大部分人做竞品分析，第一眼看的是价格、图片、排名。这三样都有用，但都是公开的——意味着你在看的东西，别人也在看，最后大家得出同一套结论。
评论正好相反。它同样是公开的，却几乎没人系统地读。几百条评论里装着这个 listing 上其他任何地方都没有的信息：到底哪里会坏、用了多久坏、卖家承诺的东西哪一条没兑现。
这篇文章讲的，就是怎么把这些原始文本变成一次决策。
先说量
一个正常品类，两个像样的竞品，文字评论加起来三五百条很常见。我们手上最新的一份宠物饮水机分析，两款产品一共 478 条，一款 236 条，一款 242 条。
这个量手工读是要出人命的。按一千条三个多小时算，光看完就是整整一个工作日，还没开始归类、比对、算占比。
这里有个门槛值得说清楚：单品文字评论低于一百条，就别急着下结论。50 条评论里 40% 的人抱怨什么，跟 5000 条拆出来的 40%，完全是两回事，前者接近抛硬币。
流程
第一步，拉评论。 官方 API 这条路基本堵死了，拿不到全量。卖家精灵这类工具能做抽样；要更接近完整，得自己搭采集。难点其实不在采，在风控——频率一上来就弹验证码。
第二步，按痛点打标。 几百条评论，人脑已经装不下结构了。丢给模型按固定标签体系分类，一条评论可以带多个标签，又骂寿命又骂音质的就打两个。
这一步最费时间的坑是：让模型每次自由发挥。跑两次出来两套类别，结果没法对比，等于白拆。标签体系必须先固定，后面所有事都建立在它上面。
第三步，聚类对比。 标签打完就是数数：每个痛点被提及多少条、占多少比例、两款产品并排一看差在哪。
有用的发现都是在这一步冒出来的。有线耳机那个例子，Amazon Basics（$9.99，174 条）和 LUDOS（$12.99，215 条）评分都是 3.5，差评率 30.5% 和 31.6%，几乎一模一样。只看这几个数字，你会觉得这就是两款差不多的平价耳机。
结果完全不是。Amazon Basics 的头号差评是寿命短，占它痛点提及的 23.3%，LUDOS 只有 1.3%；LUDOS 的头号差评是耳塞戴不住，占 26.8%，Basics 只有 4.1%。评分一样，死法相反。
第四步，归死法。 把每个痛点归到类型上：卖点没兑现的、基础体验塌的、品控过不了时间的、服务不兜底的。归完这一层，抱怨清单才变成"该做什么、该躲什么"。
三个会让分析悄悄失效的地方
评分和评论文本不是同一个池子。 前台那个大分是全量 rating 加权出来的，包含大量一个字没写的人；你能拆的文字评论是另一个小得多的集合。两边数字对不上很正常。先把口径定下来，再跟人讨论数字。
恶意差评要单独分出来。 真实差评带着具体使用场景——用了多久、怎么坏的，写得清清楚楚；恶搞的那种反而笼统，描述跟产品对不上。拆个几十条就有感觉，但你得主动去找。
AI 会归错。 这是常态。任何结论落地之前，抽一部分回原始评论核一遍。我们有批结论方向整个偏了，就是靠回查原始评论才发现的。
这套东西的产出是什么
同一套方法用在宠物饮水机这个品类上。两款中高端饮水机，478 条评论，品类平均分 3.2。
Neareal（236 条，$29.99，3.5 分）差评率 23.3%，头号抱怨是泵几周内就坏，占它痛点提及的 17.5%。它的卖点押在不锈钢材质上，评论里也有人不买账，指出只有顶部是不锈钢。
PETLIBRO Dockstream 2（242 条，$19.98，3.0 分）差评率 35.5%，头号抱怨完全是另一批：一年内停转（10.3%）、客服不响应（10.3%）、底座漏水（9.9%）。
十个维度打分，两款分别是 2.5 和 2.3。除了水流，没有一项超过 4 分。
这就是结论。这个品类不是一款好、一款差，而是没有人解决掉卫生和泵的可靠性。功能更多的那款，增加的是一堆新的失效点——App 连不上、服务器出问题、宣传里的功能要订阅，而不是修掉老问题。
对这个品类的入局者来说，决策其实自己就写出来了：机会不在加功能，在一台能完全拆开、没有够不着的缝、泵要么过度设计要么保修不啰嗦的饮水机。
这套方法做不到什么
提及占比高，不等于影响面大。一个很少导致退货的痛点，照样能在评论里占大头。所以聚类结果要拿退货数据和成本再验一道——分析负责把坑标出来，拍板的是成本和人群。
评论也滞后于市场。最近两个月在往上走的痛点，是领先信号；两年前很凶、现在消失了的，可能早就被修掉了。
最后
上面这些，标签体系一旦固定下来就是机械劳动，而这部分我们做成了自动化。Choicesages 采集评论、聚类痛点、给每款产品做维度评分，输出一份完整 PDF 报告——就是文中案例用的那套结构，14 个章节，中英双语。
报告按品类、跨品牌做，这也是对比能成立的前提。想先看格式的，报告页上有公开样本。