凭证字符串"
TARGET_ITEM_IDS = ["728945612345", "728945678901"]
HISTORY_FILE = "电商评论原始数据.xlsx"
NEW_REVIEW_LOG = "新增评价实时日志.txt"
# 负面关键词库，可自行扩充
BAD_WORDS = ["色差", "掉色", "破损", "发货慢", "质量差", "尺寸不符", "气味大"]

def get_new_reviews(item_id):
    new_data = []
    params = {
        "token": TOKEN,
        "item_id": item_id,
        "page": 1,
        "limit": 30
    }
    resp = requests.get("https://data-claw.fetchcontent.com/comment", params=params)
    res_data = resp.json()
    return res_data.get("data", [])

def monitor_task():
    # 读取历史已有评价
    try:
        history_df = pd.read_excel(HISTORY_FILE)
        history_content_set = set(history_df["评价内容"].tolist())
    except:
        history_content_set = set()
    
    today = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
    log_text = f"\n===== {today} 监控轮次 =====\n"
    alert_flag = False

    for goods_id in TARGET_ITEM_IDS:
        fresh_comments = get_new_reviews(goods_id)
        for comment in fresh_comments:
            content = comment.get("content", "")
            # 判断是否为全新评价
            if content not in history_content_set and content.strip() != "":
                log_text += f"【商品{goods_id}】{comment['publish_time']} | {comment['star']}星 | {content}\n"
                history_content_set.add(content)
                # 负面关键词预警
                for word in BAD_WORDS:
                    if word in content:
                        log_text += f"⚠️ 负面预警：命中关键词【{word}】\n"
                        alert_flag = True
    # 写入日志文件
    with open(NEW_REVIEW_LOG, "a", encoding="utf-8") as f:
        f.write(log_text)
    if alert_flag:
        print("【重要提醒】本轮监控发现负面评价，请查看日志文件！")
    else:
        print("本轮监控完成，无新增负面反馈")

# 定时循环，每30分钟执行一次监控
if __name__ == "__main__":
    while True:
        monitor_task()
        time.sleep(1800)

import pandas as pd
import jieba
from collections import Counter
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
DATA_FILE = "电商评论原始数据.xlsx"
STOP_WORDS = ["很好", "不错", "还行", "满意", "物流快", "质量好", "收到", "非常"]

def analysis_comments():
    df = pd.read_excel(DATA_FILE)
    # 1. 星级分布统计
    star_count = df["星级评分"].value_counts().sort_index()
    print("===== 商品星级分布统计 =====")
    print(star_count)
    # 划分好评/中差评
    good = df[df["星级评分"] >= 4].shape[0]
    bad = df[df["星级评分"] <= 3].shape[0]
    total = df.shape[0]
    print(f"好评占比：{round(good/total*100,2)}%，中差评占比：{round(bad/total*100,2)}%")

    # 2. 提取中差评高频关键词
    bad_df = df[df["星级评分"] <= 3]
    all_text = "".join(bad_df["评价内容"].astype(str))
    words = jieba.lcut(all_text)
    word_filter = [w for w in words if len(w)>=2 and w not in STOP_WORDS]
    word_freq = Counter(word_filter)
    top20 = word_freq.most_common(20)
    print("\n===== 中差评Top20高频关键词 =====")
    for word, num in top20:
        print(f"{word}：{num}次")
    
    # 3. 绘制词频柱状图
    words_list = [i[0] for i in top20]
    count_list = [i[1] for i in top20]
    plt.figure(figsize=(12,6))
    plt.bar(words_list, count_list)
    plt.xticks(rotation=45)
    plt.title("竞品差评高频关键词统计")
    plt.tight_layout()
    plt.savefig("差评关键词分布图.png")
    print("\n词频图表已保存至本地！")

if __name__ == "__main__":
    analysis_comments()