影刀RPA新手教程商品评分与DSR监控完全指南——多店铺数据汇总与异常预警作者林焱 | 实战向 | 全文约2300字前言商品评分和DSRDescription、Service、Shipping即描述相符、服务态度、物流速度三项评分是电商店铺的生命线。评分掉下去流量就掉下去再拉回来要花好几倍的力气。但大多数商家是出了问题才知道看评分这时候已经晚了。我用影刀RPA做过一个评分监控系统每天自动采集所有商品的评分和评论数据发现异常自动预警把问题消灭在萌芽状态。本篇把这个方案完整讲一遍包括多店铺数据汇总和异常预警的逻辑设计。一、安装与初始化评分监控需要登录多个店铺后台或者用拥有多店铺权限的主账号操作。影刀配置新建应用商品评分与DSR监控需要以下配置多店铺账号管理如果用子账号分别管理各店铺数据存储Excel或数据库用来存储历史评分数据预警通知飞书机器人Webhook或邮件浏览器配置浏览器Chrome Cookie持久化启用 多标签页启用同时打开多个店铺页面 页面加载等待隐式等待8秒我当时踩的坑DSR数据在电商后台的评价管理模块里但这个模块是用iframe嵌套的直接用XPath定位不到。需要先切换到iframe再执行元素定位。二、元素定位四合一评分数据的元素定位不同平台的差异很大。商品评分天猫/淘宝商品评分在商品详情页显示为星星图标。评分值通常存储在data属性里不是直接显示的文本。//div[classtb-rate]//input[namescore] //span[classstars and data-score] //div[contains(class,rate)]//span[contains(class,score)]用获取元素属性获取data-score属性值比获取文本更可靠。DSR评分天猫/淘宝DSR在店铺首页和评价管理页面都有显示。//div[classdsr-item]//span[classdsr-score] //div[contains(class,dsr)]//div[classscore-num]拼多多商品评分拼多多的评分显示方式不同是数字直接显示。//div[classgoods-score]//span[classscore-num] //div[contains(class,comment)]//span[contains(class,rate)]CSS选择器备用方案div[class*rate][class*score] span[data-score] div.dsr-container span.score三、变量与数据类型评分监控的核心是历史数据对比变量设计要支持时间序列存储。单商品评分数据product_rating{product_id:123456789,shop_id:SHOP001,product_name:iPhone 15 手机壳,total_score:4.7,review_count:2340,good_review_rate:0.96,dsr_desc:4.8,dsr_serv:4.7,dsr_ship:4.6,collect_time:2024-11-01 10:00:00,yesterday_score:4.71,score_change:-0.01}多店铺数据汇总shop_ratings{SHOP001:{dsr_desc:4.8,dsr_serv:4.7,dsr_ship:4.6,avg_score:4.7},SHOP002:{dsr_desc:4.6,dsr_serv:4.5,dsr_ship:4.4,avg_score:4.5},}异常预警规则拼多多店群自动化上架方案alert_rules{score_drop:{threshold:0.1,period:1天,action:预警},score_below:{threshold:4.5,action:预警},bad_review_spike:{threshold:0.05,period:1天,action:预警},review_count_drop:{threshold:0.3,period:7天,action:预警}}四、流程控制评分监控的主流程是一个定时采集对比分析预警判断的结构。主流程开始定时触发每天凌晨2点 ↓ 登录电商平台后台 ↓ 获取店铺列表多店铺则循环 ↓ 循环每个店铺 获取店铺DSR评分 获取店铺所有商品的评分 ↓ 与昨日数据对比 评分下降超过阈值→ 触发预警 评分低于底线→ 触发预警 差评占比上升→ 触发预警 ↓ 保存当前数据作为明天的对比基准 ↓ 所有店铺处理完毕 ↓ 生成每日评分报告 ↓ 发送预警通知如有异常 ↓ 结束对比逻辑设计不是简单地和昨天比而是和过去7天的平均值比这样更准确。defcalculate_score_change(current,history):iflen(history)7:returnNone,历史数据不足avg_last_7sum(history[-7:])/7changecurrent-avg_last_7returnchange,OKchange,msgcalculate_score_change(current_score,score_history)ifchangeisnotNoneandchange-0.1:send_alert(f评分异常下降当前{current_score}7天均值{avg_last_7}下降{abs(change):.2f})五、网页自动化实战进入评价管理页面天猫/淘宝商家后台 → 交易 → 评价管理拼多多商家后台 → 商品管理 → 评价管理抖音电商后台 → 评价 → 商品评价评价管理页面的URL天猫https://rate.taobao.com/leaddress.htm采集DSR评分DSR评分通常在评价管理页面的顶部显示用获取元素文本指令获取。DSR的三个分项描述相符、服务态度、物流速度分别对应三个元素。//div[classdsr-item][1]//span[classscore] (描述相符) //div[classdsr-item][2]//span[classscore] (服务态度) //div[classdsr-item][3]//span[classscore] (物流速度)采集商品评分列表在评价管理页面可以按月查看所有商品的评分汇总。用获取相似元素列表指令批量获取。指令获取相似元素列表网页 目标元素商品评分行 保存至product_rating_list翻页采集所有商品如果商品数量多需要翻页。用点击元素指令点击下一页按钮循环采集。六、数据处理采集到的评分数据需要做清洗、对比和趋势分析。评分数据清洗从页面获取的评分文本可能包含额外字符需要清洗。defclean_score_text(text):# 去除多余字符只保留数字和小数点importrematchre.search(r(\d\.?\d*),text)ifmatch:returnfloat(match.group(1))return0.0计算评分趋势不只看当前评分还要计算趋势上升/下降/平稳。defcalc_trend(scores):iflen(scores)3:return数据不足recentscores[-3:]ifall(recent[i]recent[i-1]foriinrange(1,len(recent))):return持续下降ifall(recent[i]recent[i-1]foriinrange(1,len(recent))):return持续上升return波动差评内容分析评分下降通常伴随差评增加需要采集差评内容做分析。差评的XPath评价管理页面筛选差评//a[contains(text(),差评)] //div[classreview-item and contains(class,bad)]采集差评内容后用正则表达式提取关键词找出主要问题。importre bad_keywords[质量,破损,发货慢,描述不符,假货]forreviewinbad_reviews:forkwinbad_keywords:ifkwinreview[content]:review[issue]kwbreak七、鼠标键盘与图像截图保存差评证据发现异常差评含假货、投诉等关键词自动截图保存方便后续处理。指令截取指定区域 区域评价内容区域 保存路径C:\\rating_screenshots\\{product_id}_{timestamp}.png处理评价回复采集到差评之后可以自动回复评价如果平台支持。用模拟点击指令点击回复按钮输入回复内容提交。评价回复的XPath//button[contains(class,reply) and contains(text(),回复)]八、多店铺数据汇总进阶如果有多个店铺需要把所有店铺的数据汇总到一个表里做统一分析。多店铺切换用影刀的多标签页功能每个店铺打开一个标签页分别采集数据。标签页0店铺A的评价管理页面 标签页1店铺B的评价管理页面 ...或者用切换账号的方式在一个标签页里轮流登录每个店铺。数据汇总表设计用Excel或飞书多维表格存储汇总数据列结构如下日期店铺ID店铺名称DSR描述DSR服务DSR物流平均评分异常标记自动生成对比图表用影刀的写入Excel图表指令为每个店铺生成DSR评分趋势图。图表类型建议折线图DSR评分趋势过去30天柱状图各店铺当前DSR对比热力图商品评分分布九、异常预警实战预警是评分监控系统的核心价值发现问题比记录数据更重要。预警规则一评分单日大幅下降当天评分比昨天下降超过0.1分立即预警。iftoday_scoreyesterday_score-0.1:send_alert(f预警{shop_name}评分单日下降{(yesterday_score-today_score):.2f}分)预警规则二评分低于行业均值如果平台有行业均价数据可以和行业均值对比。industry_avgget_industry_avg_score(category)iftoday_scoreindustry_avg-0.3:send_alert(f预警{shop_name}评分低于行业均值{industry_avg:.2f}当前{today_score:.2f})预警规则三差评数量异常增加过去24小时差评数量比过去7天日均差评数量增加超过50%预警。TEMU店群如何管理运营avg_bad_reviewssum(bad_review_counts[-7:])/7today_badget_today_bad_review_count()iftoday_badavg_bad_reviews*1.5:send_alert(f预警{shop_name}今日差评数量异常当前{today_bad}日均{avg_bad_reviews:.0f})预警通知格式预警通知要简明扼要包含关键信息和处理建议。【评分异常预警】 店铺XXX旗舰店 异常类型DSR评分下降 当前值4.6昨日4.75 下降幅度0.15分 建议处理 1. 查看今日差评内容找出共性问题 2. 检查物流是否有异常延迟 3. 联系平台客服确认是否有投诉十、系统联动与客服系统联动评分异常下降通常和客服回复质量有关。自动把预警信息推送给客服主管让他们排查。与商品系统联动某个商品的评分持续下降自动在商品系统里标记质量可疑暂停推广。与home.linyan.cloud联动评分监控数据实时推送到 home.linyan.cloud 搭建的店铺健康度看板管理层可以随时查看所有店铺的评分状态。十一、工程化规范数据存储规范评分数据是重要的历史资产存储要规范。每天的数据存一个Excel文件文件名带日期关键操作预警触发、人工处理记录存日志文件每30天做一次数据归档把旧数据移到归档目录预警疲劳避免预警太频繁会导致预警疲劳真正的问题被忽略。需要设置预警去重逻辑。defshould_send_alert(shop_id,alert_type):# 同一店铺同一类型的预警24小时内只发一次last_alert_timeget_last_alert_time(shop_id,alert_type)iflast_alert_timeandis_within_hours(last_alert_time,24):returnFalsereturnTrue权限管理评分数据属于敏感数据涉及店铺经营状况访问要有权限控制。如果用飞书多维表格存储设置好字段权限只有相关人员可以查看完整数据。十二、速查表与报错常见报错一DSR评分元素定位失败。解决DSR数据通常在iframe里先用切换到iframe指令切换到正确的iframe再执行元素定位。常见报错二评分数据一直采集到0。解决检查是否已登录或者登录已过期。在流程开始时加登录状态检测。常见报错三差评内容采集不全。解决差评内容可能被折叠需要点击展开按钮才能看到完整内容。用尝试点击元素指令点击展开按钮。速查表数据项所在位置采集频率预警阈值建议DSR评分评价管理首页每天1次单日下降0.1商品评分商品评价页每天1次低于4.5差评数量评价管理差评筛选每天1次单日增加50%评论总数商品详情页每天1次连续3天下降总结评分监控的核心价值是早发现、早处理。等评分掉到4.5以下再处理流量已经掉了大半。我帮一个拥有5个天猫店的商家搭了这套监控系统之后他们最快的一次是在评分下降0.08分的时候就发现了问题一批货有质量问题立即下架处理最终评分只掉了0.12分就稳住了如果没有监控可能要掉0.5分以上才能发现。数据监控这件事本质上是在和经营风险赛跑跑赢的都活下来了。更多电商数据监控实战内容欢迎关注我的更新。#影刀RPA #RPA教程 #商品评分 #DSR监控 #电商运营作者林焱
影刀RPA新手教程：商品评分与DSR监控完全指南——多店铺数据汇总与异常预警
影刀RPA新手教程商品评分与DSR监控完全指南——多店铺数据汇总与异常预警作者林焱 | 实战向 | 全文约2300字前言商品评分和DSRDescription、Service、Shipping即描述相符、服务态度、物流速度三项评分是电商店铺的生命线。评分掉下去流量就掉下去再拉回来要花好几倍的力气。但大多数商家是出了问题才知道看评分这时候已经晚了。我用影刀RPA做过一个评分监控系统每天自动采集所有商品的评分和评论数据发现异常自动预警把问题消灭在萌芽状态。本篇把这个方案完整讲一遍包括多店铺数据汇总和异常预警的逻辑设计。一、安装与初始化评分监控需要登录多个店铺后台或者用拥有多店铺权限的主账号操作。影刀配置新建应用商品评分与DSR监控需要以下配置多店铺账号管理如果用子账号分别管理各店铺数据存储Excel或数据库用来存储历史评分数据预警通知飞书机器人Webhook或邮件浏览器配置浏览器Chrome Cookie持久化启用 多标签页启用同时打开多个店铺页面 页面加载等待隐式等待8秒我当时踩的坑DSR数据在电商后台的评价管理模块里但这个模块是用iframe嵌套的直接用XPath定位不到。需要先切换到iframe再执行元素定位。二、元素定位四合一评分数据的元素定位不同平台的差异很大。商品评分天猫/淘宝商品评分在商品详情页显示为星星图标。评分值通常存储在data属性里不是直接显示的文本。//div[classtb-rate]//input[namescore] //span[classstars and data-score] //div[contains(class,rate)]//span[contains(class,score)]用获取元素属性获取data-score属性值比获取文本更可靠。DSR评分天猫/淘宝DSR在店铺首页和评价管理页面都有显示。//div[classdsr-item]//span[classdsr-score] //div[contains(class,dsr)]//div[classscore-num]拼多多商品评分拼多多的评分显示方式不同是数字直接显示。//div[classgoods-score]//span[classscore-num] //div[contains(class,comment)]//span[contains(class,rate)]CSS选择器备用方案div[class*rate][class*score] span[data-score] div.dsr-container span.score三、变量与数据类型评分监控的核心是历史数据对比变量设计要支持时间序列存储。单商品评分数据product_rating{product_id:123456789,shop_id:SHOP001,product_name:iPhone 15 手机壳,total_score:4.7,review_count:2340,good_review_rate:0.96,dsr_desc:4.8,dsr_serv:4.7,dsr_ship:4.6,collect_time:2024-11-01 10:00:00,yesterday_score:4.71,score_change:-0.01}多店铺数据汇总shop_ratings{SHOP001:{dsr_desc:4.8,dsr_serv:4.7,dsr_ship:4.6,avg_score:4.7},SHOP002:{dsr_desc:4.6,dsr_serv:4.5,dsr_ship:4.4,avg_score:4.5},}异常预警规则拼多多店群自动化上架方案alert_rules{score_drop:{threshold:0.1,period:1天,action:预警},score_below:{threshold:4.5,action:预警},bad_review_spike:{threshold:0.05,period:1天,action:预警},review_count_drop:{threshold:0.3,period:7天,action:预警}}四、流程控制评分监控的主流程是一个定时采集对比分析预警判断的结构。主流程开始定时触发每天凌晨2点 ↓ 登录电商平台后台 ↓ 获取店铺列表多店铺则循环 ↓ 循环每个店铺 获取店铺DSR评分 获取店铺所有商品的评分 ↓ 与昨日数据对比 评分下降超过阈值→ 触发预警 评分低于底线→ 触发预警 差评占比上升→ 触发预警 ↓ 保存当前数据作为明天的对比基准 ↓ 所有店铺处理完毕 ↓ 生成每日评分报告 ↓ 发送预警通知如有异常 ↓ 结束对比逻辑设计不是简单地和昨天比而是和过去7天的平均值比这样更准确。defcalculate_score_change(current,history):iflen(history)7:returnNone,历史数据不足avg_last_7sum(history[-7:])/7changecurrent-avg_last_7returnchange,OKchange,msgcalculate_score_change(current_score,score_history)ifchangeisnotNoneandchange-0.1:send_alert(f评分异常下降当前{current_score}7天均值{avg_last_7}下降{abs(change):.2f})五、网页自动化实战进入评价管理页面天猫/淘宝商家后台 → 交易 → 评价管理拼多多商家后台 → 商品管理 → 评价管理抖音电商后台 → 评价 → 商品评价评价管理页面的URL天猫https://rate.taobao.com/leaddress.htm采集DSR评分DSR评分通常在评价管理页面的顶部显示用获取元素文本指令获取。DSR的三个分项描述相符、服务态度、物流速度分别对应三个元素。//div[classdsr-item][1]//span[classscore] (描述相符) //div[classdsr-item][2]//span[classscore] (服务态度) //div[classdsr-item][3]//span[classscore] (物流速度)采集商品评分列表在评价管理页面可以按月查看所有商品的评分汇总。用获取相似元素列表指令批量获取。指令获取相似元素列表网页 目标元素商品评分行 保存至product_rating_list翻页采集所有商品如果商品数量多需要翻页。用点击元素指令点击下一页按钮循环采集。六、数据处理采集到的评分数据需要做清洗、对比和趋势分析。评分数据清洗从页面获取的评分文本可能包含额外字符需要清洗。defclean_score_text(text):# 去除多余字符只保留数字和小数点importrematchre.search(r(\d\.?\d*),text)ifmatch:returnfloat(match.group(1))return0.0计算评分趋势不只看当前评分还要计算趋势上升/下降/平稳。defcalc_trend(scores):iflen(scores)3:return数据不足recentscores[-3:]ifall(recent[i]recent[i-1]foriinrange(1,len(recent))):return持续下降ifall(recent[i]recent[i-1]foriinrange(1,len(recent))):return持续上升return波动差评内容分析评分下降通常伴随差评增加需要采集差评内容做分析。差评的XPath评价管理页面筛选差评//a[contains(text(),差评)] //div[classreview-item and contains(class,bad)]采集差评内容后用正则表达式提取关键词找出主要问题。importre bad_keywords[质量,破损,发货慢,描述不符,假货]forreviewinbad_reviews:forkwinbad_keywords:ifkwinreview[content]:review[issue]kwbreak七、鼠标键盘与图像截图保存差评证据发现异常差评含假货、投诉等关键词自动截图保存方便后续处理。指令截取指定区域 区域评价内容区域 保存路径C:\\rating_screenshots\\{product_id}_{timestamp}.png处理评价回复采集到差评之后可以自动回复评价如果平台支持。用模拟点击指令点击回复按钮输入回复内容提交。评价回复的XPath//button[contains(class,reply) and contains(text(),回复)]八、多店铺数据汇总进阶如果有多个店铺需要把所有店铺的数据汇总到一个表里做统一分析。多店铺切换用影刀的多标签页功能每个店铺打开一个标签页分别采集数据。标签页0店铺A的评价管理页面 标签页1店铺B的评价管理页面 ...或者用切换账号的方式在一个标签页里轮流登录每个店铺。数据汇总表设计用Excel或飞书多维表格存储汇总数据列结构如下日期店铺ID店铺名称DSR描述DSR服务DSR物流平均评分异常标记自动生成对比图表用影刀的写入Excel图表指令为每个店铺生成DSR评分趋势图。图表类型建议折线图DSR评分趋势过去30天柱状图各店铺当前DSR对比热力图商品评分分布九、异常预警实战预警是评分监控系统的核心价值发现问题比记录数据更重要。预警规则一评分单日大幅下降当天评分比昨天下降超过0.1分立即预警。iftoday_scoreyesterday_score-0.1:send_alert(f预警{shop_name}评分单日下降{(yesterday_score-today_score):.2f}分)预警规则二评分低于行业均值如果平台有行业均价数据可以和行业均值对比。industry_avgget_industry_avg_score(category)iftoday_scoreindustry_avg-0.3:send_alert(f预警{shop_name}评分低于行业均值{industry_avg:.2f}当前{today_score:.2f})预警规则三差评数量异常增加过去24小时差评数量比过去7天日均差评数量增加超过50%预警。TEMU店群如何管理运营avg_bad_reviewssum(bad_review_counts[-7:])/7today_badget_today_bad_review_count()iftoday_badavg_bad_reviews*1.5:send_alert(f预警{shop_name}今日差评数量异常当前{today_bad}日均{avg_bad_reviews:.0f})预警通知格式预警通知要简明扼要包含关键信息和处理建议。【评分异常预警】 店铺XXX旗舰店 异常类型DSR评分下降 当前值4.6昨日4.75 下降幅度0.15分 建议处理 1. 查看今日差评内容找出共性问题 2. 检查物流是否有异常延迟 3. 联系平台客服确认是否有投诉十、系统联动与客服系统联动评分异常下降通常和客服回复质量有关。自动把预警信息推送给客服主管让他们排查。与商品系统联动某个商品的评分持续下降自动在商品系统里标记质量可疑暂停推广。与home.linyan.cloud联动评分监控数据实时推送到 home.linyan.cloud 搭建的店铺健康度看板管理层可以随时查看所有店铺的评分状态。十一、工程化规范数据存储规范评分数据是重要的历史资产存储要规范。每天的数据存一个Excel文件文件名带日期关键操作预警触发、人工处理记录存日志文件每30天做一次数据归档把旧数据移到归档目录预警疲劳避免预警太频繁会导致预警疲劳真正的问题被忽略。需要设置预警去重逻辑。defshould_send_alert(shop_id,alert_type):# 同一店铺同一类型的预警24小时内只发一次last_alert_timeget_last_alert_time(shop_id,alert_type)iflast_alert_timeandis_within_hours(last_alert_time,24):returnFalsereturnTrue权限管理评分数据属于敏感数据涉及店铺经营状况访问要有权限控制。如果用飞书多维表格存储设置好字段权限只有相关人员可以查看完整数据。十二、速查表与报错常见报错一DSR评分元素定位失败。解决DSR数据通常在iframe里先用切换到iframe指令切换到正确的iframe再执行元素定位。常见报错二评分数据一直采集到0。解决检查是否已登录或者登录已过期。在流程开始时加登录状态检测。常见报错三差评内容采集不全。解决差评内容可能被折叠需要点击展开按钮才能看到完整内容。用尝试点击元素指令点击展开按钮。速查表数据项所在位置采集频率预警阈值建议DSR评分评价管理首页每天1次单日下降0.1商品评分商品评价页每天1次低于4.5差评数量评价管理差评筛选每天1次单日增加50%评论总数商品详情页每天1次连续3天下降总结评分监控的核心价值是早发现、早处理。等评分掉到4.5以下再处理流量已经掉了大半。我帮一个拥有5个天猫店的商家搭了这套监控系统之后他们最快的一次是在评分下降0.08分的时候就发现了问题一批货有质量问题立即下架处理最终评分只掉了0.12分就稳住了如果没有监控可能要掉0.5分以上才能发现。数据监控这件事本质上是在和经营风险赛跑跑赢的都活下来了。更多电商数据监控实战内容欢迎关注我的更新。#影刀RPA #RPA教程 #商品评分 #DSR监控 #电商运营作者林焱
