AI评论分析适合做归整，不适合替运营者直接宣布“用户最想要什么”。一条评论可能是提问、反讽、售后、广告或对视频中某句话的回应；脱离原视频和上下文后，高频词很容易被误读。正确流程是保留可追溯编号，先去噪与去重，再聚类，最后由人工确认搜索意图和内容价值。
准备数据时保留上下文，删除不必要身份信息
- 为每条评论生成内部编号，保留来源视频、发布时间段和回复关系。
- 移除公开分析不需要的昵称、联系方式、订单号等信息。
- 单独标记广告、抽奖口令、纯表情和售后问题，不与内容需求混算。
- 数据量较大或包含敏感信息时，先按组织的数据规则确认可使用的工具和范围。
用“两阶段归并”减少错误合并
- 同义去重：让AI只判断两条评论是否在问同一件事，并输出原句编号和差异条件。例如“字幕太小怎么改”与“手机上字幕看不清”可以归并，但“字幕不同步”属于另一个问题。
- 任务聚类：把去重后的问题按用户要完成的动作分组，如选择工具、排查错误、比较方案、理解指标。不要仅按共有名词聚类。
要求模型输出证据，不只输出标签
| 输出字段 | 用途 | 人工复核点 |
|---|---|---|
| 需求名称 | 概括一个明确任务 | 是否能写成自然提问 |
| 代表原句编号 | 回到真实表达 | 是否遗漏反例和条件 |
| 数量 | 了解样本内重复程度 | 是否被重复账号或口令放大 |
| 置信说明 | 标出歧义和待确认项 | 是否需要查看原视频上下文 |
| 建议动作 | 回答、补充旧文或新建选题 | 是否与账号定位一致 |
抽样复核后再进入选题库
每个聚类至少查看若干代表原句、边界样本和被排除样本；涉及反讽、专业结论或售后争议时全部人工确认。AI生成的结构还要按先给事实材料再人工审核的脚本流程核验，不能把模型概括当成用户原话。
最终只把与栏目定位一致、能够提供证据并具有独立回答价值的问题送入评论问题记录表。保存本次提示词、模型版本、处理日期和人工调整项，下一轮才能判断聚类变化来自用户需求还是工具设置。