用 Streamlit + Embedding 做了个反馈分析工具

用户反馈太多看不完？用 Embedding 聚类 + Streamlit 可视化，两天做了个内部工具。分享思路和关键代码。

问题：反馈太多看不完

我们产品每天收到几百条用户反馈，来自 App Store 评论、客服工单、社交媒体。PM 每天花 2 小时看反馈，还是觉得看不完。

人工看反馈的问题不是效率低，而是容易形成偏见——你总是被最「吵」的反馈吸引注意力。

方案：Embedding + 聚类

核心思路很简单：把每条反馈转成 Embedding 向量，然后用 K-Means 聚类，最后让 AI 给每个类起名字。

# 1. 获取 embeddingembeddings = get_embeddings(feedbacks) # 2. 聚类clusters = KMeans(n_clusters=8).fit(embeddings) # 3. AI 命名每个类labels = name_clusters(clusters, feedbacks)

关键是聚类数量的选择。太少会混在一起，太多会碎片化。我用 Silhouette Score 自动选最优 K 值。

效果与代码

用 Streamlit 做了个可视化看板：左边是聚类列表（按数量排序），右边是具体反馈。点击某个类可以下钻看详情。