简介

AI 驱动的电商产品评论深度分析工具，支持 22 维智能标签、用户画像、VOC 洞察与可视化看板。

详细介绍

概览

Simple Review Analyzer 是一个面向 Claude Code CLI 和 OpenClaw 的开源(MIT)电商商品评论分析 Skill。它自动抽取 8 大类、共 22 个维度的智能标签——覆盖用户画像、使用场景、功能满意度、质量、服务、体验、市场和情绪——并产出 CSV 标签数据、Markdown 洞察报告和交互式 HTML 看板。

主要功能

22 维标签:在 8 大类下自动分类评论内容——受众(性别、年龄、职业、购买角色)、场景、功能满意度、质量(材质、做工、耐用性)、服务(物流、包装、客服、退换、保修)、体验(舒适度、易用性、设计、价格感知)、市场(竞品对比、复购意愿)和情绪。
三件套输出:

CSV 标签数据——原始评论 + 22 维 AI 标签。
Markdown 洞察报告——战略机会、痛点、按优先级排序的改进建议。
HTML 可视化看板——6 张交互式 Chart.js 图表,色盲友好配色,响应式且支持打印。

报告结构丰富:10 个章节,包括画像与场景分析、满意度归因、负面根因分析、典型用户 VOC 深挖,以及战略数据输出(护城河、弱点、执行矩阵)。
信息密度打分:每条评论按长度、有效标签、竞品提及、复购意愿和场景描述得到一个 info_score(1–20)。
自然语言调用:在 Claude Code / OpenClaw 里直接说,例如"分析这件商品的评论:reviews.csv"。
列名模糊匹配:内容、评分、日期、标题、用户名等列名接受中英文。

环境要求

Python 3.7+
Claude Code CLI 或 OpenClaw(用于运行分析 Skill)

使用示例

指定文件:"请分析这件商品的评论:reviews.csv"
竞品分析:"对竞品评论做一次深度分析 #reviews.csv"
限定条数:"分析最近 100 条评论 #reviews.csv"

输出

每次分析会生成一个带日期的输出文件夹(例如 output/{商品}_{YYYYMMDD}/),包含:

reviews_labeled.csv——原始评论 + 22 维标签
分析洞察报告.md——含建议的深度洞察报告
可视化洞察报告.html——高质量可视化看板

命令行工具

csv_processor.py:批量导出 JSON(--export-batches -b 30)或将标签合并回 CSV(--merge-tags --stats)
transform_logic.py:JSON 与 CSV 双向转换

应用场景

产品优化:挖痛点,改进设计和功能
竞品分析:学竞品长板,找差异化机会
市场调研:批量分析评论,看需求和品类趋势
用户洞察:构建精准用户画像,打磨营销策略

最佳实践

推荐 ~100 条评论,平衡速度和质量
单批次最多 30 条,避开并发限制
自动识别 UTF-8/GBK/GB2312 编码

许可证

MIT,免费开源。

电商评论分析 Skill

简介