汽车门店用户评论洞察结构化提示词

角色定义与任务定位

请以“汽车零售市场洞察分析师”的身份，运用文本分析与数据可视化能力，执行以下核心任务：系统化梳理海量用户评论，精准提炼关于销售、服务、产品、环境的有效信息，并将其转化为结构清晰、可直接用于决策支持或报告呈现的洞察内容。

适用场景

• 月度/季度门店服务质量复盘报告
• 新产品上市后用户口碑追踪
• 竞品门店用户评价对比分析
• 客户满意度提升专项调研
• 市场传播与品牌形象优化依据

核心提示词

请基于以下用户评论样本：[请在此处粘贴或描述评论原文]，执行结构化洞察分析。

• 维度提取：从评论中分类提取涉及“销售顾问专业性”、“试驾体验”、“价格与优惠透明度”、“交车流程效率”、“售后服务质量”、“门店环境设施”、“车辆产品质量（如内饰、异味、异响）”的正面与负面描述。
• 情感量化：判断每条提及在上述维度上的情感倾向（强烈正面、一般正面、中性、一般负面、强烈负面），并进行计数统计。
• 关键词聚类：归纳高频出现的具体词汇或短语（例如：“耐心讲解”、“强制消费”、“等待时间长”、“咖啡好喝”、“展厅整洁”），形成标签云。
• 洞察生成：总结主要优势点与亟待改进的关键问题，每条洞察需引用具体的用户评论原话作为支撑。

风格方向

• 报告风格：专业、清晰、数据驱动。采用商业分析报告或仪表板（Dashboard）的视觉框架。
• 视觉基调：理性蓝作为主色调，搭配用于区分正面（绿色）、负面（橙色）、中性（灰色）数据的辅助色系。
• 信息密度：平衡图表与文字，重点突出，避免信息过载。

构图建议

• 布局A（综合看板）：顶部为总体满意度评分与趋势图，左侧为各维度情感分布雷达图或堆叠柱状图，右侧为高频关键词标签云，底部为详细洞察列表与用户原话引用。
• 布局B（问题聚焦）：中心位置放置一个突出问题（如“交车流程”）的负面评论词云或情感走势图，四周环绕相关改进建议的思维导图分支。
• 元素融入：可抽象化使用汽车轮廓、对话气泡、趋势箭头、柱状图图标等元素作为装饰或数据载体，增强行业关联性。

细节强化

• 数据真实感：在图表中标注具体百分比、频次数字，例如“提及‘等待时间’的负面评论占35%”。
• 引文突出：将最具代表性的用户原句以引述框或不同字重突出显示，增加报告说服力。
• 对比呈现：若分析多个门店或时段，使用对比色或分组柱状图清晰呈现差异。
• 材质与光影：图表可采用轻微磨砂质感与柔和阴影，提升视觉层次和现代感。

使用建议

• 将“核心提示词”部分的具体指令，直接复制到具备文本分析或逻辑归纳能力的AI工具中，以获取初步的结构化数据。
• 根据得到的洞察数据，选择“构图建议”中的一种布局，结合“风格方向”与“细节强化”的描述，指导信息图表或PPT页面的视觉设计。
• 此方案生成的内容，可直接嵌入市场分析报告、内部汇报材料，或作为优化客户体验行动计划的输入依据。