行业文章 · 工具篇（站上版，2026-10-30）

一、从一件小事说起

做亚马逊的都知道评论要细看，但真轮到自己翻，几百条拉下来人就麻了，前二十条还有耐心记一记哪条说涂层、哪条说电源，往后基本就是滑过去，最后给产品打分全靠印象。

AI 工具现在一搜一大把，把评论扔进去跑一遍，结论看着也有模有样，但很多人用过就放下了，原因是第二天再跑一次，出来的问题分类又不一样，同一批评论，两次跑出两个故事，工具自己先打架，谁还敢拿它的结论做决定。

我过去几个月拆了 30 份报告，20 个品类，一万一千多条评论，这些内容全是工具跑的，踩过的坑不少，今天就按这 30 份的经验，把工具到底能替你干什么、替不了什么、真正的门槛在哪，一次说清楚。

先把「为什么每次跑结果都不一样」这件事说明白，因为它挡住了大多数人。

大模型不是数据库，它每次读到同一批评论，都会重新组织一遍答案，模型版本在更新，分类的框是它现场想的，这次它觉得「电池问题」和「充电慢」该并成一类，下次又觉得该分开，你看到的结论不一样，多数时候模型没算错，是它连「问题类别」这个地基都在重新搭。

多数人用工具的流程是，导出评论，扔给 AI，让它总结一下主要问题，AI 给你一段面面俱到的漂亮话，你截个图存进文件夹，这事就算完了，第二天想起来再问一次，它给你另一段漂亮话，两段都对，两段对不上，问题出在你把它当成了算命的，而它本来应该是个流水线工人，工人要的是你给它固定的工位和动作，不是让它即兴发挥。

所以工具要用得出结果，前提是你把地基钉死，下面这些内容，都是围绕怎么钉地基展开的。

二、工具能替你干的三件事

第一件，体力。

几百条评论一条条读完不漏，这个不用多说，人看二十条就累，机器看两万条不喘气，而且程序算出来的数字不会手抖抄错，手工整理过表格的人都懂，一个百分比抄错，后面整段分析就白做了。

体力这一层还有个容易被跳过的环节，清洗，抓回来的评论不是直接能用的，有重复的、有纯图片没文字的、有明显是广告和返现刷的，还有星级和文字对不上的，这些不剔掉，分母就是脏的，我们每份报告开头都写采样口径，比如空气炸锅那期是 438 条带文字的评论，这个数是程序点出来的，不是估的，前后对得上。

也要交代一句边界，我们的采样偏向近期评论和差评，所以报告里的差评密度天然高于平台整体，报告里所有占比都以这个样本为基数，说的是差评内部的结构，这一点看数字之前要对齐，不然会把 15% 当成全平台差评率去理解。

第二件，口径。

AI 自由发挥是出不了稳定结果的，让它自己想分类，每次给的框都不一样，上周它分七类，这周分九类，你根本没法把两期的结论对着看。

解法是把标签固定下来，每一期用的都是同一把尺，这样第九期喂食器和第十七期空气炸锅的差评结构才能摆在一起比，攒数据才攒得起来，不然每期结论各说各的，等于白拆。

口径里最要命的是分母，同样一批差评，你可以按痛点提及次数算占比，可以按差评条数算，也可以按评论总数算，三个分母三个结果，都有道理，混着用就是自欺欺人，我们现在的规矩是分组汇总用痛点提及做分母，物理原因表用差评条数做分母，报告里明确标出来，看的人才知道每个百分比站在哪块地上。

第三件，结构。

差评集中在哪个部件、哪几个月突然变多、好评夸的是哪一块、退货原因排第一的是什么，这些用表格拉出来一眼看见，人翻几百条是看不出结构的，看着看着就成了印象流。

举个最典型的例子，空气炸锅那期，平台上 Cosori 4.8 星、Chefman 4.4 星，看着只差 0.4 星，但把 438 条评论拆开，差评率一个 15.1%、一个 30.5%，差了一倍，这个信息商品页面上永远看不到，分数是累计的、被好评稀释的，结构才是最近发生的事。

月度趋势把这层意思推得更狠，Chefman 的单月差评率，8 月是 29.4%，9 月冲到 61.5%，10 月又落回 35.7%，一个月之内口碑能翻一倍再掉一半，这个波动在 4.4 星的均分里完全看不见，你如果只盯星级，等发现不对劲的时候，货可能已经压了一船。

结构这一层还有个互证的做法，评论之外再挂一条退货线，空气炸锅那期，Cosori 的退货提及率 7.17%，退货原因排第一的正好是涂层材质不符，占 21.1%，跟评论区那 3 条 PTFE 的抱怨对上了，Chefman 退货提及率 9.09%，原因第一是停止工作，占 55.6%，跟它头号的 premature failure 对上了，两条独立的数据链指向同一个地方，结论才敢落地，报告按月销一千台估的月损失，一款 7,169 美元一款 7,266 美元，这个数看着不大，摊到一年就是接近九万美元的窟窿，而堵上它的动作可能只是改一版文案。

三、30 份报告攒出来的三个品类级发现

单份报告看产品，30 份摆在一起才能看出品类，这几条发现，每一份报告单独看都发现不了，是口径统一之后白捡的。

第一个，评分是哑铃形的。

把 30 份报告里每款产品的评分分布摆一起，4 星占比的中位数不到 10%，5 星加 3 星加起来占了六成七，意思是买家根本不按五档打分，他们主要用三格，特别满意给 5 星，有保留给 3 星，出问题给 1 到 2 星，4 星这个档位几乎是空的。

这件事对你解读竞品星级有直接影响，一个 4.4 星的产品，它的评论里大概率没有多少「还不错」的中评，全是真爱和怒骂，平台均分把两种完全不同的痛平均成了一个数，我们管这个叫假平滑，只有把分布拉出来，才看得见 4.4 星底下压着什么。

它对运营动作也有影响，既然 4 星这一档基本没人用，索评信换来的那些「体验不错给个五星」就要打个问号，真人自发打分的时候，满意和不满意之间几乎没有中间态，你催出来的五星和真实五星混在一起，反而把均分的信号弄脏了，这个发现不能说百分百成立，但 30 份数据摆出来，这个形状太一致了。

第二个，品类之间差评率差得很远。

差评率按评论数加权之后，20 个品类能排出一张榜，自动猫砂盆最高，47.5%，蓝牙音箱最低，11.8%，中间的翻译耳机 39.3%、喂食器 37.3%、充电宝 30.7%，这份榜单一期一期攒出来才有，单看任何一份报告都得不出「这个品类整体难做还是好做」的判断，选品的时候这张榜比销量榜多给一个维度。

榜单还能纠正一些直觉，比如加湿器，大家觉得是旺季刚需、竞争也不算激烈，但它的品类差评率 20.2%，在 20 个品类里排第 14，不算高危也绝低，每五条评论里就有一条差评，旺季流量放大的时候，这些差评会被更多买家看到，反倒是蓝牙音箱这种听着红海的品类，差评率全站最低，这说明品类的好做难做，跟体感经常是反的，得拿数说话。

第三个，同一个数据，两个层面能讲出两个故事。

空气炸锅那期最典型，分组层面，Cosori 的头号是长尾杂项，Chefman 的头号是 premature failure，两款的对症方向完全不同，但拆到细分项，两款出现频率最高的都是同一句，抽屉塑料卡扣断了，一个占 7.5%，一个占 26%。

分组口径告诉你钱该往哪个大方向投，细分口径告诉你具体修哪个件，两层都对，混着用就打架，这种陷阱人眼看不出来，只有分类框架固定、每一类都能贴回买家原话的时候，才会发现分组合并和细分项打架的地方，那往往就是问题的真相所在。

四、工具替不了的那件事

判断。

哪个问题算主因，改进从哪下手，这一步工具给不了，只能人做。

拿喂食器那期说，397 条评论里，出粮精度反而是两款产品各自维度评分里最高的一项，说明喂食这个机械动作本身门槛不高，问题全堆在连接那一层，头号痛点分组两款都是 connectivity，占各自差评的 40% 和 48%，细分里「服务器宕机导致不出粮」15 条、「断网跳过喂食」10 条，工具能把这堆数字摆得干干净净，但断不出「出粮机构不用动，钱该花在断网兜底」这个结论，因为这句话要把机械、网络、成本三个维度放在一起称，称的是生意，工具只看得见词。

再比如空气炸锅，工具会把「涂层」列成 Cosori 的痛点之一，3 条提及，但买家翻出来说摸到的是 PTFE、跟页面写的陶瓷涂层对不上，这件事往深了追，问题就跳出了品控的框，落在宣传承诺那一层，改文案和改涂层的成本完全不同，这个判断是人下的，工具看见的只是词。

工具省的是体力，决定还是你自己下的，这句话说了 30 份报告了。

不过要说句公道话，工具虽然不下判断，它能把判断垫到你脚边，每份报告末尾有一节敏感度估算，把头号痛点对应的差评整批拿掉，剩下的评论重新算一遍分，Cosori 的差评率会从 15.1% 落到 4.8%，Chefman 从 30.5% 落到 5.3%，意思是这两家的差评大头确实压在同一个地方，问题解决的上限就摆在那，剩下的判断，值不值得为它改模、改文案够不够，是你拿着这个上限去算的账，工具把账面给你列好了，签字的是你。

五、真正的门槛在两步

这几个月被问得最多的就是这东西我自己能不能搭，我的答案是能，但真正的门槛不在写代码，在这两步。

获取。

评论数据这两年收得越来越紧，各家都尝过被风控折腾的滋味，这层水比较深，我们自己的跑法细节就不展开了，只能说现在 choicesages 这边的评论是自动到的，用户提交一个 ASIN，剩下的不用人管，评论自己进来、自己变成报告，费劲也要做这一层，是因为对第三方来说，评论区几乎是唯一公开的大样本，退货原因藏在后台，客服记录在邮件里，同类目其他产品的差评你一条都看不到，评论是唯一能拿到的、别人家的一手痛点数据，值钱就值钱在这。

归类。

这步看着简单，实际是整个流程里最容易做错的，两个坑刚好是反方向。

一个是把不同的问题归成一堆，买家说卡粮和说不出粮，在工具眼里都是喂食问题，合在一起结论就歪了，另一个是把同一个问题拆成几份，买家说断网不出粮、连不上 App、显示离线，其实是同一个坑的三个说法，不归一的话，每个的占比都被摊薄，你看不出它才是头号问题，喂食器那期如果把连接类的三个说法分开算，每一项都进不了前三，归到一起才知道它占了四成，头号和名不见经传，差的只是归类这一步。

我踩完这两个坑之后定了一条规矩，标签名不许自己发明，必须用买家评论里真出现过的说法，归出来的每一个类，都得能贴回一句买家的原话，贴不出来的那个类就是工具编的，删掉重归。

还有一条容易忽略的，3 星评论怎么办，它既满腹牢骚又没到差评的程度，混进差评分析会把头号痛点的占比稀释掉，直接扔掉又浪费，我们的做法是只做关键词辅助标记，不进任何结论，这个边界写进了每份报告的数据声明里，哪一层数据参与结论、哪一层只做参考，白纸黑字，看报告的人才不会误读。

这两步跨过去，工具跑出来的结论才算稳，跨不过去，前面省的体力后面全还回去。

六、这套东西现在长什么样

现在的形态很简单，提交一个 ASIN，系统自动拉评论、跑聚类、出报告，报告里有差评结构、痛点分解、维度评分、退货原因排序、月度趋势，一款产品从提交到出报告，人不用守着。

几张表各有各的用处，痛点分解告诉你买家在骂什么、占比多少，维度评分把产品拆成若干个维度打分，让你一眼看出短板在哪一栏，退货原因排序把「退货运费在为什么买单」列出来，月度趋势盯口碑的方向，这几张表拼在一起，一个竞品的基本面就在一页纸里了。

报告全部公开，在 choicesages 的公开报告页挂着，现在有 30 份、覆盖 20 个品类，加湿器、电动牙刷、剃须刀、耳机、充电宝、喂食器、猫砂盆、空气炸锅这些都有，每一份的数字都对得上评论区，欢迎拿任意一份去亚马逊核对。

给个用法上的建议，别只看自己这一份，把你自己那个品类的报告，和品类里卖得最好的那份摆在一起，看两张痛点分解表差在哪，你的差评里它没有的，是你的独特问题，两份都有的，是品类地板问题，前者你的改进能变成卖点，后者全行业一起疼，比的就是谁先修好，这个用法不需要任何技术背景，看表就行。

七、写在最后

工具说到底省的是体力，判断还是你自己下的，不过把几百条评论变成一张看得懂的表这件事，确实省了大半个晚上的时间，而且比省时间更值的是它不累，人一累就会跳步，机器不会。

省下来的时间，拿去看竞品链接、想改进方向，都比一条条翻评论值多了。