Клиенту требовался инструмент для автоматического мониторинга репутации бренда на площадках (Ozon, Wildberries, Яндекс.Карты, 2GIS). Задача: собирать отзывы в реальном времени, определять тональность через локальную ML-модель, кластеризовать жалобы и похвалы по темам, и формировать наглядный дашборд для отдела качества и маркетинга. Критически важны: работа без отправки данных в облако, высокая точность классификации и возможность экспорта отчётов.
• Разработала распределённый парсер на Python с обходом базовых защит: ротация user-agent, задержки, эмуляция поведения, работа через резидентные прокси.
• Внедрила пайплайн анализа на локальных моделях: классификатор тональности, NER для извлечения сущностей, кластеризация тем.
• Реализовала дашборд: фильтры по дате/площадке/рейтингу, тепловая карта жалоб, тренды тональности, экспорт в Excel/CSV.
• Настроила умные уведомления в Telegram: алерты при всплеске негатива, новых жалобах на критичные темы, изменении среднего рейтинга.
• Обеспечила приватность и масштабируемость: все модели работают оффлайн, данные хранятся локально, архитектура позволяет подключить новые площадки за 1–2 часа.
Система обрабатывает 10k+ отзывов ежедневно, классифицирует тональность с точностью >92%. Отдел качества получает еженедельные отчёты с топ-5 жалоб и рекомендациями, маркетинг — инсайты для улучшения карточек товаров.
Пожаловаться
