你绝对想不到,用ChatGPT可以从Excel表里面的几百条留言快速得到结论

ChatGPT与Excel 1年前 (2023)
46 0 0

01

几百条读者留言,怎么才能快速归类整理

今年4月份,我们为即将出版的新书《Python自动化办公应用大全-ChatGPT版》做了一次封面评选活动。在活动中,给出了A\B\C一共3个封面方案,请大家投票和留言。

你绝对想不到,用ChatGPT可以从Excel表里面的几百条留言快速得到结论

这次活动收到了830张投票,464条留言。

你绝对想不到,用ChatGPT可以从Excel表里面的几百条留言快速得到结论

在投票结果中,A和B封面的投票数非常接近,占到了总票数的78%。

这下让出版社和作者团队也犯了难,不知如何选择。

从统计角度看,此次投票只能算是抽样,而且因为不清楚到底是哪些小伙伴参与了投票,所以不能知道抽样数据是否符合目标整体特征。

所以,投票数据只能是参考数据之一。

比投票数据更有价值的是大家的留言,不少小伙伴通过留言,从客观和主观两方面对不同封面发表了明确的见解。

参见:《Python自动化办公应用大全-ChatGPT版》封面评选

在这样的情况下,如果能把所有留言进行整理、归纳,就可以帮助我们更准确的了解小伙伴的看法,从而辅助决策。

几百条留言已经导出到Excel里面了,用肉眼看一遍并不慢。

你绝对想不到,用ChatGPT可以从Excel表里面的几百条留言快速得到结论

可惜人脑的内存有限,很容易看了后面忘了前面,或者漏掉重要内容,甚至看错内容。

从一大堆留言这样的纯文本数据中获取有价值的信息,这就是“文本挖掘”,是数据分析的一项内容。

还记得Kevin上次演示的分析Excel函数的文章吗

那是娱乐版的文本挖掘。

实际上,如果真的要进行文本挖掘,首要先进行分词。

也就是把一大段话合理地分拆成一个一个的词语。

中文博大精深又言简意赅,分词不是件简单的任务。

分词以后,就可以进行词频统计、逻辑关联或者其他统计与分析。

然后生成词云图什么的,了解重点关键词,关键词之间的关系是什么。

但这些都不符合我们现在的需要,因为我们需要更高级的挖掘——语义理解。

这个工作,目前是AI的强项。

02

使用嵌入式ChatGPT应用分析留言

于是,我们基于ChatGPT 3.5自定义了一个嵌入式应用。

把我们的留言数据上传成为专用数据集,然后请ChatGPT来帮我们分析。

你绝对想不到,用ChatGPT可以从Excel表里面的几百条留言快速得到结论

为啥不直接使用ChatGPT官网的ChatGPT 4.0呢?

不是不想,主要是因为ChatGPT官网不支持上传文件。

而且默认的token只有4K,也就是上下文关联的内容长度差不多2000字而已,这对于我们的本次分析是远远不够的。

就算我们分N次把所有的留言都粘贴给ChatGPT,它也记不住。

而实战中,可以通过API调用ChatGPT,最大支持32K。

介绍这些背景给大家,主要是想说,不是学会几句Prompt就可以发挥ChatGPT的所有能力了,真正的实战应用需要你学会更多的方式来使用它,如果会写代码去调用ChatGPT那就无敌了。

一切配置妥当,我们开始提问

01

Kevin:

你是一名资深的图书出版社营销编辑,为了准备一本新书《Python自动化办公应用大全-ChatGPT版》上市,你在社交媒体上发起了一次关于该图书封面的讨论,提供了3组图书封面(分别编号为A\B\C)。你收获了很多潜在读者关于封面的留言,下面你需要根据具体提问来从留言中分析出有价值的信息。

注意,读者的留言中,可能会用第一、第二、第三分别代表A、B、C封面。

相关文章