电商卖家用 AI 分析用户评价：提示词与分析示例
在电商平台经营网店的个体卖家或小团队，日常工作里上新、写详情页、做主图、回复买家、分析评价全都要自己来，人手永远不够。用户评价里藏着最真实的改进方向，但一条条看太慢，凭印象又容易被个别极端评价带偏。下面以电商卖家的真实场景为例，演示用 AI 分析用户评价的完整流程：把脱敏后的评价批量交给 AI，按主题和情绪分类统计，再提炼出优先级明确的改进建议。
使用场景
电商卖家手上有几百条买家的评价和反馈，好评、差评、建议混在一起。合伙人想知道大家最不满意的是什么、应该先改哪里。
用什么工具
评价数量不多时可以直接粘贴给对话助手；数量较多时，用支持文件上传和代码运行的 AI 工具（如 ChatGPT 的数据分析功能）或表格内置的 AI 功能更合适。
一个虚构的例子
先看一个虚构但很典型的例子。安琪是一位在电商平台经营网店的个体卖家或小团队，这周手头的事情包括“分析上月退货原因”和“拍摄新品场景图”，偏偏这时又需要分析用户评价。安琪没有从空白页开始，而是先花几分钟把相关材料整理好，按下面的提示词交给 AI，拿到初稿后对照原始资料逐条核对，再补上自己的判断。整个过程中，安琪特别留意不把买家收货信息、供应商价格和平台后台数据放进对话里。
具体怎么做
- 导出评价，删除昵称、联系方式和订单号
- 先让 AI 读一部分样本，提出分类体系
- 确认分类后让 AI 对全部评价分类并统计
- 根据频次和影响确定改进优先级
提示词模板（可直接复制）
下面的提示词可以直接复制，按电商卖家的实际情况替换细节：
【背景】身份：在电商平台经营网店的个体卖家或小团队；平时主要和买家和合伙人打交道。
下面是 300 条买家评价（已脱敏），我是电商卖家。
请：
1. 先阅读评价，提出 6-8 个主题分类（如质量、服务、价格、体验等），每类给出定义
2. 对每条评价标注主题（可多选）和情绪（正面 / 中性 / 负面）
3. 统计每个主题的提及次数和负面占比，用表格展示
4. 每个主题挑选 2 条有代表性的原话
5. 给出 3 条改进建议，按优先级排序，说明理由
统计结果请如实计算，不要估算。
评价：
（粘贴评价）
AI 输出示例（示意）
示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：
主题统计（示意）
主题 提及次数 负面占比 等待时间 86 72% 服务态度 64 25% 价格 41 46% 质量 58 31% 代表性原话
- 等待时间：“整体不错，就是等得太久了。”
- 服务态度：“工作人员很耐心，解释得很清楚。”
改进建议
- 优先解决等待时间问题——提及多且负面占比高
- 价格方面加强说明，减少“不划算”的误解
- 保持服务态度优势，把好的做法写进培训
如果结果不理想，不要急着换工具，先在提示词里补充合伙人的具体要求或给出一个参考样例，再生成一次。
实用技巧与常见坑
- 评价中可能包含个人信息，必须脱敏后再交给 AI。
- 没有代码执行能力的 AI 统计数字可能不准，要求它展示计算或用工具计算。
- 先确定分类体系再全量分类，结果更一致。
给电商卖家的特别提醒
给 AI 提供商品的真实参数、材质和使用场景，避免写出夸大或不符的描述。另外，商品描述需遵守平台规则和广告法，功效、材质、认证信息必须真实可证。
一个容易被忽略的习惯：用 AI 批量分析差评关键词，比一条条翻评价快得多。
举一反三
- 评价回复：针对负面评价批量起草个性化回复。
- 产品需求：把高频建议整理成需求清单交给相关团队。