小老板用 AI 分析用户评价：提示词与分析示例
对经营十几人规模小公司或门店的老板来说，既要管业务又要管人和钱，很多文书、制度、宣传材料没有专人负责。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小老板如何借助 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。
场景：小老板为什么需要 AI 分析用户评价
小老板手上有几百条顾客的评价和反馈，好评、差评、建议混在一起。合伙人和员工想知道大家最不满意的是什么、应该先改哪里。对小老板来说，这类需求往往和“安排门店国庆活动”“制定第四季度销售目标”这些事挤在同一周，留给它的时间并不多。
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
先看一个虚构但很典型的例子。老张是一位经营十几人规模小公司或门店的老板，这周手头的事情包括“安排门店国庆活动”和“制定第四季度销售目标”，偏偏这时又需要分析用户评价。老张没有从空白页开始，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，老张特别留意不把员工个人信息、公司账目和合同细节放进对话里。
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
- 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】身份：经营十几人规模小公司或门店的老板；平时主要和顾客和合伙人和员工打交道。
下面是 300 条顾客评价（已脱敏），我是小老板。
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）
以下是一段示意性的输出，内容基于虚构的工作记录，仅用于展示格式和思路，实际结果会因工具和输入不同而变化：
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
拿到类似的结果后，老张的做法是先核对事实和数字，再结合“制定第四季度销售目标”的安排调整重点，最后才对外使用。
实用技巧与常见坑
- 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。
- 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。
给小老板的特别提醒
涉及制度和合同的内容，用 AI 打底稿后最好请专业人士过目。另外，劳动用工、税务和合同相关内容涉及法律责任，AI 的回答只能参考，不能替代专业意见。
变体用法
- 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。