Cómo extraer reseñas de producto en automático con IA para analizar pros y contras

¡Muy buenas! Bienvenidas y bienvenidos a un nuevo vídeo de iSocialWeb. Yo soy Luis Fernández y seguimos con la serie de vídeos de Inteligencia Artificial aplicada al SEO y a las webs. En este vídeo, que creo que les resultará de mucha utilidad tanto a los webmasters de agencias como al público habitual de este canal, así como a los nicheros que pueden tener sus nichos de afiliación o de AdSense, o cualquier otro medio de publicidad display.

En este vídeo, les mostraré un script muy sencillo. Lo que pretendo es darles una idea de que esto es posible hacerlo, que es fácil de hacer, y que ustedes pueden adaptarlo a sus proyectos. Como siempre, es bastante fácil de programar todo, y si no saben, siempre tienen a Chat GPT a mano para que les ayude a adaptar el código a sus casos de uso. Lo que vamos a hacer en este caso es scrapear reviews de la competencia o de una web que no sea la nuestra. Si es una web nuestra, simplemente no las podemos bajar y utilizar un CSV y subirlo directamente, y nos ahorramos la parte del scrapeo.

Vamos a utilizar a GPT en este caso, 3.5, porque cumple perfectamente y es mucho más barato y rápido. Pero podríamos usar GPT-4 o la versión futura que salga dentro de no mucho, porque está avanzando muy rápido. Y vamos a pedirle que nos las resuma. Con eso, conseguiremos una lista de pros y contras basada en reviews reales de usuarios. Esto es perfecto tanto para hacer artículos de afiliado con reseñas de productos, como para ampliar las descripciones de productos de nuestro eCommerce en base a las reseñas de usuarios que muchas veces están paginadas, ocultas o simplemente no se muestran directamente. También es muy útil para poblar eCommerce en los que trabajamos un producto que tiene nuestra competencia y nosotros queremos añadirlo y necesitamos una descripción.

Entonces, podemos revisar la competencia, extraer sus reseñas y así tener una descripción basada en opiniones reales. Todos estos casos siempre pueden aplicarse en diferentes casuísticas, siempre se le puede dar una vuelta, pero bueno, les voy a mostrar el código y vean cómo queda. Y ya lo dejo en sus manos para que creen cosas súper chulas. Seguro. Como siempre, trabajamos en Collage y estará enlazado en la descripción del vídeo. No voy a detallar mucho el código, pero básicamente vamos a utilizar dos librerías: tiktoken para contar los tokens y poder limitarlos y OpenAI. Aquí importamos todo. Aquí tienen que ingresar los datos, aquí meten su API, aquí seleccionan el modelo, aquí seleccionan el número máximo de tokens.

Recuerden que GPT-3.5, por ejemplo, tiene alrededor de 4,048 tokens máximos, si mal no recuerdo, y deben dejar algo de espacio para la respuesta y para el input de sistema. Luego, aquí introducen directamente la URL. Elegí una web de eCommerce que es una pasada y elegí productos de ventas de guitarras. Como ven, bajamos aquí abajo y tenemos las reseñas encima de Zoman. Hay reseñas muy curradas; los músicos, la verdad, que se esfuerzan mucho en el contenido. Aquí podrán escoger Zoman en este caso.

El scraping está preparado para Zoom, pero pueden adaptarlo fácilmente a Amazon o a cualquier otro eCommerce si desean, como PCCOMPONENTES o cualquier otro. Si utilizan su tienda, pueden saltarse toda esta parte de scraping. Aquí está marcada como scraping. Simplemente suben un CSV o suben directamente las reseñas y lo hacen con las restricciones de su producto. Una vez obtenida la URL, nos vamos a marcar unos headers. Si desean hacer esto de manera más avanzada, les recomiendo utilizar proxies y un generador de headers, o incluso una librería tipo «Apio» para que gestione todo esto. Otra cosa importante es que si scrapean Amazon, les puede llegar a bloquear bastante rápido, bloqueando cualquier uso de bot, sobre todo en este caso en el que utilizamos BeautifulSoup, que no es el crawler más complejo y no imita a ningún buscador.

Si utilizan Selenium con un par de proxies, pueden scrapear lo que quieran. Aquí tenemos un par de funciones de utilidad: conseguir el HTML del producto, las reviews. Conseguimos el HTML de la página que lo podríamos ver aquí. Son líneas de código. Ven que si imprimen lo que sería soup, les muestra todo el HTML. Tengan en cuenta que esto es un crawler y no genera ningún tipo de navegador. Si desean crear páginas que tengan JavaScript, deben utilizar un crawler que sea capaz de renderizar JavaScript. Una vez renderizado el HTML o bajado el HTML, simplemente scrapeamos, nos quedamos con el producto y las reviews. Como ven, el nombre del producto es tan sencillo como obtener el h1. Esto les servirá en la mayoría de las webs que estén bien hechas, porque suelen tener un h1. Si tienen más de uno, nos quedaremos con el primero. Y las reviews dependerán de la página web, será algo único. Pueden usar Chat GPT y preguntarle, por ejemplo, si no saben programar muy bien. Ven que tenemos aquí todas las reviews. Yo puedo hacer un F12 o un Inspeccionar y puedo ir viendo por aquí que las reviews nos las quedamos con esto. No hace falta ir por el código.

Podemos ver que las reviews así van a salir. «Review test» es el texto que tienen. Entonces, si se fijan aquí, lo que buscamos es un div con la clase «reviewtest». En su página de ejemplo, en la que quieran scrapear, en lugar de «review test», simplemente «review» o algo similar. Lo pueden adaptar. Sí, hay casuísticas, pero creo que con un poco de dedicación y Chat GPT, lo pueden hacer fácilmente. Ejecutado todo eso, he dejado aquí una serie de prints para que quede claro lo que están haciendo. Ven que las reviews son estas. Las reviews se han extraído, cuatro reseñas, y este es el nombre del producto. A continuación, hacemos la llamada típica, en este caso, vamos a contar el número de tokens. Estas son funciones un poco complejas, están sacadas de la documentación de «tiktoken», que no hace falta que comprendan, simplemente sepan que devuelven el número de tokens para un string y para los mensajes. Lo que vamos a hacer es limitarlos. He puesto que por defecto lo limite a 1,000, pero vamos a usar los 2,000 que hemos marcado más arriba. Lo que hacemos es no pasarnos, no queremos mandarle, imaginen que las reseñas son súper largas, no queremos mandarle 4,000 y pico y que se nos cuelgue todo el prompt. Entonces, lo limitamos aquí y generamos el prompt. Simplemente formateamos las reviews y lo que nos va a hacer es generar un prompt que va a ser así. Más abajo, es este. «Resume el siguiente listado de reseñas para [nombre del producto], indicando los pros y contras basándose en las siguientes reseñas:» Dos puntos.

Y aquí el listado de reseñas. Les he dejado esto porque muchas veces, al scrapear una web grande como Amazon, tendrán reseñas en varios idiomas. Pueden hacer el filtrado manualmente en el código o simplemente añadir esto y confiar en que en el 90% de las veces lo va a hacer bien, lo va a dejar simplemente en español. Luego hacemos la llamada. Es muy sencilla. Son estas cinco líneas de código. Metemos el modelo, que lo seleccionamos más arriba, en este caso, el GPT-3.5 Turbo. Este es el mensaje de sistema, que pueden adaptar a su gusto. Y un prompt, que también les recomiendo jugar un poco con él. Les he dejado el más básico aquí, pero pueden personalizarlo por tipología de producto, por tipo de tienda, etcétera. Luego nos quedamos con el contenido, nos quedamos con la respuesta. Y esta es la respuesta que nos da. Ven que para este Hard Livento en HB 10g, nos dice que el precio es muy asequible, que es robusto y resistente, pequeño y ligero, fácil de manejar. Ven que la verdad es que incluso es buen servicio para iniciarse en el mundo de la guitarra. Son respuestas, pros y contras muy reales. Luego, «no es adecuado para géneros musicales muy exigentes, como el Metal». Como ven, esto es algo súper útil. Estamos resumiendo contenido real, por lo que no se va a inventar cosas. Les genera una lista de pros y contras. Podrían generar una lista de preguntas y respuestas. Podrían pedir una recomendación para una guía de compra. Una vez tengan toda la base, simplemente sepan que tienen que crear con esas reviews, cambian el token, no el prompt, y ya pueden hacer lo que quieran. Y eso es todo. Espero que les guste. Es una herramienta bastante potente y funciona muy bien. Cualquier duda que tengan, ya saben, tienen toda la lista de reproducción en el canal de YouTube de iSocialWeb, y estamos en los comentarios para responderles. Un saludo y muchas gracias.