昨晚你把差评从头翻到尾。
还是说不出该先改哪个。
这不是你不够用心。四十条说卡扣断，十二条说尺码不对，九条说箱子压扁了，还有一堆谁都管不了的，全混在同一个列表里，按写作时间排，没有任何计数。于是你改的是刚看完那条，或者语气最冲那条，三个月后卡扣还在断。缺的是对这一堆做算术：哪条抱怨、多少条、你到底动不动得了。
把那一堆按成因分好
「小」「紧」「偏窄」是同一条抱怨
按词频统计会拆成三堆，每堆看着都不够大，于是你每次都决定下个月再说。按买家的意思归堆就合回去了：尺码问题一下变成差评里的 19%，而不是三个各占 6%、一直被你往后推的小项。每堆下面挂着原始评论，数字让你意外的时候，直接翻回去看。
主图误导不是客服的问题
每堆都会标上「要动的是谁」：文案、主图、产品本身、包装，还是客服话术。这件事要紧，因为这几类的成本根本不是一个量级。改一条 bullet 二十分钟；换卡扣是开新模、打样、再等八周。开工前先知道这条抱怨落在哪个桶里，决定就已经做掉大半。
然后它写出改动，而不是一张图表
尺码那堆交给 listing skill，写出「实际尺寸多少」那条 bullet，和把这个问题堵在变成退货之前的那条 FAQ。主图那堆交给 creative skill 出替换图 brief。两边都会带着证据落成 To-do，一个月后你能看到自己真上线了哪些、那个数字有没有降。
评论分析容易在哪儿出错
下面四条写在 skill 定义里，因为每一条都是「产出一个看着很确信、其实没意义的数字」的方式。
四十条评论不等于你的口碑
一个慢销 SKU 的三周，样本薄到撑不起任何百分比；只装了一星的文件，怎么切都不是情感分布。数据撑不起你问的那个问题时，它会直接说，而不是给你一张图。
它判断不了哪条是刷的
只凭文本，你能得到的是「看起来像有组织」的模式，仅此而已。任何号称能从评论文本判定刷评的产品，卖的是一个刷了置信度油漆的猜测。真怀疑被人操纵，路径是向平台举报，不是看一个看板。
它不替你去抓任何东西
默认它只读你放进文件夹的那个文件，别的不碰。自动采集在你确认平台条款和自身授权之前保持关闭；登录、验证码、频率限制一律不绕。实际上没听上去那么要紧：Voice of the Customer 加评价导出，基本够用。
改完不等于评分会涨
你拿到的是：这条抱怨、它占多少、证据、以及要改什么。评分动不动，取决于你的出单量、老评论还要在均值里压多久、以及你改的是不是真因。跟你保证「涨一星」的，都是在卖东西。
已经把导出打开了的人会问的
非得接 API 吗，还是把 CSV 丢进去就行？
丢 CSV 就行，多数人就是这么用的，完全不用配置。想省掉下载那一步的话，Seller Central、Shopify、eBay、Etsy、Walmart、WooCommerce 都有连接器，但配置方式因平台而异。WooCommerce 使用店铺后台生成的 REST API 密钥，无需另行注册开发者应用。
我已经在把评论粘进 ChatGPT 了，这有什么不一样？
ChatGPT 可以保留会话，也支持上传文件。在 Orkas 中，评论分组可以转成项目待办，Listing 修改和源文件放在同一个工作区，便于追踪各次分析之间的变化。
买家数据会去哪？
文件保留在你的文件夹中，但 agent 读取的内容可能发送给你选择的模型供应商。交给 agent 前，请从导出文件中移除不必要的姓名、订单号和地址。评论分析技能要求模型在输出中省略个人标识，但这不保证模型收到文件内容前已完成脱敏。
能拿竞品的评论跑吗？
能，而且常常比看自己的更有用——对手没修的抱怨就是你的卖点。两份文件都放进去，分堆会并排比，能把「你的产品有问题」和「这个类目本来就这样」分开。获取上同样一条线：平台允许你导出的才行。
多少钱？
应用免费，MIT 开源。模型调用对谁都要花钱，包括我们：要么接你自己的 OpenAI、Anthropic、Google 账号直接付给他们，要么用 Orkas 的套餐。不按评论条数或报告份数收费——文件四千行的时候，这条挺要紧。