用途
sentiment-trend-tracking 面向需要为销售机器人构建或改进“情绪随时间监控”能力的开发场景。它关注的不是单条消息或单次会话的情绪判断，而是聚合层面的趋势：单次对话看起来都正常，但整体情绪可能正在缓慢下滑。资料给出的示例是：第 1 周平均情绪 0.65，第 2 周 0.60，第 3 周 0.52，第 4 周 0.45——这种问题单靠逐条会话审查很难发现。趋势跟踪的目标是尽早预警，提示诸如模板疲劳、竞品提及增加、价格抱怨上升等系统性问题。
主要能力
情绪测量
- 逐消息情绪分析：调用 NLP 模型分析消息文本，返回 message_id、timestamp、sentiment_score（-1 到 1）、sentiment_label（negative/neutral/positive）、confidence，以及方面情绪（aspects）。
- 方面情绪提取：围绕 pricing、product、support、timeline、competitor 等主题，判断消息是否提及该主题并分析其情绪。
- 会话情绪计算：只取 prospect（潜在客户）发送的消息，计算平均情绪、会话内趋势、起始情绪、结束情绪、差值 delta、消息数量，并聚合方面情绪。
趋势计算
- 时间序列分析：按时间粒度（默认 day）分桶，计算每个时间桶的平均情绪、会话数量、标准差，并基于两个及以上数据点判断趋势方向（improving、declining、stable）、趋势强度（0-1），数据不足时返回 insufficient_data。
- 趋势方向判断：使用简单线性回归计算斜率，斜率大于 0.02 视为改善，小于 -0.02 视为下降，否则为稳定。
- 细分群体趋势：对 smb、mid_market、enterprise、inbound、outbound 等细分分别计算趋势，并比较表现最好、最差、改善最多、下降最多的细分。
异常检测
- 统计异常检测：使用 7 天滚动窗口计算均值与标准差，通过对当前点计算 Z 分数（默认敏感度 2）识别正向或负向异常，输出 period、value、expected、z_score、type。
- 模式检测：识别连续下降（连续 3 次及以上，5 次及以上为高严重度）、突然下跌（单期变化小于 -0.15，高严重度）、波动飙升（近 7 期波动率超过历史波动率 2 倍，中严重度）。
根因分析
- 相关性分析：按模板、细分、主题、销售代表等维度聚合情绪，找出表现最差的模板（默认取前 5）。
- 主题情绪分析：跟踪 pricing、features、support、implementation、competitor 等主题的情绪均值、趋势方向与提及数量。
告警
资料给出示例告警配置，包括：declining_trend（方向为下降且强度大于 0.3，高严重度）、sudden_drop（检测到突然下跌，高严重度）、segment_divergence（细分间情绪分歧超过 0.2，中严重度）、template_outlier（存在情绪显著偏低的模板，中严重度）。告警检查会遍历已配置告警并在条件满足时发送。
可视化与指标
- 趋势仪表盘：汇总整体趋势、细分对比、异常、模式、驱动因素、主题拆解、活跃告警与建议。
- 趋势健康指标：跟踪 7 天情绪均值、30 天情绪趋势、细分情绪方差、模板情绪方差、主题情绪拆解；阈值包括 7 天下降超过 10%、30 天下降超过 20%、细分间方差超过 0.3。
使用方式
资料以 Python 代码片段的形式展示各能力的实现思路，包括 analyze_message_sentiment、extract_aspect_sentiments、calculate_conversation_sentiment、calculate_sentiment_trend、calculate_trend_direction、calculate_segment_trends、detect_sentiment_anomalies、detect_sentiment_patterns、analyze_sentiment_drivers、analyze_topic_sentiments、configure_sentiment_alerts、check_and_alert、generate_sentiment_dashboard 等函数。使用前需要自行接入实际的 NLP 情绪模型、会话与消息数据源、告警发送通道等外部依赖；资料未提供完整的安装命令、依赖清单或可直接运行的部署步骤。
适用场景
- 销售机器人或对话系统需要持续监控营销活动语气的健康度。
- 需要按细分市场、消息模板、主题或销售代表维度定位情绪问题的根因。
- 需要为情绪下滑建立早期预警与告警机制。
- 需要面向团队展示整体与细分层面的情绪趋势仪表盘。
限制
资料仅提供设计思路与代码示例，未提供具体 NLP 模型名称或服务、准确率、性能数据、成本或价格信息。告警发送、数据存储、可视化实现等均未给出完整方案。具体阈值（如 0.02 斜率、0.15 突降、0.3 方差）为文档示例值，是否适用于实际业务需要自行验证。