产品经理用 AI 分析用户评价：提示词与分析示例
作为负责需求分析、原型设计和版本推进的互联网产品经理，你可能也有同感：需求文档、用户反馈整理、竞品分析和各种对齐会议占满了时间，留给思考的空间很少。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。下面以产品经理的真实场景为例，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。
典型场景
产品经理手上有几百条用户的评价和反馈，好评、差评、建议混在一起。产品负责人想知道大家最不满意的是什么、应该先改哪里。
工具选择
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：刘哥遇到的难题是“开发资源被临时项目占用，积分改版可能延期一周”。为了不让它拖慢“整理上周 200 多条用户反馈并归类”的进度，刘哥决定借助 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（产品负责人）、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
- 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
提示词示例
把方括号和括号里的内容换成你自己的信息即可：
【背景】身份：负责需求分析、原型设计和版本推进的互联网产品经理；平时主要和用户和产品负责人打交道。
下面是 300 条用户评价（已脱敏），我是产品经理。
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）
下面是演示用的输出示例，其中的人名、数字和事项均为虚构，实际使用时请以你自己的资料为准：
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
注意示例中所有内容都是虚构的。实际使用时，AI 的输出质量取决于你提供的材料是否完整、要求是否具体。
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。
- 刷评和极端评价会影响结论，注意识别。
- 改进后持续跟踪同一主题的评价变化。
给产品经理的特别提醒
把目标用户、业务目标和约束条件写清楚，AI 生成的需求和方案才不会空泛。另外，AI 不了解你们的真实用户和业务数据，它提出的方案只能当作讨论起点。
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。
- 产品需求：把高频建议整理成需求清单交给相关团队。