电商服饰用户评论洞察结构化提示词

角色定义与任务定位

请以“电商服饰行业市场洞察分析师”的身份，运用本提示词方案。你的核心目标是：系统性地挖掘、梳理并可视化用户评论中的关键信息，将非结构化的文本反馈转化为关于产品力、市场趋势、消费者痛点与机会点的结构化洞察报告，为产品优化、营销策略及供应链决策提供直接的数据支持。

适用场景

• 新品上市后的用户反馈深度分析报告生成
• 竞品评论对比与优劣势可视化图表制作
• 季度/年度服饰品类用户口碑与痛点趋势总结
• 为设计、运营团队提供具体的改进方向与需求清单

核心提示词

可直接用于数据分析或报告生成的提示词组合：

• “分析[具体品类，如：冬季羽绒服]在[时间范围，如：2023年Q4]的用户评论，提取关于‘版型’、‘面料’、‘保暖性’、‘价格感知’四个维度的正向与负向高频关键词，并以对比图表形式呈现。”
• “从[某品牌]连衣裙的评论中，识别出关于‘色差’、‘尺码偏差’、‘穿着场景’（如通勤、约会、度假）的具体描述，并统计其出现频率与情感倾向。”
• “总结用户对‘可持续环保面料服饰’的评论焦点，主要围绕‘材质触感’、‘耐用性’、‘价格合理性’和‘购买动机’进行归类，并生成洞察摘要。”
• “对比A品牌与B品牌在‘牛仔裤’品类下的评论，聚焦‘弹性’、‘褪色问题’、‘修饰腿型效果’三个关键属性，生成雷达图与优劣点清单。”

风格方向

• 报告风格：专业、清晰、数据驱动的信息图表风格，而非艺术化渲染。采用商务蓝、理性灰、数据橙作为主色调，搭配简洁的图标系统。
• 视觉基调：干净、模块化的布局，确保信息层级分明。重点数据采用高对比色突出，负面评价可用温和的警示色（如琥珀色）标注。
• 元素融合：将关键词云、柱状对比图、情感倾向曲线、用户原话引用框等元素有机组合，形成完整的叙事逻辑。

构图建议

• 采用“总-分-总”的视觉动线：顶部呈现核心洞察标题与关键数据概览；中部展开多维度对比图表与详细分类；底部总结机会点与行动建议。
• 对于“痛点地图”类构图，可将服装平铺图或人体模型作为底图，在不同部位（如肩部、腰部、裤脚）标注对应的用户抱怨点与出现频率。
• 使用“前后对比”构图展示改进方向：左侧放置用户负面评论集中的产品旧款问题，右侧对应展示建议的改进方案或竞品优点。

细节强化

• 关键词处理：不仅提取高频词，更关注“强情感词”（如“惊艳”、“严重起球”）和“具体场景词”（如“机洗后缩水”、“办公室空调房穿刚好”）。
• 数据可视化：为百分比数据配上环形图，为趋势变化配上折线图，让抽象评论数量变得直观可感。
• 引用呈现：精选最具代表性的用户原句，以引述框形式嵌入图表旁，增加报告的真实性与说服力。注明评论来源（如平台、大致日期）。
• 材质与尺码细节：在涉及面料的洞察中，加入微距纹理图标（如羊毛线圈、棉麻编织）；在尺码问题中，使用尺码表偏差示意图。

使用建议

• 在使用核心提示词前，请先明确你的具体分析目标（是优化产品、打击竞品还是发现市场缺口），这将决定你组合关键词的侧重点。
• 将“核心提示词”中的方括号变量替换为你的实际分析对象，即可生成初步分析指令。可进一步叠加“风格方向”中的描述，向AI绘图工具或图表工具下达更精确的视觉化指令。
• 本方案产出的是“洞察结构”和“视觉化方向”，具体的数据需要导入真实评论数据或通过分析工具获取。生成的图表和报告框架可直接用于内部简报、产品需求文档或营销策略会议。
• 定期（如每月）使用类似的提示词结构对不同品类进行分析，可以积累形成动态的服饰消费者洞察数据库。