游戏开发者用 AI 分析用户评价：提示词与分析示例
作为在小团队或独立工作室做游戏的开发者，你可能也有同感：策划、程序、美术、文案和社区运营都要兼顾，原型迭代时间紧。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。这篇文章用一个完整的例子演示游戏开发者如何借助 AI 分析用户评价：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
游戏开发者手上有几百条玩家的评价和反馈，好评、差评、建议混在一起。制作人想知道大家最不满意的是什么、应该先改哪里。对游戏开发者来说，这类需求往往和“整理玩家测试反馈”“设计新手引导关卡”这些事挤在同一周，留给它的时间并不多。
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。
举个例子
下面这个例子是虚构的：老何遇到的难题是“美术资源外包进度慢，可能影响试玩版时间”。为了不让它拖慢“整理玩家测试反馈”的进度，老何决定借助 AI 分析用户评价。第一次只写了一句简单的要求，结果很空泛；第二次把对象（制作人）、目的和限制条件都写清楚，输出就可用多了。这也是本文提示词模板要把背景写全的原因。
操作步骤
- 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
- 让 AI 每类挑出有代表性的原话
- 根据频次和影响确定改进优先级
可复用的提示词
把方括号和括号里的内容换成你自己的信息即可：
【背景】当前的难点是：美术资源外包进度慢，可能影响试玩版时间。
下面是 300 条玩家评价（已脱敏），我是游戏开发者。
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）
示例输出（仅供示意）
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
这样的输出只是起点。真正用到“整理玩家测试反馈”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。
注意事项与技巧
- 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。
- 改进后持续跟踪同一主题的评价变化。
给游戏开发者的特别提醒
写游戏逻辑时让 AI 给出伪代码和边界情况，再落实到具体引擎。同时要记住：AI 生成的美术和文本在商业游戏中使用前，要确认工具的商用授权和平台政策。
还可以这样用
- 竞品评价对比：用同样方法分析竞品的公开评价。
- 月度追踪：每月固定一套提示词，观察主题变化趋势。