以下为本文节选（前 500 字），完整内容登录后阅读：
用 AI 把几千条评论变成产品改进清单：评论分析工作流 你的产品和竞品加起来有几千条评论，里面藏着用户最真实的抱怨和渴望：尺码偏小、说明书看不懂、某个零件三个月就坏。问题是没人读得完。人工读一百条就头晕了，而这恰好是 AI 最擅长的体力活。这篇给你一套每月跑一次的评论分析工作流。 数据来源与边界 自家数据：店铺后台、亚马逊后台、评价管理工具里直接导出，这是你自己的资产，放心用。 竞品数据：公开页面上的评论可以用采集工具或手动导出，遵守平台条款和 robots 协议，别碰登录墙后面的数据，别高频抓取。 量不用贪大：每个核心产品取最近的数百条，覆盖各种星级，就够看出结构。 第一步：清洗 去重、剔除无关内容（物流吐槽和产品评价分开，别混在一起）。 语言统一：多语言评论先让 AI 翻译成中文再分析，比直接分析小语种稳定得多。 每条评论保留三个字段：星级、正文、日期。日期让你能做趋势对比。 第二步：AI 聚类 把清洗后的评论分批喂给 AI，提示词结构是关键，一次让它干三件事： 按维度归类：质量、尺码、外观、包装、物流、客服、性价比，每个产品品类再补两三个特有维度（比如电器加「噪音」，食品加「保质
竞品评论和自家差评是免费的产品调研。抓取、清洗、AI 聚类、输出改进优先级的工作流，每月跑一次。