为什么要做差评分析，而不是只看评分
选品的时候大家都会看评分，3.5 星以下基本直接划走，4 星以上觉得稳了。
但评分这个东西有个天然缺陷，它只告诉你结果，不告诉你原因。两款同样 3.5 星的产品，一款死于用两周就坏，一款死于耳塞戴不住，对卖家来说这是完全不同的两回事——前一个是供应链问题，后一个是产品设计问题，躲法和接盘的姿势都不一样。
我们用自研的差评分析工具，把三个品类的六款产品评论全量拉下来做了聚类：有线耳机、按摩器、AI翻译耳机，加起来 1100 多条已验证购买评论，时间跨度最长 25 个月。每条差评按话题归类，算出每个痛点的占比，再结合维度评分和退货数据交叉看。
拆完三期单独的报告之后，把它们摆到一起对比，发现了一个规律性很强的东西——不同品类的产品，差评的死法基本都落在四种框架里。
产品差评的4种死法
| 死法 | 特征 | 典型案例 |
|---|---|---|
| A. 卖点没兑现 | 宣传的核心功能拉胯 | 翻译不准的AI翻译耳机、加热只有红灯的按摩器 |
| B. 基础体验塌 | 佩戴、按键、交互这种不起眼的地方 | 戴不住的耳机、耳塞掉的耳机 |
| C. 品控寿命 | 用不久，几天几周就坏 | 几天就接触不良的有线耳机、用几周就坏的按摩器 |
| D. 服务不兜底 | 坏了没人管，保修空话 | 客服电话是空号、保修不兑现的按摩器 |
一个产品可以同时命中好几种，但差评里排第一的那个，通常才是最致命的——它决定了这款产品的星级天花板在哪。
这四种里再分个层：品控寿命是品类通病，短期能做的有限；服务不兜底是纯运营问题，成本最低见效最快；真正要靠产品决策去躲的，是卖点没兑现和基础体验这两个。
下面拿三个真实案例，把这张表填满。
案例一：有线耳机——同样的3.5星，完全不同的死法
先看一个评分骗人的例子。
两款有线耳机，Amazon Basics 和 LUDOS，评分一模一样，都是 3.5。光看星级，你会觉得这是同一个档次的产品，实际拆开差评发现完全是两码事：
| 产品 | 评分 | 差评第一名 | 占该品差评比例 | 对家同项占比 |
|---|---|---|---|---|
| Amazon Basics | 3.5 | 接触不良、寿命短（死法C） | 23.3% | 1.3% |
| LUDOS | 3.5 | 耳塞容易掉（死法B） | 26.8% | 4.1% |
一个栽在品控寿命，一个栽在基础体验，两款产品的问题完全不沾边，只是分数恰好撞在一起。
这里有个挺关键的判断：**评分一样，不代表产品在同一档，差评聚了类，才看得出问题真出在哪。**如果你是做有线耳机选品的，看分数你分不出该避开谁，看差评聚类你一眼就知道——Amazon Basics 这个价格带的品控风险你要掂量，而 LUDOS 输掉的佩戴体验，就是你可以去接的用户。
案例二：按摩器——差评一样，星级差半颗，差在哪
第二个例子更能说明问题。
两款按摩器，Mo Cuishle 和 Zyllion，差评第一竟然都是"用几周就坏"，占比 16.4% 对 25.6%，死法看着一样，评分却差了半颗星，3.3 对 3.8。
产品层面其实分不出胜负，差距在两个地方。
一是加热。Mo Cuishle 宣传里有加热功能，实际只有红灯根本不热，这条同时踩了卖点没兑现（死法A）；Zyllion 是真暖和，光加热这一项就被夸了 30 多条好评。
二是客服。Zyllion 有 16 条好评专门夸客服响应快、保修真给换新；Mo Cuishle 那边用户直接写客服电话是空号——服务不兜底（死法D）坐实。
| Mo Cuishle | Zyllion | |
|---|---|---|
| 星级评分 | 3.3 | 3.8 |
| 差评第一：用几周就坏 | 16.4% | 25.6% |
| 加热功能 | 只有红灯，不热（踩死法A） | 真暖和，30+条好评 |
| 客服与保修 | 客服电话是空号 | 16条好评夸响应和换新 |
再往深看一层，Zyllion 的维度评分其实不高，综合才 3.2（满分 10 那套体系），耐用性单项只有 2 分。产品本身谈不上好，靠保修和客服把星级撑到了 3.8。
这说明一件事：**星级评分是产品加服务的混合体，单看高低是会骗人的。**同理，反过来用也成立——你的产品品控短期动不了，可以学 Zyllion，用靠谱的保修把差评拦在发出来之前，主动联系出问题的买家换新，比让他憋一星强多了。
案例三：AI翻译耳机——大牌栽在最不起眼的地方
第三个例子是 527 条评论的翻译耳机对比。
Csasan 4.3 星，Anker 旗下 Soundcore 的 P31i 才 3.8 星，看着是白牌赢了。
Csasan 的问题砸在自家卖点上：差评第一条就是翻译根本不准，挂个 AI 翻译的名头结果翻译拉胯，App 还连不稳，典型的卖点没兑现（死法A）。买家原话很直接，"我买它就是因为说是实时翻译，结果根本不是"。
Soundcore 呢，不是音质的问题——音质被夸了 80 多条，它死在戴不住、触控乱跳，误挂电话的手势还禁用不了，再加上翻译功能藏着订阅费劝退了一批人。基础体验塌了（死法B），星级看着还行，拆到维度上就露馅了：
| 维度（满分10） | Csasan | Soundcore P31i |
|---|---|---|
| 舒适度 | 6 | 2 |
| 连接性 | 3 | 3 |
| 操控 | 4 | 2 |
| 硬件 | 5 | 2 |
| 综合 | 4.5 | 2.3 |
这期给选品的启示是两条：宣传越用力的卖点，差评落点越集中，名字挂出去等于给自己立了靶子；而大牌，最容易栽在最不起眼的地方——佩戴、触控这种不起眼的交互，恰恰是它品牌溢价覆盖不到的盲区。
这套差评分析框架怎么落地用
讲了三个案例，把方法收拢一下，拿到一款想跟进或者想避开的竞品，可以按这个流程走一遍：
**第一步，拉全量评论。**不要只看前几页热评，热评是算法挑过的，会带偏差。用工具把该 ASIN 的已验证购买评论全量拉下来，按时间排好，顺带看差评率的月度趋势——差评率在爬升的产品，说明品控或批次在恶化，这种盘接了就是接雷。
**第二步，差评聚类打标。**把 1-2 星的差评逐条归类，归到上面四种死法里。手工做的话，几十条还扛得住，几百条就得靠工具自动聚类了。归完算占比，找出排名第一的死法。
第三步，对号入座做判断。
- 死法A（卖点没兑现）：先掂量这个卖点自己能不能做好，做不好就别硬蹭，反噬来得最快，Csasan 的 AI 翻译就是例子
- 死法B（基础体验塌）：这是差异化机会，LUDOS 输在耳塞掉，你做耳挂、配 XS 耳套就能接住它的差评用户；Soundcore 输在戴不住，出个轻量版就有戏。这是隐藏的命门，对手最容易忽略的地方
- 死法C（品控寿命）：供应链短期动不了，可以学 Zyllion 用保修兜底，主动换新把差评拦在发出之前
- 死法D（服务不兜底）：纯运营动作，成本最低见效最快，客服响应、保修政策写清楚，这本来就是产品的一部分，很多卖家不当回事
**第四步，把发现转成动作。**选品场景，竞品第一死法是你做不了的，直接跳过这个品；做得了的，把竞品的差评用户当成你的第一批目标客群，listing 里直接回应那个痛点。产品开发场景，把差评聚类结果直接丢给产品和供应链，每一类痛点后面都跟着该改什么。
一句话，看谁分高意义不大，拆出死法才有用——知道它怎么死的，你才知道自己该躲什么、接什么。
常见问题
亚马逊差评分析需要看多少条评论才有意义？ 经验上单款产品 100 条以上评论就能聚出有效的话题，200-500 条是最舒服的区间，占比数据基本稳定了。低于 50 条的话，单条差评就能大幅改变占比，参考价值有限。
差评分析和看评分有什么区别？ 评分是结果的平均值，差评分析是原因的分布图。两款产品评分一样，死法可能完全不同，而差评聚类就是把这个不同拆出来，告诉你问题具体出在卖点、体验、品控还是服务上。
手工做差评分析可行吗？ 几十条评论可行，人工逐条打标就行。量大之后人工就不现实了，逐条读 500 条评论大概要两三个小时，还容易读串，这时候用工具自动聚类更快，choicesages 输入两个竞品 ASIN 就能出一份带痛点占比和退货分析的完整报告。
差评分析对选品有什么实际帮助？ 两个方向：避雷，竞品差评第一是你解决不了的死法（比如品控），这个品直接放弃；捡漏，竞品输在你能做好的地方（比如佩戴、加热、客服），它的差评用户就是你的市场。
本文数据来自 choicesages.com 的亚马逊竞品分析报告，工具自动完成评论拉取、差评聚类、维度评分和退货损失测算。想拆你自己在做的品类，免费跑一份报告就能看到竞品的死法。