ประเมินรีวิวผลิตภัณฑ์ด้วย AI

Maud Nalpas

Kenji Baheux

Alexandra Klepper

เมื่อช็อปปิ้งออนไลน์ อาจได้ดูจำนวนรีวิวผลิตภัณฑ์และปริมาณผลิตภัณฑ์ที่พร้อมจำหน่ายอย่างล้นหลาม เราจะจัดการกับปัญหาเหล่านี้ เพื่อหาผลิตภัณฑ์ที่ตรงกับความต้องการของเราจริงๆ ได้อย่างไร

เช่น สมมติว่าเรากำลังเลือกซื้อกระเป๋าเป้ที่ทำงาน เป้สะพายหลังต้องให้ทั้งฟังก์ชัน สุนทรียภาพ และการใช้งานจริงได้สมดุลกัน จำนวนรีวิวทำให้ แทบจะเป็นไปไม่ได้เลยว่าคุณจะเจอกระเป๋าที่สมบูรณ์แบบหรือไม่ จะเป็นอย่างไรถ้าเราใช้ AI คัดกรองเสียงรบกวนและค้นพบผลิตภัณฑ์ที่สมบูรณ์แบบ

สิ่งที่จะเป็นประโยชน์คือการสรุปรีวิวทั้งหมด รวมถึงรายการข้อดีและข้อเสียที่พบบ่อยที่สุด

เราใช้ Generative AI ฝั่งเซิร์ฟเวอร์เพื่อสร้างฟีเจอร์นี้ การอนุมานเกิดขึ้นในเซิร์ฟเวอร์

ในเอกสารนี้ คุณสามารถทำตามบทแนะนำเกี่ยวกับ Gemini API พร้อม Node.js ที่ใช้ Google AI JavaScript SDK เพื่อสรุปข้อมูลจากรีวิวจำนวนมาก เรามุ่งเน้นที่ส่วน Generative AI ของงานนี้ แต่จะไม่ครอบคลุมวิธีจัดเก็บผลลัพธ์หรือสร้างคิวงาน

ในทางปฏิบัติ คุณจะใช้ LLM API กับ SDK ใดก็ได้ อย่างไรก็ตาม คุณอาจต้องปรับพรอมต์ที่แนะนำให้ตรงกับโมเดลที่คุณเลือก

สิ่งที่ต้องดำเนินการก่อน

1. สร้างคีย์สำหรับ Gemini API และกำหนดคีย์ดังกล่าวในไฟล์สภาพแวดล้อม

2. ติดตั้ง Google AI JavaScript SDK เช่น ด้วย npm npm install @google/generative-ai

สร้างแอปพลิเคชันข้อมูลสรุปรีวิว

1. เริ่มต้นออบเจ็กต์ Generative AI
2. สร้างฟังก์ชันเพื่อสร้างสรุปรีวิว
   1. เลือกโมเดล Generative AI เราจะใช้ Gemini Pro สำหรับกรณีการใช้งาน ใช้รูปแบบที่เจาะจงสำหรับกรณีการใช้งานของคุณ (เช่น gemini-pro-vision สำหรับอินพุตหลายรูปแบบ)
   2. เพิ่มข้อความแจ้ง
   3. เรียกใช้ generateContent เพื่อส่งพรอมต์เป็นอาร์กิวเมนต์
   4. สร้างและแสดงผลคำตอบ

const { GoogleGenerativeAI } = require("@google/generative-ai");

// Access the API key env
const genAI = new GoogleGenerativeAI(process.env.API_KEY_GEMINI);

async function generateReviewSummary(reviews) {
  // Use gemini-pro model for text-only input
  const model = genAI.getGenerativeModel({ model: "gemini-pro" });
  // Shortened for legibility. See "Write an effective prompt" for
  // writing an actual production-ready prompt.
  const prompt = `Summarize the following product reviews:\n\n${reviews}`;
  const result = await model.generateContent(prompt);
  const response = await result.response;
  const summary = response.text();
  return summary;
}

เขียนพรอมต์ที่มีประสิทธิภาพ

วิธีที่ดีที่สุดในการใช้ Generative AI ให้ประสบความสำเร็จคือการสร้างข้อความแจ้งอย่างละเอียด ในตัวอย่างนี้ เราได้ใช้เทคนิคข้อความแจ้งแบบช็อตเดียวเพื่อให้ได้ผลลัพธ์ที่สอดคล้องกัน

ข้อความแจ้งแบบช็อตเดียวจะแสดงเป็นเอาต์พุตตัวอย่างสำหรับ Gemini ที่จะสร้างโมเดล

const prompt =
`I will give you user reviews for a product. Generate a short summary of the
reviews, with focus on the common positive and negative aspects across all of
the reviews. Use the exact same output format as in the example (list of
positive highlights, list of negative aspects, summary). In the summary,
address the potential buyer with second person ("you", "be aware").

Input (list of reviews):
// ... example

Output (summary of reviews):
// ... example

**Positive highlights**
// ... example
**Negative aspects**
// ... example
**Summary**
// ... example

Input (list of reviews):
${reviews}

Output (summary of all input reviews):`;

ต่อไปนี้เป็นตัวอย่างเอาต์พุตจากพรอมต์นี้ ซึ่งรวมถึงข้อมูลสรุปของรีวิวทั้งหมด และรายการข้อดีและข้อเสียทั่วไป

## Summary of Reviews:

**Positive highlights:**

* **Style:** Several reviewers appreciate the backpack's color and design.
* **Organization:** Some users love the compartments and find them useful for
  organization.
* **Travel & School:** The backpack seems suitable for both travel and school
  use, being lightweight and able to hold necessary items.

**Negative aspects:**

* **Durability:** Concerns regarding the zipper breaking and water bottle holder
  ripping raise questions about the backpack's overall durability.
* **Size:** A few reviewers found the backpack smaller than expected.
* **Material:** One user felt the material was cheap and expressed concern about
  its longevity.

**Summary:**

This backpack seems to be stylish and appreciated for its organization and
suitability for travel and school. However, you should be aware of potential
durability issues with the zippers and water bottle holder. Some users also
found the backpack smaller than anticipated and expressed concerns about the
material's quality.

ขีดจำกัดของโทเค็น

มีรีวิวหลายรายการที่ใช้โทเค็นถึงขีดจำกัดของโมเดลได้ โทเค็นไม่จำเป็นต้องเป็นคำเดี่ยวเสมอไป โทเค็นอาจเป็นส่วนหนึ่งของคำหรือหลายคำรวมกัน ตัวอย่างเช่น Gemini Pro มีโทเค็นที่จำกัดไว้ที่ 30,720 รายการ ซึ่งหมายความว่าพรอมต์ดังกล่าวสามารถรวมรีวิวภาษาอังกฤษ 30 คำโดยเฉลี่ยได้สูงสุด 600 คำ ลบด้วยการบอกวิธีที่เหลือ

ใช้ countTokens() เพื่อตรวจสอบจำนวนโทเค็นและลดอินพุตหากข้อความแจ้งมีขนาดใหญ่กว่าที่อนุญาต

const MAX_INPUT_TOKENS = 30720
const { totalTokens } = await model.countTokens(prompt);
if (totalTokens > MAX_INPUT_TOKENS) {
    // Shorten the prompt.
}

สร้างมาเพื่อองค์กร

หากคุณเป็นผู้ใช้ Google Cloud หรือต้องการการสนับสนุนระดับองค์กร คุณจะเข้าถึง Gemini Pro และโมเดลอื่นๆ ได้ เช่น โมเดลของ Anthropic ที่ชื่อว่า Anthropic ด้วย Vertex AI คุณอาจต้องการใช้สวนโมเดลเพื่อพิจารณาว่าโมเดลใดเหมาะกับ Use Case ของคุณที่สุด

ขั้นตอนถัดไป

แอปพลิเคชันที่เราสร้างขึ้นต้องอาศัยการตรวจสอบคุณภาพอย่างมากเพื่อให้ข้อมูลสรุปที่มีประสิทธิภาพมากที่สุด หากต้องการรวบรวมรีวิวคุณภาพดีเหล่านั้น ให้อ่านบทความถัดไปในชุดนี้ซึ่งก็คือ ช่วยผู้ใช้เขียนรีวิวผลิตภัณฑ์ที่มีประโยชน์ด้วย AI บนเว็บในอุปกรณ์

เราต้องการรับฟังความคิดเห็นจากคุณเกี่ยวกับแนวทางนี้ บอกให้เราทราบว่า กรณีการใช้งานใดที่คุณสนใจมากที่สุด คุณแชร์ความคิดเห็นและเข้าร่วมโปรแกรมทดลองใช้ก่อนเปิดตัวเพื่อทดสอบเทคโนโลยีนี้กับต้นแบบในพื้นที่ได้

การมีส่วนร่วมของคุณจะช่วยเราสร้าง AI ให้เป็นเครื่องมือที่มีประสิทธิภาพและนำไปใช้ได้จริงสำหรับทุกคน

ถัดไป: ช่วยผู้ใช้เขียนรีวิวผลิตภัณฑ์ที่มีประโยชน์