google-map-voices

# 評論聲音專案（google-map-voices）— 評論抓取 + 分析 從 Google Maps 抓取店家評論，分析成可直接使用的情報。 **獨立積木** — FB 貼文要客人金句？接。Blog 要 EEAT 社會證明？接。品牌健診要負評分析？接。 ## 適用範圍 - **用途**：新客戶接案前評論偵察、FB 貼文素材、Blog/SGE 的 EEAT 社會證明、品牌健診 - **不適用**：寫文案（交給 client-fb-copywriter）、寫文章（交給 sge-article-pipeline）、存客戶資料（讓使用者確認再存） ## 觸發詞 「開評論」「抓評論」「抓 Google 評論」「評論分析」「查評價」「Map Voice」 ## 安裝（第一次用要做） ```bash pip install -r requirements.txt ``` 如果跑腳本掛在 `No module named 'websockets.protocol'`，把 websockets 升級到 13+： ```bash pip install --upgrade "websockets>=13" ``` ## 工作流（Phase 1-3） ### Phase 1：抓取 **輸入**（擇一）： - 店家名稱 + 地區（例：「美龍食品行 頭份」） - Google Maps URL **執行**： ```bash python scraper.py "店家名稱 地區" --sort all --max 60 -o reviews.json ``` 關鍵參數： - `--sort all`：四種排序合併去重（推薦，最大化評論數） - `--max 60`：每種排序最多抓 60 則 - `--show`：顯示瀏覽器（除錯用，預設無頭） **輸出**：JSON 檔（評論者、星等、時間、全文、review ID）+ 終端的星等分布摘要 ### Phase 2：分析 讀取 Phase 1 的 JSON，依照分析模板產出報告。 > **詳細分析指南**：[references/analysis-guide.md](references/analysis-guide.md)（金句提取四條件、六大分類表、EEAT 馬賽克格式、負面三種歸類、產業特殊處理） **概覽**： 1. **基本統計** — 總評論數、星等分布 2. **正面金句** — 從 4-5 星挑出有畫面/情緒/細節/故事的，按六大分類歸類 3. **EEAT 格式** — 金句轉成馬賽克名 + 日期 + 引用格式，Blog 直接貼 4. **負面歸類** — 真痛點（要避開）+ 反轉金句（表面抱怨其實是有力證據）+ 無效抱怨（忽略） 5. **重要發現** — 一句話點出最關鍵的洞察 ### Phase 3：存檔（雙資料庫） - **已是客戶**（clients-database.md 有段落）→ 自動存入對應段落 - **偵察中**（找不到段落）→ 存入 `memory/reviews-inquiries.md`（僅 HelloRuru 內部使用） ## 跟其他 Skill 的接口 | 下游 Skill | 怎麼接 | | ---------- | ------ | | client-fb-copywriter | 金句速查表（按分類）→ 建人設 + 嵌入金句 | | sge-article-pipeline | 顧客實證表（馬賽克名 + 日期 + 金句）→ EEAT 社會證明直接貼 | | clients-database.md | Phase 3 自動存檔 | ## 限制與已知問題 - Google Maps 每種排序約 20 則，`--sort all` 合併最多 60-80 則 - 無法抓到全部評論（345 則店家最多抓 50-60 則） - 抓取時間：單一排序約 1 分鐘，`--sort all` 約 3-4 分鐘 - 第一次跑會自動下載 chromedriver（30 秒，正常現象）