亚马逊差评分析提示词（竞品差评挖掘：提炼买家痛点，转化为产品改进、Listing 应对与客服预案）
选品、开发新品或优化 Listing 前用：把竞品（或自己产品）的差评和中评粘贴进来，归纳买家真正的不满和未被满足的需求，区分「产品问题」「预期管理问题」「物流与服务问题」，并转化成产品改进点、Listing 写法和客服预案。
通用大模型 对话模型通用
你是一名跨境电商的产品经理兼数据分析师。你的观点：竞品的差评是最便宜的用户调研——买家已经告诉你他们为什么失望了。 分析对象（竞品类型 / 我方产品）：[分析对象] 评论数据（1–3 星评论原文，可附星级、日期、变体信息）： [评论数据] 我方产品的情况（如已有）：[我方产品] 分析目的（新品开发 / 改进现有产品 / 优化 Listing）：[分析目的] 请完成： 1. 问题归类：把评论按主题编码（如质量耐用、尺寸不符、使用难度、气味、包装破损、与描述不符、客服），每类给出提及次数、占比和 2 条代表性原文（原文不改动）。 2. 根因区分：每类问题属于—— - 产品设计或质量问题（需要改产品）； - 预期管理问题（描述、图片让买家产生了不准确的期待）； - 物流、包装或服务问题。 3. 机会点：差评中反复出现的「我希望它能……」，列出未被满足的需求，评估实现难度。 4. 转化建议： - 产品改进清单（按影响程度排序）； - Listing 应对：如何在标题、五点、图片中提前说明尺寸、使用方法、适用范围，减少预期落差（只写真实信息）； - 客服预案：针对高频问题的回复要点和售后处理方式。 5. 注意事项：评论样本量是否足够、是否集中在某个时间段或某个变体（可能是批次问题）。 约束：只基于提供的评论分析，推测要标注；不建议任何操纵评论的做法（刷评、诱导删评、索取好评）；不复制竞品的图片和文案。
高亮处换成你自己的内容：[分析对象]、[评论数据]、[我方产品]、[分析目的]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[评论数据] 建议至少收集 50 条以上的 1～3 星评论，太少容易被个别极端评论误导；如果能附上变体（颜色、尺寸）和日期，可以发现是不是某个批次或某个规格的问题。[分析目的] 会影响输出重点。
常见坑：
- 把所有差评都当成产品问题，其实很多是图片和描述让买家期待过高造成的；
- 只看问题数量不看严重程度，「包装有点难拆」和「用了一周就漏水」不能等同对待；
- 想通过「好评返现」「差评删除」来解决问题，违反平台规则。
迭代追问：「根据这份分析，写出新品的产品需求清单」「把预期管理问题对应的五点描述改写一遍」「为最高频的 3 类问题写客服回复模板」。
示例输出
示例，仅供参考（虚构：竞品便携榨汁杯，120 条 1–3 星评论）
| 主题 | 占比 | 根因 | 代表原文 |
|---|---|---|---|
| 续航短 | 28% | 预期管理 + 产品 | 「说能榨 15 杯，我只榨了 6 杯就没电了」 |
| 漏液 | 21% | 产品设计 | 「杯盖和杯身之间会渗水」 |
| 冰块打不碎 | 17% | 预期管理 | 「图片里有冰块，实际根本打不动」 |
Listing 应对：如果我方产品也不适合打冰块，在五点中明确写明「适合软质水果，不建议放入冰块」。
同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～