## Before 用户问：`这里有外卖/配送字眼的 session 有多少，比例？顺便看解决率，再给整个商品领域占比。` 手工做法容易变成三轮返工： | 问题 | 典型失败 | |---|---| | HTML 解析 | 直接截 `const DATA =` 后面的文本，把后续脚本也带进去，触发 `JSON extra data` | | ID 字段 | 猜 `sessionId/session_id`，但页面真实字段是 `sessid` | | 关键词口径 | 全字段命中、对话正文命中、用户原话命中混在一起，无法解释真实用户诉求 | | 输出口径 | 先给 case 数，用户追问后再补解决率、商品域占比和导出清单 | ## After 一次命令固定解析和口径： ```bash python /Users/bytedance/Documents/job-bu/data-analysis-workspace/tools/review_html_keyword_metrics.py \ /Users/bytedance/Documents/job-bu/data-analysis-workspace/projects/2026-05-09-商品领域意图体系迭代/output/review_pages/商品域最终体系_用户版层级_session复核_2026-05-25_v31_客服Skill命中.html \ --keywords 外卖 配送 \ --scopes all_fields,messages_readable,user_text,metadata \ --id-field sessid \ --product-total 9335 \ --global-total 77328 \ --export-ids \ --export-formats xlsx,csv,txt \ --out-dir output/keyword_metrics/外卖配送_2026-05-25_v31 ``` 标准输出先给可复核摘要： | scope | case 数 | 已解决 | 未解决 | 解决率 | 商品域占比 | 大盘占比 | 解读 | |---|---:|---:|---:|---:|---:|---:|---| | all_fields | 490 | `<tool计算>` | `<tool计算>` | `<tool计算>` | 5.25% | 0.63% | 全记录字段命中，适合最大召回 | | messages_readable | 313 | `<tool计算>` | `<tool计算>` | `<tool计算>` | 3.35% | 0.40% | 对话正文命中，排除部分结构化标签噪音 | | user_text | 122 | `<tool计算>` | `<tool计算>` | `<tool计算>` | 1.31% | 0.16% | 更接近真实用户主动诉求 | | metadata | `<tool计算>` | `<tool计算>` | `<tool计算>` | `<tool计算>` | `<tool计算>` | `<tool计算>` | 标签、reason、命中 Skill 等辅助字段命中 | 同时写出： - `metrics.json`：包含 `records=9335`、`unique_sessid=9335`、关键词、scope、分子分母和解决率。 - `metrics.md`：可直接贴给用户的结论版。 - `matched_sessions.csv`：每个命中 session 的 `sessid`、命中 scope、命中字段、是否解决、命中片段。 - `sessionId清单.xlsx/csv/txt`：按既有单列表头 `智能会话id` 导出。 验收信号： - 解析成功：`DATA.total=9335`、`records=9335`、`unique_sessid=9335`。 - 口径透明：每个结果都带 `scope`，不把 `all_fields` 冒充真实用户诉求。 - 交付完整：用户继续追问占比、解决率、清单导出时，不需要重新写临时脚本。