等待 Shopee ID 评论数据 (PENDING user-saved HTML) ...
🧠AI 评论洞察提示词 (火乐方法论) DTC 评论分析
🎯 核心:商品卖点不是想出来的, 而是藏在用户评论里. 抓评论只是原材料, 用 AI 把评论提炼成 4 个可落地输出 = 客户掏钱 > 分析推论.
📜 火乐原版 prompt (核心, 4 输出)
角色:请全面化身为顶级消费者洞察专家、电商转化策略师与用户语言研究员.
输入:商品的 好评/差评/追评/客服问答/竞品评论 + 这句话: "不要简单统计高频词, 也不要直接套用商家宣传语. 请从评论中分别提取用户购买前最担心的问题、最终促成下单的真实原因、收货后最满意的意外价值、最容易导致退货和差评的落差、用户反复使用的真实场景, 以及用户自己说出的高信任表达."
输出 4 个:
① 3 个最值得强调的购买理由 (用户最关心的卖点) ② 3 个必须提前解释的风险 (买前最担心的, 提前化解) ③ 5 句来自用户语言但需要重新原创表达的卖点文案 (王老吉金句库) ④ 1 个最适合短视频开头的核心冲突 (hook 抓注意力)
红线:禁止编造评论、虚构功效、隐瞒高频缺点、把少数极端反馈当成普遍事实 → 区分产品真实优势 vs 用户主观偏好 vs 无法验证的功效评价.
🌍 4 国应用 (1 行总览) + 闭环
BD:Daraz 500-1000 条 MTB 评论 → 火乐 prompt → 3 购买理由 (夜路安全/达克锈/雨季远征) + 3 风险 + 5 王老吉金句 + 1 短视频 hook (暴雨夜路骑手被车撞)
ID:Shopee+Tokopedia → UCI/中国风/华人圈认同 + 进口税/配件/维修 + 王老吉 ID + 异国华人 30 年没回家
EG:Souq/Amazon EG → 沙漠耐久/达克锈氟碳漆/古文明 + 王老吉 EG + 沙漠骑手断链
IN:Flipkart/Amazon IN → 降温涂装/极温通勤/凉意冰裂纹 + 王老吉 IN + 50°C 班加罗尔通勤 0 故障
→ 闭环:Apify 抓 → Python 清洗 → 火乐 prompt → 4 输出 → 落 V2.9.66 情绪传播 / V2.9.67 王老吉金句 / V2.9.68 KANO 基本型.
⏳ 待拍板 (3 条线):
1. Apify 抓评论授权 (PENDING APIFY) — 一授权就启动 4 国评论抓取
2. 火乐 prompt 实测 — 抓 100 条 BD 评论试跑, 看 4 个输出质量
3. DTC 跟 V2.9.66/67/68 联动实战 — 提取的高唤醒情绪原话 + 用户语言 5 句 → 落 strategy 6.6 + 6.7 段
① 抓 (Apify): Daraz BD / Shopee ID / Tokopedia / Souq EG / Amazon IN/EG / Flipkart IN 各 500-1000 条 MTB 评论
→ Apify Actor 配置中 (PENDING APIFY, 8/6 用户授权中)
② 清洗 (Python): 去重 / 去水军 / 区分好评差评追评 / 时间窗口 (近 6 个月)
③ 分析 (火乐 prompt): 把清洗后的评论喂给 LLM → 输出 4 个 (3 购买理由 + 3 风险 + 5 文案 + 1 hook)
④ 落地 (跟战略锚联动):
- 3 购买理由 → V3/V4 卖点 (V2.9.50 5 价值主张) — 哪些最该打
- 3 风险 → 客服话术 + 产品研发 (V2.9.68 KANO 基本型) — 哪些必须做透
- 5 文案 → 王老吉金句库 (V2.9.67 6.7 段) — 哪些用户真实语言可改写
- 1 hook → 短视频开头 3 秒 (V2.9.66 6.6 段高唤醒情绪) — 哪些冲突能抓住注意力