這個來源的特點是體量

站上其他幾個來源,限制主要在能不能拿到;這個平台的限制在於拿多少划算。

熱門商家的評論動輒數萬則,全量擷取技術上做得到,但成本和週期會成倍上升。多數分析用不到全量——依時間窗口取最近兩三年,或每個商家設上限取若干則,結論通常和全量一致,成本卻差很多。

所以這類專案的關鍵決策不是能不能擷取,而是取樣策略。這一點會在測試階段和你一起定,而不是預設依全量報價。

飯店走廊縱深的照片,上方懸浮著三個大小遞減的立體球

提需求時建議一併說明的內容

  • 取樣策略:時間窗口、每商家筆數上限,還是全量。
  • 語言處理:要原文還是統一譯文,是否只要某幾個語言。
  • 分析維度:只做評分分布,還是需要評論文字做歸納。後者對文字欄位的完整性要求更高。
  • 去重口徑:同名商家多頁面的情況怎麼處理,是否接受人工確認一輪。