LangChain 自动化

适用人群

- 市场调研人员: 需要分析大量参与者反馈，提取有价值的洞察。
- 数据分析师: 使用问卷调查数据进行深入分析和报告。
- 产品经理: 通过用户反馈优化产品，了解用户需求和痛点。
- 学术研究者: 需要分析参与者的意见和情感，以支持研究结论。

解决的问题

- 数据处理复杂性: 自动化处理来自 Google Sheets 的调查数据，减少手动操作。
- 洞察提取难度: 通过聚类和语言模型提取关键洞察，帮助理解参与者的反馈。
- 信息冗余: 通过分析相似回答，避免信息重复，确保每个观点都被考虑到。

工作流程步骤

1. 手动触发工作流: 用户手动启动工作流以开始数据处理。
2. 获取调查结果: 从 Google Sheets 中提取参与者的反馈数据。
3. 数据转换: 将反馈数据转换为问题-回答对，方便后续处理。
4. 向量化处理: 使用 OpenAI 的嵌入模型将回答转化为向量，便于聚类分析。
5. 聚类分析: 应用 K-means 聚类算法识别相似回答的组。
6. 洞察生成: 对每个聚类生成洞察，通过语言模型总结参与者的反馈并评估情感。
7. 结果导出: 将生成的洞察和参与者反馈写入新的 Google Sheets 表格，便于后续查看和分析。

自定义指南

- 修改数据源: 用户可以更改 Google Sheets 的文档 ID 和表名，以指向不同的调查数据。
- 调整问题筛选: 可以在提取问题和回答对的步骤中修改过滤条件，以适应不同的调查结构。
- 更改聚类参数: 在 K-means 聚类步骤中，用户可以调整聚类数量和其他参数，以优化聚类效果。
- 自定义洞察生成: 可以根据特定需求修改语言模型的提示，以获取更符合需求的洞察和情感分析。