同一张 1 星差评截图,丢给豆包两次,拿回来的东西完全不一样。
第一次只问「我该怎么办」,它回了一段安抚:建议及时回复、表达歉意、改进服务,都对,一句也用不上;第二次换一条指令,把截图和平台规则一起喂进去,让它按场景表分类、再按举证要求列材料,它给出的就是三份能直接抄的东西。
差评截图这个活,AI 能不能帮上忙,分水岭就在这条指令怎么写。
第一步:让豆包按场景表分,指令别写「怎么办」
多数人的第一句提问是「这条差评该怎么处理」,这句话没有错,但它把 AI 推去猜你的意图,猜出来的答案只能是通用套话。
把豆包浏览器插件或客户端的「截图识文字」调出来,先把评价页整屏截下来,让它执行「提取文本」,把星级、文字、时间、订单号原样抄出来。
然后才是关键那一步:把美团外卖《平台评价管理规范》的申诉场景表贴进同一个对话,再让它按表判断这条属于哪一类。
指令可以照抄这一句:
「下面是一条差评的原文和星级。参照我给的场景表,判断它属于哪一类申诉场景,说明判断依据,列出这一类需要提交哪些证据。不要给处理建议,只做分类和举证清单。」
同一个豆包,同一张截图,加上这张表,输出就从套话变成了判断。
为什么非要喂表?因为平台认的是场景,不是情绪。第十六条把申诉场景分成内容异常、买家原因、恶意评价三大类,每一类下面的举证要求都不同,AI 不知道这张表就只能凭常识猜。
同为一条差评,选「买家选错评分」和选「食品安全问题」,要交的证据完全是两回事,选错那一次申诉机会就废了,这一条值得让 AI 反复核两遍。
第二步:让 AI 读三样——星级、文字、有没有配图
截图丢进去之后,只让它读文字够不够?不够。评价页上真正有用的信息有三样,缺一样分类就会偏。
第一样是星级。第十八条的举证表里有一个场景叫「买家选错评分」,释义写得很直白:买家的文字是好评,星级是 1/2 星,这种矛盾只有把星级和文字并排看才看得出来。
第二样是文字,里面有没有提到「异物」「发霉」「过期」这几个词,直接决定它压的是哪一处计分项。
第三样是配图,评价有没有附图、图里是什么,决定你能不能走「买家未收餐差评」这类需要拍摄时间图片的举证路径。
给豆包的指令可以写成:「分别读出这条评价的星级、文字原文、是否有配图,三项分列。再告诉我文字里是否出现异物、发霉、过期、未收餐、撒餐、漏餐这几个词。」
这步做完,你手上就有了一份结构化的原始数据,后面所有的分类和举证都从它出发,不用再回头翻截图。
差在哪:把平台规则喂给豆包,它才有判断依据
这一步是整条流程里最容易被跳过、也最不能跳的。AI 本身不知道平台规则,你不给它规则,它拿通用常识判断,说出来的「建议申诉」跟没说一样;把规则原文贴进去,它才有了判断依据。
那到底要喂哪几块?就三块,缺一块分类都会偏。
要喂的有三块,第一块是权重表。
第七条把店铺综合评分拆成 6 个因子。商品质量分下面四项:商品满意度占 30% 取近 60 日均值,包装满意度占 10%,复购率占 20% 取近 30 日复购用户数除以下单用户数,食品安全负反馈率占 20% 统计近 30 日五个渠道的异物发霉过期负反馈。
服务体验分下面两项:消息回复率占 10% 取近 30 日 5 分钟内回复的会话量,服务负反馈率占 10%。这六项,才是判断一条差评压住哪几处的依据。
第二块是次数限制:第九条允许卖家在评价后 14 天内回复及修改回评内容,最多改 3 次;第十五条规定同一评价只能申诉一次、只针对首次评价、30 天内有效,追评和回复不可申诉,证据不全被驳回后还不支持再次发起;第十七条给的处理时效是 48 小时,这个窗口意味着你有时间把证据调齐,不必在收到差评的当晚就交。
第三块是红线:第二十一条明确把「电话、上门等骚扰用户删除差评」列为违规行为。
把这三块和截图原文一起贴进豆包,再问它分类和举证,它给出的东西才落在平台真实的规则上,而不是落在网上那些「差评处理技巧」上。
算账:AI 给候选场景,你定真伪和证据
AI 说属于哪一类,就能直接照着交吗?不能。它输出的是候选归类,不是最终结论。
它会告诉你「这条最像是买家选错评分」,但你得自己看一眼——文字是好评、星级 1 星,这个矛盾是不是真的存在?如果是,第十八条对应的举证要求是提供买家评价内容是好评的截图。
再比如「骑手配送导致餐品受影响」,AI 能读出来文字里有撒餐,但它不知道你有没有那段 IM 记录。记录在你手上,不在截图里。
所以这活的分工是:AI 负责读、拆、对照规则列清单,你负责判断真伪、调证据、署名提交,前两件它没有后台数据,第三件是责任归属,这条线不能因为 AI 说得笃定就让出去,它再像人,也看不到你后台那笔订单的真实经过。
坑在这里:让 AI 分三次出材料,别混着写
分类定下来之后,让豆包分别出三份材料,一次问一份,别让它在一个回答里全写完。
第一份是回评。 指令:「按事实陈述、不辩解、不超过 80 字,写一条公开回评,包含问题确认和已做的处理。」
第二份是申诉材料清单。 指令:「按刚才判定的场景,列出需要提交的证据,每项写清从哪里取、长什么样。」
第三份是内部整改动作。 指令:「针对文字里提到的异物问题,列出出餐环节需要改的三处检查动作,写成能贴在工位上的短句。」
三份为什么要分开出?因为读者不同:回评给下一个看评价的人,申诉给平台审核,整改给自己店里的人。混在一起写,三份都会变得不能用。
回评写得像辩解,看评价的人第一眼就会跳过;申诉材料写得像情绪陈述,审核的人找不到他要的字段;整改动作写成「加强管理」这类话,贴在工位上也没人知道明天该做什么,而豆包一次生成三份时最容易犯的错,恰恰就是把这三种语气搅在一起,所以宁可多问三次,让每一份只服务一个读者。
有一条红线要钉死:第二十一条把骚扰用户删差评列为违规,平台会按卖家违规处罚细则处理。删差评这条路不存在,也别信有人能代办。
把这条红线也一并喂给豆包,让它生成材料时避开这类动作,比你自己事后挨条删要省事——AI 不知道边界,就会顺着「让差评消失」这个模糊目标一路写出不该写的东西。
可以直接抄给 AI 的整段指令
把上面几步合成一段,存进备忘录,下次遇到差评直接粘贴:
「我会贴一张差评截图和平台规则原文。你先逐项读出星级、文字原文、是否有配图。再按我给的场景表判断属于哪一类申诉场景,说明依据,列出举证清单。然后分三份输出:80 字以内的事实性回评、逐项举证的获取方式、针对问题的三条内部整改动作。不要给通用建议,只基于我给的材料。」
孟广后来就是这么用的。他没再去网上搜「差评怎么处理」,而是把截图和规则一起丢给豆包,先分类、再出清单,那一次申诉的证据齐、场景对,通过了。
他后来算过一笔账:第一次那条差评,他四天就收到驳回;第二次按这套流程走,准备多花了两天,但一次就过。申诉那次机会本来就只有一次,宁可多等两天,也别在证据不齐时交掉。
顺序对了,AI 才从一句安慰话,变成能替你把活拆开的工具。