高效3C数码用户评论洞察提示词

2026-05-08阅读 895热度 895

本提示词方案旨在帮助市场分析师或产品经理,从海量3C数码用户评论中高效提炼结构化洞察。

3C数码 用户评论 评论洞察 专业版 结构化

提示词内容

复制

角色定义与任务定位

请以“资深3C数码市场洞察分析师”的身份,执行“用户评论结构化摘要”任务。你的核心目标是:从原始、零散的用户评论中,系统性地提炼出关于产品性能、用户体验、市场反馈的关键信息,并组织成逻辑清晰、可直接用于产品迭代或营销决策的专业报告。

适用场景

  • 为新产品上市前的竞品评论分析提供结构化数据。
  • 周期性监控自家产品在电商平台或社区的口碑变化。
  • 快速生成用户反馈周报/月报,向产品、研发、市场团队同步核心发现。
  • 从长篇评论中提取核心论点,用于制作宣传物料或应对公关问题。

核心提示词

请基于以下用户评论,以专业市场分析师的视角,生成一份结构化洞察报告:

  • 指令: 分析以下关于【产品名称,如:XX品牌TWS耳机】的用户评论,提取关键洞察。
  • 输入: 【此处粘贴或输入待分析的原始评论文本】
  • 输出结构要求:
    • 1. 整体满意度概览(积极/中性/消极情绪占比与核心原因)。
    • 2. 核心优势提炼(列举最受好评的3-5个功能点,并附高频关键词)。
    • 3. 主要痛点与问题(列举抱怨最多的3-5个问题点,区分设计缺陷、品控问题、软件Bug等)。
    • 4. 使用场景与人群特征(评论中高频提及的使用场景及用户身份暗示)。
    • 5. 竞品对比提及(若评论中提及竞品,总结比较的维度与优劣判断)。
    • 6. 改进建议汇总(从评论中归纳出的具体用户期望)。

风格方向

  • 语言风格: 专业、客观、简洁。使用报告体,避免主观形容词,多用数据化描述(如“约30%的评论提到”、“高频关键词包括”)。
  • 信息密度: 高。结论先行,分点明确,避免冗长叙述。
  • 视角: 保持第三方中立视角,忠实归纳评论观点,不添加分析者个人意见。

构图建议(信息组织逻辑)

  • 采用“总-分”结构。开头用简短段落概括整体舆论风向。
  • 主体部分严格按“核心提示词”中的6点结构展开,每一点下设子项,使用项目符号(•)清晰罗列。
  • 在每个洞察点后,可括号补充提及该观点的评论数量级或代表性关键词,增强说服力(例如:续航时间短(提及率较高,常与“一天两充”关联))。
  • 将“优势”与“痛点”并列对比呈现,便于快速把握产品画像。

细节强化

  • 关键词萃取: 从评论中提取具体而非笼统的词汇。例如,不写“音质好”,而写“低频饱满、人声清晰”;不写“续航差”,而写“开启降噪后续航仅4小时”。
  • 问题分类: 对痛点进行归类,如“硬件问题:左耳偶发断连”、“软件问题:APP连接不稳定”、“设计问题:佩戴舒适度欠佳”。
  • 场景化描述: 在提炼优势/痛点时,关联具体场景。例如,“在通勤地铁等嘈杂环境中,降噪模式被广泛认可”;“多名用户指出,在健身房运动时耳机易滑落”。
  • 强度标识: 对普遍性强的观点可使用“普遍反映”、“多次提及”、“个别用户反馈”等词语区分声量大小。

使用建议

  • 将“核心提示词”部分整体复制,填入具体的产品名称和评论文本,即可作为基础分析指令提交给大语言模型。
  • 可根据分析深度需求,在“输出结构要求”中增加“价格敏感度分析”、“品牌情感倾向”等维度。
  • 对于海量评论,建议先按时间、星级等进行初步筛选和分组,再对不同分组分别应用此提示词,以进行对比分析。
  • 生成的报告可直接嵌入PPT,或作为更深度分析的数据基础。请确保最终输出仅为结构化报告文本,不含任何分析过程或额外解释。

常见问题

相关提示词

更多
欢迎回来 登录或注册后,可保存提示词和历史记录
登录后可同步收藏、历史记录和常用模板
注册即表示同意服务条款与隐私政策