这帮开饭馆的老板快被平台榨干了。抽成越来越高，推广费越来越贵，老顾客留不住就等着关张。我告诉他们，现在唯一的护城河就是服务，而服务的最后一道防线是差评处理速度。差评挂上平台超过两小时没回复，店铺权重直接跳水，新客根本刷不到你。他们哪有精力24小时盯着手机？这活儿只能让机器来干。
我给他们搭了一套分布式监听网络。核心就三件事：抓得全、判得准、推得快。抓评论不能只用一个IP去怼美团和饿了么的接口，频率高了秒封。我写了调度中心，把任务拆给五台云服务器，每台负责几个门店，错开时间，每15分钟轮询一次。爬虫要模拟完整用户行为，从登录态维持到翻页逻辑，重点对付那些动态加载的DOM树，用Selenium太慢，最后是逆向APP接口，直接拿到JSON数据。数据进来先清洗，过滤掉默认好评和骑手相关的抱怨，聚焦在菜品口味、卫生、服务态度上。
真正的核心是NLP差评识别。早期用关键词库太蠢，“难吃”“拉肚子”这种直接差评好办，但“味道一般吧”“没有上次好”这种软刀子才是权重杀手。我用了SnowNLP做情感分析基础，但餐饮评论太特殊，自己标注了八千多条数据去调教模型，把“排骨有点柴”、“上菜慢了一刻钟”这种具体抱怨的权重调高。模型输出一个风险分值，超过阈值就触发警报。
警报不是发短信，那太慢了。我接入了企业微信机器人，差评触发后，5秒内把用户昵称（脱敏后）、评论全文、风险分值、以及直接跳转到后台回复页面的链接，推到店长的企微群里。店长手机一震，点开链接就能回复道歉或者提出补偿方案。从差评出现到店长知情，全程压进一分钟。这就是一个极速反应闭环：爬虫监听 -> 情感分析 -> 触发差评 -> 企微机器人报警。
这代码一点不酷，甚至有点脏，要跟各种反爬策略斗智斗勇，要处理平台接口悄咪咪的变动。但它能直接保护老板的饭碗。晚上十一点，店长在群里发个“收到了，已联系客户”，我就知道这个月的服务费又稳了。做ToB，尤其是给这些传统行业做数字化，别扯什么中台、元宇宙。能帮他们多留住一个顾客，少被平台罚一次款，这就是最高级的技术，也是最容易收钱的价值。
