当前位置：首页 > news >正文

影刀RPA新手教程：商品评分与DSR监控完全指南——多店铺数据汇总与异常预警

news 2026/6/29 9:21:11

影刀RPA新手教程：商品评分与DSR监控完全指南——多店铺数据汇总与异常预警

作者：林焱 | 实战向 | 全文约2300字

前言

商品评分和DSR（Description、Service、Shipping，即描述相符、服务态度、物流速度三项评分）是电商店铺的生命线。评分掉下去，流量就掉下去，再拉回来要花好几倍的力气。

但大多数商家是出了问题才知道看评分，这时候已经晚了。我用影刀RPA做过一个评分监控系统，每天自动采集所有商品的评分和评论数据，发现异常自动预警，把问题消灭在萌芽状态。

本篇把这个方案完整讲一遍，包括多店铺数据汇总和异常预警的逻辑设计。

一、安装与初始化

评分监控需要登录多个店铺后台，或者用拥有多店铺权限的主账号操作。

影刀配置：

新建应用"商品评分与DSR监控"，需要以下配置：

多店铺账号管理（如果用子账号分别管理各店铺）
数据存储：Excel或数据库，用来存储历史评分数据
预警通知：飞书机器人Webhook或邮件

浏览器配置：

浏览器：Chrome Cookie持久化：启用 多标签页：启用（同时打开多个店铺页面） 页面加载等待：隐式等待8秒

我当时踩的坑：DSR数据在电商后台的"评价管理"模块里，但这个模块是用iframe嵌套的，直接用XPath定位不到。需要先"切换到iframe"，再执行元素定位。

二、元素定位四合一

评分数据的元素定位，不同平台的差异很大。

商品评分（天猫/淘宝）：

商品评分在商品详情页，显示为星星图标。评分值通常存储在data属性里，不是直接显示的文本。

//div[@class='tb-rate']//input[@name='score'] //span[@class='stars' and @data-score] //div[contains(@class,'rate')]//span[contains(@class,'score')]

用"获取元素属性"获取data-score属性值，比获取文本更可靠。

DSR评分（天猫/淘宝）：

DSR在店铺首页和评价管理页面都有显示。

//div[@class='dsr-item']//span[@class='dsr-score'] //div[contains(@class,'dsr')]//div[@class='score-num']

拼多多商品评分：

拼多多的评分显示方式不同，是数字直接显示。

//div[@class='goods-score']//span[@class='score-num'] //div[contains(@class,'comment')]//span[contains(@class,'rate')]

CSS选择器备用方案：

div[class*="rate"][class*="score"] span[data-score] div.dsr-container span.score

三、变量与数据类型

评分监控的核心是历史数据对比，变量设计要支持时间序列存储。

单商品评分数据：

product_rating={"product_id":"123456789","shop_id":"SHOP001","product_name":"iPhone 15 手机壳","total_score":4.7,"review_count":2340,"good_review_rate":0.96,"dsr_desc":4.8,"dsr_serv":4.7,"dsr_ship":4.6,"collect_time":"2024-11-01 10:00:00","yesterday_score":4.71,"score_change":-0.01}

多店铺数据汇总：

shop_ratings={"SHOP001":{"dsr_desc":4.8,"dsr_serv":4.7,"dsr_ship":4.6,"avg_score":4.7},"SHOP002":{"dsr_desc":4.6,"dsr_serv":4.5,"dsr_ship":4.4,"avg_score":4.5},}

异常预警规则：

拼多多店群自动化上架方案

alert_rules={"score_drop":{"threshold":0.1,"period":"1天","action":"预警"},"score_below":{"threshold":4.5,"action":"预警"},"bad_review_spike":{"threshold":0.05,"period":"1天","action":"预警"},"review_count_drop":{"threshold":0.3,"period":"7天","action":"预警"}}

四、流程控制

评分监控的主流程是一个定时采集+对比分析+预警判断的结构。

主流程：

开始（定时触发，每天凌晨2点） ↓ 登录电商平台后台 ↓ 获取店铺列表（多店铺则循环） ↓ 循环每个店铺： 获取店铺DSR评分 获取店铺所有商品的评分 ↓ 与昨日数据对比： 评分下降超过阈值？→ 触发预警 评分低于底线？→ 触发预警 差评占比上升？→ 触发预警 ↓ 保存当前数据（作为明天的对比基准） ↓ 所有店铺处理完毕 ↓ 生成每日评分报告 ↓ 发送预警通知（如有异常） ↓ 结束

对比逻辑设计：

不是简单地和昨天比，而是和过去7天的平均值比，这样更准确。

defcalculate_score_change(current,history):iflen(history)<7:returnNone,"历史数据不足"avg_last_7=sum(history[-7:])/7change=current-avg_last_7returnchange,"OK"change,msg=calculate_score_change(current_score,score_history)ifchangeisnotNoneandchange<-0.1:send_alert(f"评分异常下降：当前{current_score}，7天均值{avg_last_7}，下降{abs(change):.2f}")

五、网页自动化实战

进入评价管理页面：

天猫/淘宝：商家后台 → 交易 → 评价管理

拼多多：商家后台 → 商品管理 → 评价管理

抖音：电商后台 → 评价 → 商品评价

评价管理页面的URL（天猫）：

https://rate.taobao.com/leaddress.htm

采集DSR评分：

DSR评分通常在评价管理页面的顶部显示，用"获取元素文本"指令获取。

DSR的三个分项：描述相符、服务态度、物流速度，分别对应三个元素。

//div[@class='dsr-item'][1]//span[@class='score'] (描述相符) //div[@class='dsr-item'][2]//span[@class='score'] (服务态度) //div[@class='dsr-item'][3]//span[@class='score'] (物流速度)

采集商品评分列表：

在评价管理页面，可以按月查看所有商品的评分汇总。用"获取相似元素列表"指令批量获取。

指令：获取相似元素列表（网页） 目标元素：商品评分行 保存至：product_rating_list

翻页采集所有商品：

如果商品数量多，需要翻页。用"点击元素"指令点击"下一页"按钮，循环采集。

六、数据处理

采集到的评分数据需要做清洗、对比和趋势分析。

评分数据清洗：

从页面获取的评分文本可能包含额外字符，需要清洗。

defclean_score_text(text):# 去除多余字符，只保留数字和小数点importrematch=re.search(r'(\d+\.?\d*)',text)ifmatch:returnfloat(match.group(1))return0.0

计算评分趋势：

不只看当前评分，还要计算趋势（上升/下降/平稳）。

defcalc_trend(scores):iflen(scores)<3:return"数据不足"recent=scores[-3:]ifall(recent[i]<=recent[i-1]foriinrange(1,len(recent))):return"持续下降"ifall(recent[i]>=recent[i-1]foriinrange(1,len(recent))):return"持续上升"return"波动"

差评内容分析：

评分下降通常伴随差评增加，需要采集差评内容做分析。

差评的XPath（评价管理页面，筛选"差评"）：

//a[contains(text(),'差评')] //div[@class='review-item' and contains(@class,'bad')]

采集差评内容后，用正则表达式提取关键词，找出主要问题。

importre bad_keywords=["质量","破损","发货慢","描述不符","假货"]forreviewinbad_reviews:forkwinbad_keywords:ifkwinreview["content"]:review["issue"]=kwbreak

七、鼠标键盘与图像

截图保存差评证据：

发现异常差评（含"假货"、"投诉"等关键词），自动截图保存，方便后续处理。

指令：截取指定区域 区域：评价内容区域 保存路径：C:\\rating_screenshots\\{product_id}_{timestamp}.png

处理评价回复：

采集到差评之后，可以自动回复评价（如果平台支持）。用"模拟点击"指令点击"回复"按钮，输入回复内容，提交。

评价回复的XPath：

//button[contains(@class,'reply') and contains(text(),'回复')]

八、多店铺数据汇总进阶

如果有多个店铺，需要把所有店铺的数据汇总到一个表里，做统一分析。

多店铺切换：

用影刀的"多标签页"功能，每个店铺打开一个标签页，分别采集数据。

标签页0：店铺A的评价管理页面 标签页1：店铺B的评价管理页面 ...

或者用"切换账号"的方式，在一个标签页里轮流登录每个店铺。

数据汇总表设计：

用Excel或飞书多维表格存储汇总数据，列结构如下：

日期	店铺ID	店铺名称	DSR描述	DSR服务	DSR物流	平均评分	异常标记

自动生成对比图表：

用影刀的"写入Excel图表"指令，为每个店铺生成DSR评分趋势图。

图表类型建议：

折线图：DSR评分趋势（过去30天）
柱状图：各店铺当前DSR对比
热力图：商品评分分布

九、异常预警实战

预警是评分监控系统的核心价值，发现问题比记录数据更重要。

预警规则一：评分单日大幅下降

当天评分比昨天下降超过0.1分，立即预警。

iftoday_score<yesterday_score-0.1:send_alert(f"预警：{shop_name}评分单日下降{(yesterday_score-today_score):.2f}分")

预警规则二：评分低于行业均值

如果平台有行业均价数据，可以和行业均值对比。

industry_avg=get_industry_avg_score(category)iftoday_score<industry_avg-0.3:send_alert(f"预警：{shop_name}评分低于行业均值{industry_avg:.2f}，当前{today_score:.2f}")![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/a2cece81e3a242a5968496d097e203c3.png#pic_center)

预警规则三：差评数量异常增加

过去24小时差评数量比过去7天日均差评数量增加超过50%，预警。

TEMU店群如何管理运营？

avg_bad_reviews=sum(bad_review_counts[-7:])/7today_bad=get_today_bad_review_count()iftoday_bad>avg_bad_reviews*1.5:send_alert(f"预警：{shop_name}今日差评数量异常，当前{today_bad}，日均{avg_bad_reviews:.0f}")

预警通知格式：

预警通知要简明扼要，包含关键信息和处理建议。

【评分异常预警】 店铺：XXX旗舰店 异常类型：DSR评分下降 当前值：4.6（昨日4.75） 下降幅度：0.15分 建议处理： 1. 查看今日差评内容，找出共性问题 2. 检查物流是否有异常延迟 3. 联系平台客服确认是否有投诉

十、系统联动

与客服系统联动：

评分异常下降，通常和客服回复质量有关。自动把预警信息推送给客服主管，让他们排查。

与商品系统联动：

某个商品的评分持续下降，自动在商品系统里标记"质量可疑"，暂停推广。

与home.linyan.cloud联动：

评分监控数据实时推送到 home.linyan.cloud 搭建的店铺健康度看板，管理层可以随时查看所有店铺的评分状态。

十一、工程化规范

数据存储规范：

评分数据是重要的历史资产，存储要规范。

每天的数据存一个Excel文件，文件名带日期
关键操作（预警触发、人工处理记录）存日志文件
每30天做一次数据归档，把旧数据移到归档目录

预警疲劳避免：

预警太频繁会导致"预警疲劳"，真正的问题被忽略。需要设置预警去重逻辑。

defshould_send_alert(shop_id,alert_type):# 同一店铺同一类型的预警，24小时内只发一次last_alert_time=get_last_alert_time(shop_id,alert_type)iflast_alert_timeandis_within_hours(last_alert_time,24):returnFalsereturnTrue

权限管理：

评分数据属于敏感数据（涉及店铺经营状况），访问要有权限控制。如果用飞书多维表格存储，设置好字段权限，只有相关人员可以查看完整数据。

十二、速查表与报错

常见报错一：DSR评分元素定位失败。

解决：DSR数据通常在iframe里，先用"切换到iframe"指令切换到正确的iframe，再执行元素定位。

常见报错二：评分数据一直采集到0。

解决：检查是否已登录，或者登录已过期。在流程开始时加登录状态检测。

常见报错三：差评内容采集不全。

解决：差评内容可能被折叠，需要点击"展开"按钮才能看到完整内容。用"尝试点击元素"指令点击"展开"按钮。

速查表：

数据项	所在位置	采集频率	预警阈值建议
DSR评分	评价管理首页	每天1次	单日下降>0.1
商品评分	商品评价页	每天1次	低于4.5
差评数量	评价管理（差评筛选）	每天1次	单日增加>50%
评论总数	商品详情页	每天1次	连续3天下降