OrkasOrkas
DownloadGitHub

merch-review

Analyze user-uploaded or legally exported e-commerce reviews, ratings, follow-up reviews, and competitor feedback to produce sentiment distribution, negative-review root causes, pain-point clusters, competitor comparisons, improvement actions, and priorities; For: \"analyze these product reviews\", \"find why customers leave bad reviews\", \"compare competitor feedback\"; Triggers: merch review, review analysis, negative reviews, VOC, customer feedback, rating data, competitor reviews, reputation analysis

Category: E-commerce · Version 1.0.0

Get this in the Orkas app

What this skill does

商品评论分析

用于电商评论和用户反馈数据分析。核心任务是从用户提供或合法导出的评论中识别口碑结构、差评原因、痛点主题和可执行改进方向。

何时使用

  • 用户上传淘宝、京东、拼多多、Amazon、Shopee、Shopify 等平台的评论表格、CSV、订单评价导出或授权 API 返回数据。
  • 用户希望分析好评/中评/差评分布、情感、差评归因、产品痛点、物流客服问题、竞品评论差异。
  • 用户要把评论分析结果转成商品优化、客服 FAQ、主图/详情页优化、listing 改写或新品迭代建议。

不用于默认抓取受限平台评论、不绕过登录/反爬、不输出未脱敏个人信息、不保证建议一定提升评分或销量。

如何调用

  1. 先确认数据来源是否合法：用户上传、平台后台导出、授权 API 或公开可访问数据。来源不清时先要求说明。
  2. 读取字段并识别商品、店铺、平台、评分、评论正文、时间、规格、用户标识、订单号、追评、图片/视频标记。
  3. 对敏感字段脱敏：用户名、手机号、订单号、地址、昵称 ID 等只保留必要聚合信息。使用 references/review-data-privacy.md。
  4. 统计评论量、平均评分、好评/中评/差评分布、时间趋势和平台/商品/店铺分组。
  5. 按 references/voc-taxonomy.md 聚类主题，并识别样本偏差。
  6. 按 references/root-cause-and-actions.md 做差评归因和改进行动映射。
  7. 没有评分字段时，情感分类标为推断；样本过少或只包含差评时，不代表整体口碑。
  8. 返回结构使用 references/voc-output-templates.md。

返回格式

  • 数据来源和字段识别说明。
  • 样本概览：评论量、时间范围、平台/商品/店铺分布。
  • 评分和情感分布。
  • 高频好评驱动和高频差评主题。
  • 差评归因表：主题、证据片段、占比、影响、建议动作。
  • 多商品/多店铺/多平台对比矩阵。
  • 对 listing、主图、详情页、客服 FAQ、产品迭代的改进映射。
  • 改进优先级和数据限制。

外部依赖

  • 无必需外部依赖。
  • Excel、CSV、JSON、DOCX 可由当前会话可用的文件读取能力处理。
  • 自动采集评论需要用户确认平台授权、登录状态、平台条款和采集范围；默认不执行。

限制与已知问题

  • 静态评论文本无法完全判断真实购买、刷评或恶意评价，只能给风险信号。
  • 评论样本过少、时间跨度过短或只包含差评时，不能代表整体口碑。
  • 百分比必须说明分母。
  • 不展示完整个人信息，不把个体用户作为攻击对象。
  • 不承诺改进建议一定提升评分、销量或转化。

Files in this skill

  • references/review-data-privacy.md
  • references/root-cause-and-actions.md
  • references/voc-output-templates.md
  • references/voc-taxonomy.md
  • SKILL.md

Related Skills

How to use in Orkas

Open the Orkas desktop app, go to the marketplace, and install this item with one click. Don't have Orkas yet? Download Orkas.

分析用户上传或合法导出的电商评论、评分、追评和竞品评价数据，输出情感分布、差评归因、痛点聚类、竞品评论对比、页面/客服/商品改进建议和优先级；适合\"分析这批商品评论\"\"找差评原因\"\"对比竞品用户反馈\"；触发词：商品评论、评论分析、差评归因、VOC、用户反馈、评价数据、竞品评论、口碑分析

分类：电商 · 版本 1.0.0

在 Orkas 应用中获取

该技能的功能

商品评论分析

用于电商评论和用户反馈数据分析。核心任务是从用户提供或合法导出的评论中识别口碑结构、差评原因、痛点主题和可执行改进方向。

何时使用

  • 用户上传淘宝、京东、拼多多、Amazon、Shopee、Shopify 等平台的评论表格、CSV、订单评价导出或授权 API 返回数据。
  • 用户希望分析好评/中评/差评分布、情感、差评归因、产品痛点、物流客服问题、竞品评论差异。
  • 用户要把评论分析结果转成商品优化、客服 FAQ、主图/详情页优化、listing 改写或新品迭代建议。

不用于默认抓取受限平台评论、不绕过登录/反爬、不输出未脱敏个人信息、不保证建议一定提升评分或销量。

如何调用

  1. 先确认数据来源是否合法：用户上传、平台后台导出、授权 API 或公开可访问数据。来源不清时先要求说明。
  2. 读取字段并识别商品、店铺、平台、评分、评论正文、时间、规格、用户标识、订单号、追评、图片/视频标记。
  3. 对敏感字段脱敏：用户名、手机号、订单号、地址、昵称 ID 等只保留必要聚合信息。使用 references/review-data-privacy.md。
  4. 统计评论量、平均评分、好评/中评/差评分布、时间趋势和平台/商品/店铺分组。
  5. 按 references/voc-taxonomy.md 聚类主题，并识别样本偏差。
  6. 按 references/root-cause-and-actions.md 做差评归因和改进行动映射。
  7. 没有评分字段时，情感分类标为推断；样本过少或只包含差评时，不代表整体口碑。
  8. 返回结构使用 references/voc-output-templates.md。

返回格式

  • 数据来源和字段识别说明。
  • 样本概览：评论量、时间范围、平台/商品/店铺分布。
  • 评分和情感分布。
  • 高频好评驱动和高频差评主题。
  • 差评归因表：主题、证据片段、占比、影响、建议动作。
  • 多商品/多店铺/多平台对比矩阵。
  • 对 listing、主图、详情页、客服 FAQ、产品迭代的改进映射。
  • 改进优先级和数据限制。

外部依赖

  • 无必需外部依赖。
  • Excel、CSV、JSON、DOCX 可由当前会话可用的文件读取能力处理。
  • 自动采集评论需要用户确认平台授权、登录状态、平台条款和采集范围；默认不执行。

限制与已知问题

  • 静态评论文本无法完全判断真实购买、刷评或恶意评价，只能给风险信号。
  • 评论样本过少、时间跨度过短或只包含差评时，不能代表整体口碑。
  • 百分比必须说明分母。
  • 不展示完整个人信息，不把个体用户作为攻击对象。
  • 不承诺改进建议一定提升评分、销量或转化。

技能包含的文件

  • references/review-data-privacy.md
  • references/root-cause-and-actions.md
  • references/voc-output-templates.md
  • references/voc-taxonomy.md
  • SKILL.md

相关技能

如何在 Orkas 中使用

打开 Orkas 桌面应用，进入市场，一键安装此项。还没有 Orkas？ 下载 Orkas.