基于文本描述在Excel中高效匹配信息的场景与解决方案

一、基础场景

场景描述
客户向客服反馈需要重新发货的商品名称——>客服在在线表格中填写商品名称，并在仓库表中寻找对应的商品条码——>仓库依据条码完成补发

错误思路
考虑到客服填写的商品名称可能出现简写，设计了一个“匹配”方案（类似于“二、进阶版”中的流程），这让整个过程繁琐且效率很低

优化后的解决方案

1. 在“在线表格”中，将商品名称那一列设置为“下拉选项”，用户只需输入商品简称即可快速找到对应的全称。
2. 将在线表格保存至本地，并在“商品条码”列批量插入VLOOKUP公式，即能实现快速且准确的查找。

二、进阶场景

场景描述
客户在平台上留下备注——>这些备注会实时同步到商家的ERP系统中——>客服依据这些备注内容找到对应的商品条（但由于客户需求多样，商品名称填写往往不够精确）

2.1 核心逻辑图

该流程的示例是通过“商品名称”和“年份”（两个条件互为补充），但也适用于单“商品名称”匹配的情况。

2.2 其他方案的思考

虽然为了确保非常高的准确率，我们使用了多层筛选去实现模糊匹配，但毕竟逻辑较为复杂。

为简化流程，我思考了流程中“硬匹配”（直接用“包含”关系）和“软匹配”（将商品名称拆分后逐一用“包含”关系）优化的可能性。经过一段时间的测试与假设（因为已帮助客户将应用落地，不好再拿客户的场景验证新思路），我发现这种逻辑与“文本相似匹配”高度一致，其通过引用difflib库中的SequenceMatcher类，能够更好地捕捉文本之间的顺序关系和结构。

2.2.1 构想一

通过测试发现，“文本相似匹配”在勾选了“只输出最相似的文本”选项时，可以准确的从一个“商品名称”列表中找到对应项，但存在一个问题，由于客户需求多样，留言中也不是必然包含某个商品名称的，如果只是简单的“只输出最相似的文本”，可能会出现留言：“萨达挖的哇s啊方式发我”（无意义留言），却匹配成了“小米su7”的情况。、

当然，这个也有解决办法，就是设置“相似度阈值”，但这个同样有问题————这个阈值的计算逻辑不是那么的透明，目前我也没有找到一个准确的公式去计算它，目前我依据我这边的场景能给到的参考值是0.3（最好做一些简单的计算，设置一个动态值，例如：

令len/len那部分等于x，则有有个简单的图像：，前提是len(str1)<len(str2)，否则x会>0.5，进而导致计算阈值>1）

大家也可以用下面的代码测试一下阈值：

import difflib

# 两个待比较的字符串
str2 = "你好，我选择的是小米品牌汽车su款，谢谢"
str1 = "小米su7"    # 短的

# 创建SequenceMatcher对象
matcher = difflib.SequenceMatcher(None, str1, str2)

# 计算相似度
similarity_ratio = matcher.ratio()
print(f"相似度比率: {similarity_ratio:.2f}")
# 此示例相似度为0.32

这样，就可以将上面那个复杂的流程图，简化为短短几步（需验证）

2.2.1 构想二

不使用“文本相似匹配”指令，改用n-gram匹配方式，通过将“商品名称”拆分为“商”、“品”、“名”、“称”、“商品”、“品名”、“名称”、“商品名”、“品名称“、”商品名称“几个子串，再去判断留言中包含多少个这样的子串，阈值设置就可以更加清晰（但运行速度上可能会受到影响）