Вчера вечером вы прочитали все отзывы на одну звезду.
Но всё ещё не знаете, что исправлять первым.
Дело не в дисциплине. Сорок жалоб на застёжку, двенадцать на размер, девять на помятую при доставке коробку и россыпь того, с чем никто ничего не мог сделать, приходят одним списком, по порядку написания, без подсчёта. Поэтому вы исправляете последнее прочитанное или жалобу самого злого клиента, а через три месяца застёжка всё ещё ломается. Не хватает арифметики: какая жалоба, сколько их и можете ли вы действительно повлиять на причину.
Отзывы, рассортированные по причинам
«Маленький», «тесный» и «узкий» — одна жалоба
Подсчёт слов делит её на три, и ни одна не кажется достаточно значимой. Группировка по смыслу объединяет их обратно: размер оказывается причиной 19% негативных отзывов вместо трёх отдельных пунктов по 6%, которые вы откладывали до следующего месяца. Каждая группа содержит исходные цитаты, поэтому при неожиданном числе можно прочитать реальные отзывы и проверить.
Вводящее в заблуждение фото — не проблема службы поддержки
У каждой группы отмечается, что нужно менять: текст, изображения, продукт, упаковку или шаблон ответа. Это важно, потому что затраты несопоставимы. Переписать пункт — двадцать минут. Изменить застёжку — новая форма, цикл образцов и восемь недель. Знать категорию жалобы до начала — уже большая часть решения.
Затем он пишет исправление, а не строит график
Группа жалоб на размер передаётся навыку карточек: он пишет пункт с реальным размером и ответ FAQ, снимающий вопрос до возврата. Группа по фото идёт навыку креативов для задания на новое изображение. Оба результата становятся задачами с прикреплёнными подтверждениями, чтобы через месяц было видно, что вы внедрили и снизилось ли число жалоб.
Где анализ отзывов ошибается
Эти четыре пункта записаны в самом навыке, поскольку каждый описывает способ получить уверенное, но бессмысленное число.
Сорок отзывов — не ваша репутация
Три недели по медленно продающемуся SKU дают слишком малую выборку для процентов, а файл только с однозвёздочными отзывами не отражает распределение настроений, как его ни дели. Если числа не позволяют ответить на вопрос, вам сообщат об этом вместо графика.
Он не определяет, какие отзывы фальшивые
Один текст показывает лишь закономерности, похожие на согласованные действия. Выявление поддельных отзывов только по тексту — догадка с нарисованной оценкой уверенности. При реальном подозрении на манипуляцию путь — жалоба платформе, а не панель показателей.
От вашего имени ничего не собирается автоматически
По умолчанию читается только файл в указанной папке. Автоматический сбор выключен, пока вы не подтвердите условия платформы и свои полномочия; вход, капчи и лимиты запросов никогда не обходятся. На практике это менее существенно, чем кажется: Voice of the Customer и выгрузка отзывов покрывают большую часть потребностей.
Внедрение исправления не обещает роста рейтинга
Вы получаете жалобу, её долю, подтверждения и необходимые изменения. Изменится ли рейтинг, зависит от объёма продаж, того, как долго старые отзывы влияют на среднее, и устранения реальной причины. Тот, кто обещает вам звезду, что-то продаёт.
Вопросы продавцов, уже открывших выгрузку
Нужно подключать API или достаточно добавить CSV?
Добавьте CSV. Так работает большинство пользователей, и настройка не нужна. Есть коннекторы Seller Central, Shopify, eBay, Etsy, Walmart и WooCommerce, если хотите убрать шаг скачивания, но настройка зависит от платформы. WooCommerce использует REST API-ключи из панели магазина без отдельной регистрации приложения разработчика.
Я уже вставляю отзывы в ChatGPT. В чём отличие?
ChatGPT может сохранять беседы и работать с загруженными файлами. В Orkas группы отзывов могут становиться задачами проекта; правки карточек и исходные файлы хранятся в той же рабочей области, чтобы отслеживать изменения между обзорами.
Куда попадают данные покупателей?
Файлы остаются в вашей папке, но прочитанное агентом содержимое может отправляться выбранному провайдеру модели. Удалите ненужные имена, номера заказов и адреса из выгрузок перед передачей агенту. Навык отзывов просит модель не включать личные идентификаторы в результат; это не гарантирует их удаления до получения содержимого файла моделью.
Можно ли анализировать отзывы конкурента?
Да, и часто это полезнее собственных отзывов: их неустранённые жалобы становятся вашими пунктами описания. Добавьте оба файла, и группы будут сопоставлены, отделяя проблемы вашего продукта от особенностей всей категории. Правило получения данных то же: только то, что платформа позволяет экспортировать.
Сколько это стоит?
Приложение бесплатно и открыто под MIT. Вызовы моделей стоят денег всем, включая нас: подключите свой аккаунт OpenAI, Anthropic или Google и платите им напрямую либо выберите тариф Orkas. Оплаты за отзыв или отчёт нет, что важно при файле из четырёх тысяч строк.
Выгрузка уже находится в папке загрузок
Бесплатно, macOS и Windows. Используйте свой ключ модели или тариф Orkas.