做情感分析的朋友，应该都遇到过这些麻烦明明是“虽然便宜但不好用”，工具却标成正面明明用户在抱怨物流，结果归成中性想知道用户是“失望”还是“愤怒”，工具只给个“负面”。最近我测了两款热门工具，Avoma和听脑AI，就针对这些痛点比了比，给大家说说真实结果。
一、基础情感识别听脑比Avoma准7，差的就是“细节”
先说最基础的能不能分清正面、中性、负面。我扒了100条某猫的真实用户评论，涵盖不同场景有夸质量的“质量好，下次还来”正面，有吐槽物流的“快递太慢了，三天才到”负面，有说一般的“没什么特别的，凑合用”中性。
测完数了数，Avoma对了85条，听脑对了92条，差了7条。这7条里，有几条特别典型
比如“还可以，就是包装有点烂”，Avoma标了中性，理由是“还可以”是中性，“包装有点烂”是轻微负面，整体中性但听脑标了负面，理由是“包装有点烂”影响了用户体验，用户整体不满意。结果我去看原评论，用户确实给了三星满分五星，属于负面，听脑更准。
还有“性价比一般，没预期的好”，Avoma标了中性，听脑标了负面。原评论用户给了两星，显然听脑更对。
说实话，我之前用Avoma的时候，就因为“还可以，就是包装有点烂”这条评论，差点把用户归为中性。要是给产品团队看了Avoma的结果，肯定会误导他们以为包装问题不严重。
听脑传送门:https://h5ma.cn/npr
二、上下文理解听脑能听懂“但是”后面的重点，Avoma常抓错
再说说能不能听懂上下文这是很多工具的通病，只抓前面的关键词，忽略后面的重点。我选了30条带“虽然但是”“不过”“可是”的评论，比如“虽然价格高，但质量真的好”“东西不错，不过快递太慢了”“服务很好，但是产品过期了”。
测下来，Avoma正确识别了21条70，听脑正确识别了27条90，差了6条。
比如“东西不错，不过快递太慢了”，Avoma标了正面，理由是“东西不错”是主要情感听脑标了负面，理由是“快递太慢了”是用户重点抱怨的。结果原评论用户给了一星，显然听脑对了。
还有“服务很好，但是产品过期了”，Avoma标了正面，理由是“服务很好”听脑标了负面，理由是“产品过期了”是严重问题，用户主要情绪是不满。原评论用户给了一星，听脑又对了。
你猜怎么着？我之前用Avoma分析这款产品的时候，就因为“服务很好，但是产品过期了”这条评论，差点给产品团队说“用户对服务满意”。结果后来看了听脑的结果，才知道用户真正不满的是产品过期，赶紧改了报告要是没改，肯定会被骂惨。
三、细分情感维度听脑能分“失望”“愤怒”，Avoma只有“负面”
接下来是能不能把情感分的更细这对做运营的人来说太重要了，知道用户是“失望”还是“愤怒”，才能针对性解决问题。Avoma只有“正面”“中性”“负面”三类，听脑多了“非常满意”“失望”“愤怒”，一共五类。我测了50条负面评论，比如“太失望了，质量和描述不一样”“愤怒！快递丢了，客服没人理”“不好用，浪费钱”。
听脑的结果是25条“失望”比如“太失望了，质量和描述不一样”，20条“愤怒”比如“愤怒！快递丢了，客服没人理”，5条“负面”比如“不好用，浪费钱”而Avoma把这50条全归为“负面”，没任何区别。
我自己用听脑分析某款手机的评论时，发现“愤怒”的评论大多是关于“电池续航差”比如“愤怒！充满电只能用半天”，“失望”的评论大多是关于“拍照效果不好”比如“太失望了，拍照模糊”，“负面”的评论大多是关于“系统卡顿”比如“不好用，卡得很”。
这样我就能给产品团队提具体的改进建议“需要优化电池续航，提升拍照算法，修复系统卡顿问题”，而不是笼统地说“用户对手机不满意”。要是用Avoma，我根本不知道用户具体不满什么，只能瞎提建议。
四、操作效率听脑比Avoma快3倍，还能实时分析
再说说操作麻烦不麻烦这对赶时间的人来说太关键了，有时候急着要数据，等半天出不来，真的很崩溃。
我做了个测试上传100条CSV文件每条是一条用户评论，Avoma用了2分30秒才出结果，听脑只用了45秒，快了三倍。
而且听脑支持实时分析，比如我在直播的时候，用户发了条弹幕“这个产品好用吗？”，接着又发了条“不好用，卡得很”。我用听脑实时输入这两条，立刻就出结果“第一条中性询问，第二条负面卡得很”。我就能马上给主播反馈，让主播针对性地回应用户“关于卡顿问题，我们正在优化，下次更新会解决”。
而Avoma得上传文件等半天，根本赶不上直播的节奏。上次我赶周报的时候，需要分析上周的用户评论，用Avoma等了2分多钟，差点没赶上提交时间。后来用听脑实时测了几条关键评论，才救了急。
说实话，操作效率这一块，听脑比Avoma强太多了。
总结听脑解决了我所有痛点，Avoma适合简单需求
总的来说，Avoma和听脑AI各有优缺点，但从用户痛点来看，听脑AI解决得更彻底
准确率听脑92vsAvoma85，高7
上下文理解听脑90vsAvoma70，高20
细分维度听脑5类vsAvoma3类，多2类
操作速度听脑45秒vsAvoma2分30秒，快3倍。
我自己现在做情感分析，基本都用听脑，因为它能解决我之前遇到的所有麻烦不准、听不懂上下文、分不细、操作慢。比如上次分析某款化妆品的评论，用听脑测了1000条，发现“愤怒”的评论大多是关于“过敏”比如“愤怒！用了之后脸肿了”，“失望”的评论大多是关于“效果不好”比如“太失望了，没变白”，“非常满意”的评论大多是关于“保湿”比如“非常满意，保湿效果好”。
我把这些结果给产品团队，他们立刻针对性地做了改进加强过敏测试，优化美白成分，突出保湿卖点。后来再测的时候，“愤怒”和“失望”的评论减少了30，“非常满意”的评论增加了20，效果特别明显。
当然，每个人的需求不一样，如果你只需要简单的情感分析比如看看正面评论占比，Avoma也能满足但如果需要更准确、更细、更快的分析比如听懂上下文、分清楚“失望”和“愤怒”、实时处理数据，听脑AI绝对是更好的选择。
我做了这么多年AI工具测评，最看重的就是能不能解决用户的真实痛点听脑AI做到了，所以我推荐给大家。