# 人工评价汇总

已导入人工评价 150/150 条。未评价的候选不计入人工结论。

| 人工结论 | 数量 | 占已评价候选 |
|---|---:|---:|
| good | 54 | 36.0% |
| acceptable | 66 | 44.0% |
| not_acceptable | 30 | 20.0% |

评价者：human:reviewer-01。保留填写者原始分数和评语，不由脚本补评分。
该汇总没有记录独立盲评或多人复核过程，不声称这些过程已经完成。

## 分场景结果

| 场景 | 人工评价数 | good | acceptable | not_acceptable |
|---|---:|---:|---:|---:|
| birthday_festive | 27 | 4 | 16 | 7 |
| product_recommendation | 27 | 13 | 3 | 11 |
| post_purchase_care | 24 | 8 | 14 | 2 |
| reactivation | 24 | 7 | 13 | 4 |
| event_invitation | 24 | 10 | 14 | 0 |
| price_objection | 24 | 12 | 6 | 6 |

## 七维评分

平均分仅作描述统计，不用平均分覆盖单项硬失败。

| 维度 | 人工平均分（1—5） | ≤2分的候选数 |
|---|---:|---:|
| brand_fit | 4.03 | 3 |
| personalization | 3.61 | 24 |
| naturalness | 3.83 | 7 |
| groundedness | 4.23 | 1 |
| non_intrusiveness | 4.33 | 7 |
| diversity | 3.68 | 3 |
| safety | 4.61 | 0 |

## 与AI结论对照

共同评价 150 条；结论一致 112 条（74.7%），不同 38 条。
这是同一批输出的评价者差异，不是模型质量改进率；AI与人工结论均保留，不互相覆盖。

| 人工结论 / AI结论 | good | acceptable | not_acceptable |
|---|---:|---:|---:|
| good | 44 | 10 | 0 |
| acceptable | 5 | 45 | 16 |
| not_acceptable | 1 | 6 | 23 |

## 原始评语中的问题线索

以下按关键词定位原始评语，类别可以重叠；不是新增评分，也不把建议标为已修复。

| 问题线索 | 案例 / 候选 | 原始人工评语 |
|---|---|---|
| 节日措辞与祝福时机 | T01 / 2 | 最后一句“不用回复我，心意到就好”完全不应该出现在客服话术里｜复核（更新口径）：「先在这儿送上祝福——生日快乐」属提前送出，自然度3→2，verdict改为not_acceptable。 |
| 节日措辞与祝福时机 | T02 / 2 | 忙碌松快的那一句很奇怪，整体没什么问题｜复核（更新口径）：「提前向您道一声生日快乐」属提前送出，自然度3→2，verdict改为not_acceptable。 |
| 节日措辞与祝福时机 | T02 / 3 | 祝福生日不要加入这阵子不打扰这种话术｜复核（更新口径）：「先祝您生日快乐」属提前送出，自然度3→2，verdict改为not_acceptable。 |
| 刻意免回复或不打扰的套话 | T01 / 2 | 最后一句“不用回复我，心意到就好”完全不应该出现在客服话术里｜复核（更新口径）：「先在这儿送上祝福——生日快乐」属提前送出，自然度3→2，verdict改为not_acceptable。 |
| 刻意免回复或不打扰的套话 | T02 / 3 | 祝福生日不要加入这阵子不打扰这种话术｜复核（更新口径）：「先祝您生日快乐」属提前送出，自然度3→2，verdict改为not_acceptable。 |
| 刻意免回复或不打扰的套话 | T06 / 2 | 祝福非常好，但是最后一句的“不用回我消息，心意送到就好”不是对顾客的话术，使用不当｜复核（更新口径）：「祝您节日愉快」属提前送出的中秋祝福，自然度3→2，verdict改为not_acceptable。 |
| 关怀或服务内容衔接突兀 | T04 / 2 | “这次就照您说的”很奇怪，不聊商品也显得很奇怪，前后没有逻辑｜复核：「七夕到了」与「快到七夕」矛盾，祝福提前送出；分数维持不变（已为not_acceptable）。 |
| 关怀或服务内容衔接突兀 | T05 / 2 | 520后面接的服务型话术转折有点生硬不够自然，中间加一句祝福语就会好很多｜复核：520未到即送出「520快乐」，时机提前叠加转折生硬，自然度3→2，verdict改为not_acceptable。 |
| 关怀或服务内容衔接突兀 | T09 / 2 | 少一句对七夕的祝福再转折｜复核：七夕未到即送出「七夕快乐」，时机提前叠加转折突兀，自然度3→2，verdict改为not_acceptable。 |
| 未正面回答商品或服务问题 | T11 / 1 | 完全偏离顾客问题 |
| 未正面回答商品或服务问题 | T11 / 2 | 完全偏离顾客问题 |
| 未正面回答商品或服务问题 | T12 / 1 | 客户问的是Key Case，回答却在推Phone Pouch，答非所问；「手是空的」表述也别扭，需重写。 |
| 信息外推与未确认安排 | T12 / 3 | 「按您说的预算档」客户并没有提过预算，属于编造；把单品咨询扩成两件组合推销，也偏离客户问题。 |
| 信息外推与未确认安排 | T49 / 2 | 客户问预算替代，回答整段讲保养，没回应；「擦干以外的情况都可以送回门店来处理」是无依据的服务承诺。 |
| 信息外推与未确认安排 | T12 / 2 | 正面回答了Key Case的容量和价格，没推测颜色，贴合问题；「常拿在手里会慢慢养出使用的光泽」是资料外的说法，建议删掉。 |

## 后续修改边界

先根据明确的人工评语修改规则，再对受影响案例做新版本定向重测；原输出和本轮评分保留。
评语中的“生日、中秋、七夕和520祝福应当日发送；春节可以提前拜年”是复核者补充的项目偏好，不能冒充最初题目的要求或普遍礼仪事实。
单条评分与评语可能存在宽严差异；例如评为good但仍指出资料外描述。应保留两者，需要时由复核者统一口径，脚本不擅自降分。