基于真实评论数据的选品方法论与竞品分析洞察
11 个品类、6,054 条亚马逊评论排下来，充电宝差评率最高 35.5%，翻译耳机 14.0%，差 3.3 倍。十个品类八个的头号抱怨都是电源、充电、连接和耐用性，跟功能强弱无关。更关键的是品类内部的差距比品类之间还大，电动牙刷里最好和最差差 3.4 倍。
我们把十几个品类、近3000条亚马逊评论的拆解经验整理成四层拆法：先看底盘判断市场健康度，再聚类痛点找第一死法，然后打维度分定位短板，最后用趋势和退货测算判断变好还是变坏，附报告阅读顺序与监控节点。
2993 条文字评论、7 个品类、14 款产品。最直接的结论是：这些品类几乎都不缺需求，问题全出在实现上。把差评按"能不能改、改多贵"分三类，选品和改品就有了顺序。
我们拆解了Aquasonic、Oral-B、Sonicare四款电动牙刷共857条亚马逊评论，头号痛点不是清洁力而是充电底座充不进电，四款产品电池维度全部不及格，且故障集中在保修期刚过，大牌差评率反而最高达29.4%，机会在3年保修与可靠充电设计。
我们拆解了PETLIBRO与oneisall两款智能喂食器共403条亚马逊评论，市场差评率高达33.7%，最致命的痛点跟硬件无关，而是"必须联网才能出粮"，服务器中断导致漏喂居首位；越贵差评率反而越高（40%对26.6%），预估月退货损失达1.4万美元，机会在离线可靠性。
我们用差评聚类拆解了3个品类1100多条亚马逊评论，发现产品差评基本只有4种死法：卖点没兑现、基础体验塌、品控寿命、服务不兜底，并给出从避雷到捡漏的四步选品用法。
一条可复用的流程：怎么把几百条竞品评论读成可用的东西。拉哪些、怎么打标，以及三个会让整份分析悄悄失效的坑。
亚马逊这两年一步步收紧评论可见范围，卖家的研究流程被悄悄拉长。三档不同预算的工作流（手动、付费、自建），看你时间和钱怎么挑。
本文分析亚马逊 522 条 AI 翻译耳机评价。多数买家仅将其当普通耳机，产品普遍存在翻译差、APP 连不上、佩戴不稳、暗藏订阅收费等问题。卖家靠稳定体验与透明定价即可突围。 需要产出适配跨境自媒体的成品，工作任务模式可以一并生成标题与摘要物料，要不要使用？