OnesvmWhoops cb6692c0c0 新增 voc_业务_2 报告流水线，并完善聚类与词频模块。

包含 Persona 锚定聚类、LLM 报告生成、方法论文档及 .gitignore 更新，便于在 Gitee 独立部署。

Co-authored-by: Cursor <cursoragent@cursor.com>

2026-06-15 17:12:39 +08:00

33 KiB

Raw Permalink Blame History

VOC 数据清洗、分析与报告生成通用方法论

文档版本：v1.0 · 2026-06-11
适用范围：亚马逊任意品类竞品 VOC 分析
数据来源：卖家精灵 / Shulex 导出的实时评论 CSV
报告输出：双层结构 HTML 报告（描述层 What + 分析层 Why）

原始数据结构
数据清洗规则
描述层 What — 分析逻辑
- 3.1 有效评论统计
- 3.2 用户画像（Persona）识别
- 3.3 正负反馈主题提取
- 3.4 情感关键词分析
分析层 Why — 分析逻辑
- 4.1 KANO 模型需求分类
- 4.2 JTBD 动机框架
- 4.3 人群 × 场景 × 需求矩阵
- 4.4 痛点根因分析
报告生成逻辑
- 5.1 HTML 整体结构
- 5.2 可视化组件
- 5.3 使用场景字段写入规则（核心规则）
执行 SOP（逐步操作流程）
关键阈值与判断规则速查表
新品类接入清单

1. 原始数据结构

文件命名规则

{ASIN}_realtime.csv

每个竞品 ASIN 对应一个独立文件，分析时批量读取同一目录下的全部文件。

CSV 字段说明

字段名	类型	说明
`asin`	string	亚马逊标准识别号，文件可能带 BOM 头（`\ufeffasin`），读取时须用 `utf-8-sig` 编码
`rating`	float（字符串形式）	评分，取值 `1.0` / `2.0` / `3.0` / `4.0` / `5.0`，须用 `float()` 转换，不能用 `int()`
`title`	string	评论标题
`content`	string	评论正文（主要分析字段）
`verified`	string	`"True"` / `"False"`，是否已验证购买
`vine`	string	`"True"` / `"False"`，是否为 Vine 评测
`review_date`	string	ISO 8601 格式，如 `2026-05-28T00:00:00+00:00`

2. 数据清洗规则

2.1 有效评论筛选（不可更改的核心规则）

只保留以下两类评论，其余全部排除：

def is_valid(row):
    return (
        row.get('verified', '').strip().lower() == 'true'
        or
        row.get('vine', '').strip().lower() == 'true'
    )

排除理由：未验证且非 Vine 的评论可能包含刷评、竞品恶意差评或未实际购买的猜测，会干扰真实用户体验数据。

2.2 差评 / 好评 / 中性评论定义

分类	星级	用途
好评（Positive）	★★★★★ / ★★★★	提取正向主题、魅力型需求、用户满意点
中性（Neutral）	★★★	单独记录，不进入主题频次统计
差评（Negative）	★★ / ★	主要分析对象，提取痛点主题和根因

2.3 新买家 vs 复购买家区分规则

类型	content 字段识别关键词
新买家	`first time` / `just got` / `just bought` / `new to`
复购买家	`reorder` / `bought again` / `second time` / `repurchase` / `keep buying`

两类买家的差评重点通常不同：

新买家 → 效果不符预期、开箱即坏、使用门槛高

复购买家 → 某个功能在长期使用后失效、品质下降

3. 描述层 What — 分析逻辑

3.1 有效评论统计

对每个 ASIN 分别计算，再汇总全市场数据：

指标	计算公式
有效评论数	通过 `is_valid()` 筛选后的总行数
加权平均评分	`Σ(各ASIN均分 × 各ASIN有效评论数) / 全市场有效评论总数`
差评率	`≤2星评论数 / 有效总数`
正评率	`≥4星评论数 / 有效总数`
各星级分布	1–5 星各自数量及占比

市场竞争状态判断：

加权均分	判断
< 3.5	市场存在严重系统性缺陷，是新品进入的明确窗口期
3.5 – 4.0	市场有改进空间，部分功能存在普遍短板
> 4.0	市场整体较成熟，需通过差异化或细分切入

3.2 用户画像（Persona）识别

识别方法

在评论 title + content 字段中搜索特征词，将评论人归入对应 Persona。一条评论可同时归入多个 Persona。

Persona 识别词的建立原则

阅读全部差评（≤2星），找出用户描述自身处境的词汇（"I have... / I am... / As a..."）
阅读全部好评（≥4星），找出用户描述自身需求背景的词汇
从中归纳出 4–6 个差异化的用户群体
每个群体设定 5–10 个识别关键词

⚠️ Persona 必须覆盖的三个分类维度（缺一不可）

在最终确认 Persona 列表前，必须检查是否已从以下三个维度进行了覆盖，不能只按其中一个维度拆分就停止：

维度	说明	典型信号词
A. 物理/生理特征	用户身体特征决定了产品对他们的效果上限（最易被遗漏）	`thick/dark/coarse hair` / `sensitive skin` / `pregnant` / `curly` / `Latina` / `Type 4 hair`
B. 行为/场景	用户在什么情境下使用产品	`travel` / `in the shower` / `gift` / `daily`
C. 购买动机/背景	用户为何从其他方案切换过来	`switched from razor` / `too expensive` / `saw on TikTok` / `first time`

关键原则：如果你的 Persona 列表里只有场景类和动机类群体，而没有任何一个群体是按身体特征定义的，说明维度 A 被遗漏了，必须重新检查差评中的自我标注词汇。

自我标注信号强制检查步骤

在完成初步 Persona 归纳后，必须额外执行以下搜索，确认是否有被遗漏的物理特征用户群：

搜索差评中所有含以下模式的句子：
  "I have [adj] [noun]"（如 I have thick hair / I have sensitive skin）
  "My [noun] is/are [adj]"（如 My skin is super sensitive）
  "As a [noun/adj person]"（如 As a Latina / As a curly-haired person）
  "[族裔/肤色/发质形容词]"（如 Latina / dark hair / coarse / Type 4）

若上述词汇出现 ≥ 5 条，则该物理特征代表一个独立 Persona，必须单独列出。

Persona 识别词模板格式

PERSONA_KEYWORDS = {
    '{群体名称A}': ['{关键词1}', '{关键词2}', ...],
    '{群体名称B}': ['{关键词1}', '{关键词2}', ...],
    # 根据实际品类补充
}

Persona 占比估算规则

占比 = 命中该Persona识别词的评论数 / 有效评论总数
四舍五入至整5%

因一条评论可被多个 Persona 命中，各 Persona 占比之和可超过 100%。

Persona 卡片内容规格（每个群体输出以下信息）

字段	来源	说明
群体名称	自定义	简洁描述身份特征，≤6 字
占比	统计计算	见上方公式
核心痛点	该群体差评	≤3 条，原文语义概括
核心需求	该群体好评+诉求	≤3 条
购买动机	JTBD 分析	用"雇佣产品做什么"句式
代表性引用	真实评论原文	必须来自实际评论，注明 ASIN

3.3 正负反馈主题提取

主题识别关键词组的建立方法

阅读全部差评（≤2星），记录用户描述问题时的高频词
将语义相近的词归为同一主题，形成关键词组
每个主题设定 5–10 个关键词
覆盖 80%+ 的差评内容（长尾主题可合并为"其他"）

⚠️ 主题拆分规则：相近但机制不同的问题必须独立成主题

语义相近不等于根因相同。以下情况必须拆分为独立主题，不得合并：

合并后失真的典型例子	应该如何拆分	原因
"剃效差"（笼统）	① 留茬/剃不干净 ② 拉扯/扯毛而非切断	机制不同：留茬=刀头贴肤不足；拉扯=刀片咬不断粗硬毛，影响人群完全不同
"皮肤问题"（笼统）	① 割伤/出血 ② 摩擦热/灼烧感 ③ 剃须疹/内生毛	根因不同，对应不同的工程解决方案
"产品损坏"（笼统）	① 充电失效 ② 配件断裂/脱落	分属电气系统和结构系统，受影响时间节点不同（充电=使用初期；断裂=一段时间后）

判断是否需要拆分的问题：
"同一主题下的差评，是否描述的是同一个物理/工程原因？"
如果不是，必须拆开。

通用差评主题模板格式：

NEGATIVE_THEMES = {
    '{主题名称}': ['{关键词1}', '{关键词2}', ...],
    # 品类相关主题
}

通用好评主题模板格式：

POSITIVE_THEMES = {
    '{主题名称}': ['{关键词1}', '{关键词2}', ...],
}

频次统计规则

在 title + content 中搜索关键词
同一评论中同一关键词出现多次，仍计为 1 次（避免重复计数）
差评主题只统计 ≤2 星评论；好评主题只统计 ≥4 星评论
频次 = 命中该主题的评论条数（非词语出现总次数）

主题优先级判定规则

优先级	差评频次门槛	涉及竞品范围
P0（立即处理）	≥ 总有效差评数的 20%	80%+ 竞品均出现
P1（短期处理）	总有效差评数的 10–20%	60%+ 竞品出现
P2（中期关注）	总有效差评数的 3–10%	40%+ 竞品出现

频次门槛的动态计算：
P0 绝对门槛 = 全市场有效差评数 × 20%
例：1123 条有效评论，差评率 35% ≈ 393 条差评，P0 门槛 ≈ 79 条

3.4 情感关键词分析

对所有有效评论进行词频统计，提取高频情感词。

输出字段规格：

字段	说明	规则
词汇	英文原词或词组	保留原文，不翻译
出现频次	在有效评论中出现的条数	同一评论多次出现计1次
情感极性	正面 / 负面 / 中性	根据语境判断，同一词在不同语境可有不同极性
含义/使用场景	该词汇在评论中的具体语境	只写评论中明确出现的内容，不推断
主要关联人群	对应的 Persona 名称	可多个

4. 分析层 Why — 分析逻辑

4.0 Persona 完整性验证（进入分析层前的强制关卡）

在开始 KANO / JTBD 分析之前，必须完成以下交叉验证，发现遗漏立即返回 3.2 节补充。

验证方法：每个 P0/P1 主题 → 强制归因到 Persona

为每一个 P0/P1 差评主题填写下表：

差评主题	频次	该主题的典型描述	主要影响哪类用户？	对应已有 Persona？
{主题1}	{N条}	{原文特征}	{用户特征描述}	{Persona名 / ❌未覆盖}
{主题2}	...	...	...	...

如果某个 P0/P1 主题在"对应已有 Persona"列填写了 ❌，说明存在遗漏的用户群体，必须新增 Persona。

常见漏洞场景

被遗漏的情况	漏洞原因	补救方式
身体特征群体（如粗硬发质用户）	只按场景/动机分群，未检查维度 A（物理特征）	返回 3.2 节执行自我标注信号强制检查
长期使用复购用户	只看差评内容，未注意时间轴（"after months of use"）	检查含 `months` / `after a while` / `second bottle` 的差评是否形成独立群体
特定人群的特殊需求	该群体占比较小但痛点极具体	即使占比低（~5%），若痛点独特且无法被其他 Persona 代表，必须单独列出

4.1 KANO 模型需求分类

四种类型定义与判断标准

类型	定义	判断标准	常见错误
基本型（Must-be）	不满足→强烈差评；满足→用户不会特别提及或表扬	① 差评频次达 P0 级别 ② 80%+ 竞品均出现该缺陷 ③ 好评中几乎不出现"因为做到了 X 所以好评"	把"剃净度"归为基本型——剃净度好坏都会被用户提及，属期望型
期望型（Performance）	做得越好评分越高，做得越差评分越低，线性关系	① 好评中被作为"这款优于竞品"的主要理由 ② 差评中作为"原本期待但未达到"的失望点 ③ 用户用程度词描述（`better/worse/not as good as`）	把"电池续航"归为基本型——续航差才差评，续航超长会被用户特别称赞
魅力型（Attractive）	满足→产生超预期惊喜和好评；不满足→用户不会差评	① 好评中出现强情感词 `love` / `obsessed` / `amazing` / `didn't expect` / `bonus` ② 该功能在差评中几乎不出现 ③ 竞品普遍缺失，属市场空白	把"附赠收纳袋"归为期望型——用户从未因为"没有收纳袋"而差评，属意外惊喜
反向型（Reverse）	某些用户认为该功能是负担，反而差评	① 差评中出现对某个"功能"的明确抱怨 ② 该内容在好评中也受另一部分人喜爱（说明用户分歧）	把"产品损坏"归为反向型——没有用户"希望产品能损坏"

各类型的输出格式要求

每个 KANO 条目必须包含以下 5 个字段，缺一不可：

需求项：[具体需求描述，动词+名词形式]
评论频次证据：[支撑该分类的评论条数及代表性原文片段]
主要影响 Persona：[哪类用户群对该需求最敏感]
分类原因：[用一句话解释为什么是这个 KANO 类型，而不是其他类型]
竞品现状：[现有竞品是否满足，满足程度如何]

示例（基本型）：

需求项：充电后可正常启动
评论频次证据：118条差评（P0级别），"stopped working after a few uses" / "won't charge at all"
主要影响 Persona：所有群体，尤其是复购用户（第二台也坏后彻底失去信任）
分类原因：充电失效是"有就正常、坏了就1星"的底线需求，好评中没有人因"能充电"而特别表扬
竞品现状：全部5款竞品均有此问题，说明是行业普遍工程缺陷

示例（魅力型）：

需求项：LCD 电量显示
评论频次证据：好评中 28条提及，"love that I can see the battery level" / "so convenient"，差评中0条因缺少LCD而差评
主要影响 Persona：旅行护理族（出行前确认电量）/ 所有群体
分类原因：用户不会因为"没有电量显示"而差评，但有了之后会主动提及并作为推荐理由
竞品现状：仅1款（FANKRUAI）有此功能，属差异化空白

KANO 归类操作步骤

步骤一：基本型识别

列出所有 P0/P1 差评主题
检查每个主题对应的好评：如果好评中几乎没有人因"做到了这点"而表扬，确认为基本型
每个基本型需求必须注明：频次（条数）+ 出现该问题的竞品数量

步骤二：期望型 vs 魅力型区分

在好评中对每个高频好评主题做以下判断：

判断问题	若"是"→	若"否"→
差评中有人因该功能不够好而差评？	期望型	魅力型候选
好评用程度词描述（`better/works great/very`）？	期望型	魅力型候选
好评中出现 `love/obsessed/amazing/bonus/didn't expect`？	魅力型	继续判断
竞品普遍缺失，属市场新鲜感？	魅力型	继续判断

步骤三：反向型搜索（不得以"未发现"一笔带过）

必须主动在差评中搜索以下关键词，并记录每个词的出现频次：

搜索词组（在全部有效评论 title+content 中搜索）：
  过于复杂：too many parts / too complicated / confusing / hard to use
  过于嘈杂：too loud / so loud / noise / noisy
  功能多余：don't need / unnecessary / didn't ask for / useless feature
  操作繁琐：takes too long / too many steps / annoying to clean

结果处理规则：

若任意词组频次 ≥ 5 条 → 该功能为反向型，单独列出并附引用
若所有词组总频次 < 5 条 → 填写："反向型：经主动搜索 [列出搜索词]，出现频次共 [N] 条，低于阈值，本品类暂无明确反向需求"（禁止直接写"无"或"未发现"）

4.2 JTBD 动机框架

JTBD（Jobs To Be Done）：用户"雇佣"产品来完成什么任务。分析维度：功能性动机、情感性动机、社会性动机。

输出格式（每个 Persona 一行）：

字段	说明	填写规则
用户群	Persona 名称	—
核心 Job	用户想完成的任务	动词+宾语形式，如"用电动工具替代传统方式"
功能性动机	实用层面的驱动因素	必须能从评论中找到佐证句子
情感性动机	情绪/心理层面的驱动因素	必须能从评论中找到佐证句子
社会性动机	他人视角/社交驱动（如无评论佐证则留空）	可选
购买触发时机	什么具体事件让用户决定购买	来自评论中的具体描述

4.3 人群 × 场景 × 需求矩阵

矩阵将 Persona、使用场景、KANO 需求分层和当前满意度整合为一张全景视图。

列结构：

列	填写来源
用户群	Persona 名称 + 占比
使用场景（When/Where）	严格遵守场景字段规则（见 5.3 节）
基本型需求	KANO 基本型 + 该群体 P0 差评
期望型需求	KANO 期望型 + 该群体 P1 差评
魅力型需求	KANO 魅力型 + 该群体好评加分点
当前满意度	该群体对应评论的均分和好评率综合判断

满意度评级标准：

当前满意度	对应均分参考	显示样式
高	≥ 4.0	绿色
中等	3.3 – 3.9	黄色
低 ⚠	< 3.3	红色

4.4 痛点根因分析

适用条件：差评主题达到 P0 或 P1 级别时，必须进行根因分析。

分析框架：

根因 N：[工程/设计/材料/体验设计问题名称]
→ 导致后果：[差评主题名称] × [频次]
→ 失效机制：[从产品结构或工作原理层面解释为什么会出现这个问题]
→ 关键引用：[2-3条真实评论原文（英文）— 所属ASIN品牌]

根因分析的层次要求：

层次	示例（错误 → 正确）
停留在现象层（❌）	"产品质量差"
到达机制层（✅）	"充电口防水胶圈未达到IP67标准，浴室蒸汽渗入导致腐蚀"

5. 报告生成逻辑

5.1 HTML 整体结构

报告采用纯 HTML 内嵌 CSS + JS，无外部文件依赖，单文件可直接分享。

{产品关键词}-voc-v{版本号}.html
├── <head>
│   ├── Chart.js CDN（可视化依赖）
│   │   └── https://cdn.jsdelivr.net/npm/chart.js@4.4.0/dist/chart.umd.min.js
│   └── <style> 内嵌 CSS
│
├── <nav class="top-nav">（固定顶部导航，支持锚点跳转）
│   ├── [描述层 What] → 数据总览 / 受众画像 / 正负反馈 / 各ASIN主题分布 / 情感词频
│   └── [分析层 Why]  → KANO模型 / JTBD动机 / 人群矩阵 / 痛点根因
│
└── <div class="page">（主体内容）
    ├── 标题 + 副标题 + 阅读指引 callout
    ├── ── 描述层 What ──
    │   ├── #sec-overview：KPI 总览卡片
    │   ├── #sec-persona：Persona 卡片网格
    │   ├── #sec-feedback：全市场差评/好评主题柱状图（汇总）
    │   ├── #sec-asin-theme：各 ASIN 差评/好评主题频次分布（新增）
    │   └── #sec-keyword：情感词频表格
    ├── ── 分析层 Why ──
    │   ├── #sec-kano：KANO 四象限卡片
    │   ├── #sec-jtbd：JTBD 动机表格
    │   ├── #sec-matrix：人群×场景×需求矩阵
    │   └── #sec-rootcause：痛点根因分析块
    └── <footer>（数据来源声明）

文件存放路径：{产品文件夹}/分析报告 HTML/

文件命名：{产品关键词（连字符）}-voc-v{版本号}.html
示例：dog-calming-chews-voc-v1.html

5.2 可视化组件规格

KPI 卡片（4 个，固定布局）

位置	指标	颜色规则
卡片1	有效评论总数	蓝色（中性）
卡片2	加权平均评分	< 3.5 红色 / 3.5–4.0 黄色 / > 4.0 绿色
卡片3	正评率（≥4星占比）	绿色
卡片4	差评率（≤2星占比）	红色

柱状图（使用 Chart.js，水平条形图）

差评主题柱状图（全市场汇总）：

new Chart(document.getElementById('negChart'), {
  type: 'bar',
  data: {
    labels: ['主题1', '主题2', ...],  // 按频次降序排列
    datasets: [{
      data: [频次1, 频次2, ...],
      // 颜色按优先级：P0 = '#ef4444'，P1 = '#f97316'，P2 = '#eab308'
      backgroundColor: ['#ef4444', '#ef4444', '#f97316', '#f97316', '#eab308', '#eab308'],
    }]
  },
  options: {
    indexAxis: 'y',
    responsive: true,
    maintainAspectRatio: false,
    plugins: { legend: { display: false } },
    scales: { x: { beginAtZero: true } }
  }
});

好评主题柱状图（全市场汇总）：配色统一使用绿色系（#22c55e）。

各 ASIN 主题频次分布图（新增，ID: sec-asin-theme）

用途：揭示同一痛点在不同竞品间的严重程度差异，帮助判断哪款竞品在哪个维度最弱/最强。

图表类型：分组柱状图（Grouped Bar Chart），每个主题一组，每组内各 ASIN 一根柱子。

差评版 — 数据结构：

new Chart(document.getElementById('asinNegChart'), {
  type: 'bar',
  data: {
    labels: ['主题1', '主题2', ...],  // x轴：差评主题（P0/P1 主题，按全市场频次降序）
    datasets: [
      // 每个 ASIN 一个 dataset
      { label: 'ASIN1（品牌名）', data: [主题1频次, 主题2频次, ...], backgroundColor: '#色值' },
      { label: 'ASIN2（品牌名）', data: [...], backgroundColor: '#色值' },
      // ...
    ]
  },
  options: {
    responsive: true,
    maintainAspectRatio: false,
    plugins: {
      legend: { display: true, position: 'bottom' }
    },
    scales: {
      x: { beginAtZero: true },
      y: { beginAtZero: true }
    }
  }
});

好评版 — 与差评版结构完全相同，labels 换成好评主题，颜色使用绿色系渐变。

ASIN 配色规则（固定，每次分析保持一致）：

ASIN 序号	差评图颜色	好评图颜色
ASIN 1	`#ef4444`（红）	`#22c55e`（绿）
ASIN 2	`#f97316`（橙）	`#86efac`（浅绿）
ASIN 3	`#eab308`（黄）	`#4ade80`（草绿）
ASIN 4	`#8b5cf6`（紫）	`#2dd4bf`（青绿）
ASIN 5	`#3b82f6`（蓝）	`#60a5fa`（浅蓝绿）

数据提取逻辑（Python）：

def count_theme_per_asin(all_reviews, themes, neg=True):
    """
    按 ASIN 分别统计各主题的差评/好评频次
    返回格式：{asin: {theme: count}}
    """
    from collections import defaultdict
    result = defaultdict(lambda: defaultdict(int))
    for r in all_reviews:
        if neg and r['rating'] > 2: continue
        if not neg and r['rating'] < 4: continue
        text = (r['title'] + ' ' + r['content']).lower()
        for theme, keywords in themes.items():
            if any(kw.lower() in text for kw in keywords):
                result[r['asin']][theme] += 1
    return dict(result)

# 转为 Chart.js datasets 格式
def to_chartjs_datasets(per_asin_data, asin_labels, theme_order):
    """
    asin_labels: {asin: '品牌名'} 映射
    theme_order: 主题列表（按全市场频次排序）
    """
    colors = ['#ef4444', '#f97316', '#eab308', '#8b5cf6', '#3b82f6']
    datasets = []
    for i, (asin, label) in enumerate(asin_labels.items()):
        datasets.append({
            'label': label,
            'data': [per_asin_data.get(asin, {}).get(t, 0) for t in theme_order],
            'backgroundColor': colors[i % len(colors)],
        })
    return datasets

图表尺寸：高度建议 360px（主题数 ≤ 8）或 480px（主题数 > 8）。

图表标题规则：

差评版：各竞品差评主题频次对比（≤2星评论）
好评版：各竞品好评主题频次对比（≥4星评论）

表格通用样式规则

元素	CSS 类	用途
P0 行	`.row-r`	红色背景底色（`#fff5f5`）
P1 行	`.row-y`	黄色背景底色（`#fffbeb`）
P2 行	`.row-b`	蓝色背景底色（`#eff6ff`）
机会行	`.row-g`	绿色背景底色（`#f0fdf4`）
优先级徽章	`.pill pill-danger` / `.pill-warn` / `.pill-info`	红/黄/蓝圆角标签

5.3 使用场景字段写入规则（核心规则）

这是本方法论中最容易出错、最需要严格执行的规则：

【强制规则】
所有涉及"使用场景（When/Where）"的字段，
只允许填写在评论 content 中能找到原词佐证的场景描述。
如果找不到评论佐证，一律填写 "—"。
禁止基于产品功能、品类常识或逻辑推断填写任何场景描述。

执行步骤

Step 1：确定该 Persona 的特征词组
Step 2：在该 Persona 对应的评论中搜索场景类词汇
        （地点词：shower / bathroom / office / car / gym...）
        （时间词：morning / night / before / after / daily...）
        （情境词：traveling / pregnant / postpartum / gift...）
Step 3：统计每个场景词在该 Persona 评论中的出现条数
Step 4：按以下规则决定是否填写

出现条数	处理方式
≥ 5 条	可以填写该场景
2 – 4 条	慎重填写，建议留空或标注"少数提及"
< 2 条	必须留空，填写 `—`

常见错误示例

错误写法（❌ 推断）	正确写法（✅ 仅来自评论）
夏季前突击整理	—（无评论提及"before summer"作为使用时机）
日常护理	—（"daily"在评论中属产品使用频率描述，非场景）
坐姿/斜靠操作	—（用户姿势属推断，评论未明确提及）
任何场所	—（无具体场景词，不可用"泛化"代替留空）
浴室/淋浴	✅（评论中出现 `in the shower` / `bathroom` ≥5条）
旅行途中	✅（评论中出现 `travel` / `on a trip` ≥5条）
孕期护理	✅（评论中出现 `pregnant` / `37 weeks pregnant` ≥5条）

6. 执行 SOP（逐步操作流程）

Step 1：数据读取

import csv
import os

def load_reviews(filepath):
    """读取单个ASIN的评论CSV，返回有效评论列表"""
    reviews = []
    with open(filepath, encoding='utf-8-sig') as f:  # utf-8-sig 处理BOM头
        for row in csv.DictReader(f):
            if (row.get('verified', '').strip().lower() == 'true' or
                    row.get('vine', '').strip().lower() == 'true'):
                reviews.append({
                    'asin':    row.get('asin', '').strip(),
                    'rating':  float(row.get('rating', 0) or 0),
                    'title':   row.get('title', ''),
                    'content': row.get('content', ''),
                    'date':    row.get('review_date', ''),
                })
    return reviews

def load_all_reviews(directory):
    """批量读取目录下所有ASIN的评论"""
    all_reviews = []
    for fname in os.listdir(directory):
        if fname.endswith('_realtime.csv'):
            all_reviews.extend(load_reviews(os.path.join(directory, fname)))
    return all_reviews

Step 2：基础统计

def basic_stats(reviews):
    """计算有效评论的基础统计指标"""
    ratings = [r['rating'] for r in reviews if r['rating'] > 0]
    total = len(ratings)
    if not total:
        return {}
    return {
        'total':    total,
        'avg':      round(sum(ratings) / total, 2),
        'pos_rate': round(sum(1 for r in ratings if r >= 4) / total, 3),
        'neg_rate': round(sum(1 for r in ratings if r <= 2) / total, 3),
        'dist':     {i: ratings.count(float(i)) for i in range(1, 6)},
    }

Step 3：主题频次统计

# 根据品类自定义主题关键词（见第3.3节）
NEGATIVE_THEMES = {
    '{主题名称}': ['{关键词1}', '{关键词2}', ...],
}
POSITIVE_THEMES = {
    '{主题名称}': ['{关键词1}', '{关键词2}', ...],
}

def count_themes(reviews, themes, neg=True):
    """
    统计各主题频次
    neg=True 时只统计差评(≤2星)，neg=False 时只统计好评(≥4星)
    """
    result = {}
    for theme, keywords in themes.items():
        count = 0
        for r in reviews:
            if neg and r['rating'] > 2: continue
            if not neg and r['rating'] < 4: continue
            text = (r['title'] + ' ' + r['content']).lower()
            if any(kw.lower() in text for kw in keywords):
                count += 1
        result[theme] = count
    return dict(sorted(result.items(), key=lambda x: x[1], reverse=True))

Step 4：Persona 识别

# 根据品类自定义（见第3.2节）
PERSONA_KEYWORDS = {
    '{群体名称}': ['{关键词1}', '{关键词2}', ...],
}

def identify_personas(reviews, persona_keywords):
    """统计各Persona的命中评论数量"""
    result = {p: 0 for p in persona_keywords}
    for r in reviews:
        text = (r['title'] + ' ' + r['content']).lower()
        for persona, kws in persona_keywords.items():
            if any(kw.lower() in text for kw in kws):
                result[persona] += 1
    total = len(reviews)
    return {p: {'count': c, 'pct': round(c / total * 100)} for p, c in result.items()}

Step 5：场景词验证（填写矩阵前必须执行）

def verify_scene(persona_reviews, scene_keywords, min_count=5):
    """
    验证某个场景词是否在该Persona评论中出现足够多次
    返回 (是否可填写, 实际出现条数)
    """
    count = 0
    for r in persona_reviews:
        text = (r['title'] + ' ' + r['content']).lower()
        if any(kw.lower() in text for kw in scene_keywords):
            count += 1
    return count >= min_count, count

# 示例用法
persona_reviews = [r for r in all_reviews if '粗硬发质' in identify_personas_for_review(r)]
can_fill, cnt = verify_scene(persona_reviews, ['shower', 'bathroom', 'in the shower'])
scene_text = '浴室/淋浴' if can_fill else '—'

Step 6：报告组装流程

准备数据：运行 Step 1–5，收集所有统计结果
起草 Canvas（在 IDE 中生成 .canvas.tsx 文件），等待用户确认内容无误
用户确认后：生成 HTML 文件，保存至 分析报告 HTML/ 目录
Canvas 与 HTML 内容必须保持同步，修改 Canvas 后须同步更新 HTML

7. 关键阈值与判断规则速查表

决策点	规则
有效评论筛选	`verified == True` 或 `vine == True`
差评定义	rating ≤ 2.0
好评定义	rating ≥ 4.0
P0 主题门槛	频次 ≥ 有效差评数 × 20%，且 80%+ 竞品出现
P1 主题门槛	频次为有效差评数的 10–20%，60%+ 竞品出现
P2 主题门槛	频次为有效差评数的 3–10%，40%+ 竞品出现
Persona 占比	命中评论数 / 有效总数，四舍五入至整5%
场景词可填写门槛	≥ 5 条 Persona 评论中出现该场景词，否则填 `—`
市场整体判断	均分 < 3.5 = 系统性缺陷，新品窗口期
KANO 基本型判断	P0 级差评，且与低评分强相关
KANO 魅力型判断	好评中出现 `love`/`amazing`/`didn't expect`，非差评主题
新买家识别	content 含 `first time`/`just got`/`just bought`/`new to`
复购买家识别	content 含 `reorder`/`bought again`/`second time`/`repurchase`
根因分析触发	差评主题达到 P0 或 P1 级别
Persona 引用合规	只能引用 content 中确实存在的原文，禁止改写或虚构

8. 新品类接入清单

每次分析新品类时，依次完成以下配置，其余分析框架直接复用：

□ 1. 确认 CSV 文件路径和 ASIN 列表
□ 2. 阅读**全部差评和全部好评**，按三个维度（A物理特征 / B行为场景 / C购买动机）归纳 Persona，编写 PERSONA_KEYWORDS
□ 3. 执行**自我标注信号强制检查**（搜索 "I have [adj]..." / "As a [noun]..." 等模式），确认无遗漏的物理特征群体
□ 4. 阅读**全部差评（≤2星）**，归纳差评主题，注意根因不同的问题必须拆分为独立主题，编写 NEGATIVE_THEMES
□ 5. 阅读**全部好评（≥4星）**，归纳 4–6 个好评主题，编写 POSITIVE_THEMES
□ 6. 运行 Step 1–3，验证频次统计结果与人工阅读印象一致；同时用 count_theme_per_asin() 生成各 ASIN 的主题频次分布数据，用于 #sec-asin-theme 图表
□ 7. **Persona 完整性验证**：为每个 P0/P1 主题强制归因到 Persona，有 ❌ 则返回步骤 2 补充
□ 8. 对每个 Persona 执行 verify_scene()，确认使用场景字段
□ 9. 完成 KANO 归类（基于统计结果，无需额外数据）
□ 10. 完成 JTBD 框架（基于 Persona 评论，无需额外数据）
□ 11. 撰写根因分析（P0/P1 主题，每条根因附 2-3 条原文引用）
□ 12. 生成 Canvas → 用户确认 → 生成 HTML

本文档为通用框架，无品类特定数据。新品类分析时，只需填写第 8 节清单中的品类相关配置，其余规则和代码模板均可直接复用。

33 KiB Raw Permalink Blame History Unescape Escape