餐饮店主用 AI 分析用户评价：提示词与分析示例
作为经营一家中小型餐厅或饮品店的店主，你可能也有同感：菜单、促销、点评回复、员工培训和成本控制都要操心，很少有时间做营销。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。下面以餐饮店主的真实场景为例，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
餐饮店主手上有几百条食客的评价和反馈，好评、差评、建议混在一起。店长和厨师长想知道大家最不满意的是什么、应该先改哪里。现实中，餐饮店主还得兼顾“调整周末排班”等日常事务，所以更需要一套拿来就能用的方法。
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。
上传前删除用户昵称、联系方式和订单号；评价分类结果要人工抽查。
举个例子
设想一个虚构场景：老何刚接手一部分新工作，既要完成“推出 3 道秋季新品”，又要准备“策划店庆活动”。面对需要分析用户评价的任务，老何的做法是：先让 AI 按固定结构起草，再对照自己掌握的事实逐项修改，涉及顾客电话和会员信息的部分一律用代号替换。这样既节省了时间，也守住了准确性和隐私的底线。
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
- 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
下面的提示词可以直接复制，按餐饮店主的实际情况替换细节：
【背景】当前的难点是：部分食材价格上涨，需要调整采购或定价。
下面是 300 条食客评价（已脱敏），我是餐饮店主。
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）
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。
避坑指南
- 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。
给餐饮店主的特别提醒
把菜品的真实食材、口味和做法告诉 AI，菜单描述才有画面感又不失实。还有一点很关键：涉及食品安全、过敏原和价格的表述必须准确，宣传不要夸大功效。
举一反三
- 竞品评价对比：用同样方法分析竞品的公开评价。
- 产品需求：把高频建议整理成需求清单交给相关团队。