市场营销人员用 AI 分析用户评价：把几百条评价变成改进清单
负责品牌传播、投放和内容营销的市场人员，日常工作里要在品牌调性、投放渠道和预算之间反复权衡，文案、方案和复盘材料产出压力大。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。下面以市场营销人员的真实场景为例，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
市场营销人员手上有几百条目标消费者的评价和反馈，好评、差评、建议混在一起。市场总监想知道大家最不满意的是什么、应该先改哪里。而且市场营销人员手上通常同时压着“制作新品对比测评内容”之类的事情，如果每次都从零开始，很容易顾此失彼。
推荐工具
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
下面这个例子是虚构的：小李遇到的难题是“新品上市日期可能顺延，传播节奏需要预留调整空间”。为了不让它拖慢“协调 3 家媒体发布新闻稿”的进度，小李决定借助 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（市场总监）、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。
分步操作
- 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
- 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
提示词的关键是把背景、要求和输出格式写清楚：
【背景】当前的难点是：新品上市日期可能顺延，传播节奏需要预留调整空间。
下面是 300 条目标消费者评价（已脱敏），我是市场营销人员。
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，先在提示词里补充市场总监的具体要求或给出一个参考样例，再生成一次。
注意事项与技巧
- 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。
给市场营销人员的特别提醒
要求 AI 给出不同角度的卖点表达，用于 A/B 测试而不是只要一版。另外，广告文案要符合广告法，避免“最”“第一”等绝对化用语，AI 生成后要做合规检查。
还可以这样用
- 月度追踪：每月固定一套提示词，观察主题变化趋势。
- 评价回复：针对负面评价批量起草个性化回复。