成功可信度高
零售消费 · 智能客服 / 流程自动化
和府捞面基于豆包大模型提效用户评论分析，综合准确率超95%
和府捞面业务人员借助扣子专业版与豆包大模型，对顾客点评做情感分析与智能分类，从环境/服务/菜品等维度提取标签，综合准确率超95%，以JSON输出便于后续处理，替代人工高效完成点评分析。
评论分析准确率超95%
和府捞面发布于 2026年7月22日实施于 2024 年阅读 0
分析准确率
综合超过95%
来源披露
替代人工
高效完成顾客点评分析
来源披露
企业痛点
零售消费餐饮评论分析
01
业务背景
餐饮品牌需从用户评论洞察菜品与服务问题，调整经营策略。
02
遇到的问题
评论分析依赖人工、效率低、难以结构化。
03
AI 解决方案
扣子低代码编排+豆包文本分析做情感倾向识别与多维分类，输出JSON结构化结果。
- 1业务人员用扣子搭建智能体
- 2豆包做情感与分类分析
- 3多维标签提取
- 4JSON输出供后续处理
04
实施结果
分析准确率：综合超过95%
替代人工：高效完成顾客点评分析
05
风险与边界
需结合业务动作形成闭环。
编辑点评 · AI 辅助生成并经审核
该案例收录于火山引擎与IDC联合发布的《大模型应用落地白皮书》，由火山引擎（豆包大模型/扣子）落地（落地客户：和府捞面），具备清晰的收益与落地路径，建议结合自身业务参考落地。
适合
餐饮、零售品牌的点评分析
前置条件
扣子专业版、豆包大模型
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。
关联报告：火山引擎《大模型应用落地白皮书：企业AI转型行动指南》（IDC, 2025） · 火山引擎 / IDC · 2025