一、先定义 AI 的边界
评论分析适合让 AI 完成重复性高的文本任务：提取主题、归类场景、汇总原话和形成待验证假设。不适合直接让 AI 给出“应该开发什么产品”的最终结论。
二、四步工作流
- 清洗：去重，保留评分、日期、变体和原文。
- 分层：正面与负面分开，再按使用场景、功能、尺寸、质量和服务聚类。
- 量化：统计每个主题出现次数，但不把出现次数直接等同于市场重要性。
- 复核：抽查原文，确认 AI 没有混淆产品、语义或时间背景。
三、可复制 Prompt
评论主题分析
角色：你是跨境电商评论研究助理。 任务：根据我提供的评论，提取可验证的消费者需求与问题。 要求： 1. 不得补充评论中没有的信息； 2. 每个主题列出出现次数、典型原话和涉及的使用场景； 3. 区分产品问题、物流问题和预期不匹配； 4. 对证据不足的主题标记“低置信度”； 5. 最后输出需要人工复核的异常点。 输出：使用 Markdown 表格。
四、优势与风险
| 优势 | 风险 |
|---|---|
| 快速处理大量文本，保持分类口径一致 | 可能遗漏反讽、上下文和产品变体差异 |
| 容易定位重复出现的主题 | 评论样本本身可能不代表全部买家 |
| 便于形成后续验证清单 | 模型可能把推测写成事实 |
置信度：中高。流程本身可复用，但输出质量取决于评论数据质量、样本量与人工抽检。