电商经营工作台经营决策中枢
经营路径

情报 → 判断 → 选品 → 上架

经营主流程

AI 情报今日工作台方法库经营 Agent任务记录PDD 采价记录候选商品上架商品价格换算物流价格浏览器任务订单管理

治理与复盘

规则库规则建议运行日报任务控制台策略配置
登录

经营与 AI 决策视角

电商经营工作台
AI情报工作台选品池上架
返回方法库

方法详情

Amazon 评论 VOC 痛点密度缺口筛选法

如果某个细分类目中大量评论反复出现同类痛点,而这些痛点可通过材质、尺寸、包装、清洁便利性、耐用性或说明体验改善,则该细分类目存在可验证的差异化选品机会。
领域:选品潜力款筛选可创建经营任务候选可创建经营任务
可执行性
89
CEO:可创建经营任务候选

决策路径

系统审核结论

可创建经营任务候选

决定是否展示创建经营任务入口。

我的处理状态

可创建经营任务

只代表人工跟进意图,不会单独解锁创建入口。

下一步

可以创建经营任务

下面可以直接创建选品或经营任务。

来源

平台:GitHub

作者/项目:mguozhen/voc-amazon-reviews

去重使用的来源链接:

https://github.com/mguozhen/voc-amazon-reviews

适用范围

市场:US

平台:Amazon

类目:Home & Kitchen, Pet Supplies, Outdoor & Sports

审核分解

来源可信度:12/20

步骤清晰度:23/25

结构化程度:20/20

边界清晰度:14/15

执行可行性:20/20

我的处理状态

当前:可创建经营任务。处理状态用于记录人工判断;是否能创建经营任务,仍以页面上方“系统审核结论”为准。

创建选品任务

仅用于选品方法:创建后会进入商品候选生成链路。非选品的运营、广告、数据分析方法不会套用这个模板。

已创建任务

当前方法还没有创建选品任务。

CEO 审核结论

虽然来源非官方,但评论 VOC 的输入、标签、评分和排除规则高度结构化,适合做第一版方法 任务 的痛点挖掘模块。

后续可拆为 review collector、VOC tagger、pain density scorer、risk gate 四个步骤;第一版只保存方法,不创建具体选品 Agent。

筛选步骤

  1. 1.限定 Amazon US 与允许类目,只研究 Home & Kitchen、Pet Supplies、Outdoor & Sports。
  2. 2.从目标细分类目收集 头部商品页 的评论文本,优先采集 1-3 星评论和最近 90-180 天评论。
  3. 3.用 VOC 分析提取重复痛点、正向满意点、退货/破损/尺寸/材质/清洁/耐用性等标签。
  4. 4.计算痛点密度:同类痛点出现频次、覆盖 商品页 数、近期增长趋势和差评占比。
  5. 5.判断痛点是否可被产品层面解决,区分可改进痛点与不可控痛点。
  6. 6.加入排除规则:合规、专利、电子、尺码高退货、危险品、过高售后复杂度。
  7. 7.输出细分类目机会、痛点标签、可解决性评分和人工复核清单,不输出具体商品推荐。

判断指标

  1. 1.痛点重复频次
  2. 2.痛点覆盖 商品页 数
  3. 3.低星评论占比
  4. 4.近 90-180 天痛点出现比例
  5. 5.痛点可解决性
  6. 6.类目合规复杂度
  7. 7.退货风险信号

输入数据要求

  1. 1.Amazon US 目标类目关键词或 ASIN 列表
  2. 2.评论文本与星级
  3. 3.评论时间
  4. 4.商品页 类目路径
  5. 5.价格区间
  6. 6.review 数量
  7. 7.风险词表
  8. 8.允许类目与排除类目配置

排除规则

  1. 1.排除 Electronics
  2. 2.排除高退货 fashion
  3. 3.排除医疗功效、儿童安全、食品接触等高合规复杂方向
  4. 4.排除痛点主要来自物流延误或卖家服务而非产品本身的方向
  5. 5.排除需要专利或品牌授权才能解决的痛点
  6. 6.排除评论样本量过少导致统计不稳定的细分类目

风险与适用边界

  1. 1.评论样本可能受到刷评、促销或竞品攻击影响。
  2. 2.VOC 工具输出需要人工复核,不能直接等同真实需求。
  3. 3.可解决痛点仍需供应链验证。
  4. 4.评论抓取和分析需遵守平台条款。
  5. 5.痛点密度高也可能意味着类目本身天然售后复杂。

来源摘要与执行说明

该 GitHub 项目定位为 Amazon review analyzer / 任务-native VOC 工具,支持 ASIN 或 CSV 输入,并围绕电商评论做 VOC 分析,适合抽取痛点、情绪和改进方向。

输出格式:JSON: {nicheLabel, painPointClusters, painDensityScore, solvabilityScore, recentReviewWindow, exclusionFlags, riskNotes, actionabilityScore}

执行示例:任务 输入 Pet Supplies 某细分关键词和 ASIN 集合,聚合低星评论中的重复痛点,输出痛点密度、可解决性和风险边界,不列具体商品。