amz_review_analyse/prompts/report/analysis_requirements.md
OnesvmWhoops 18a5e38796 增强 VOC 报告:Dashboard 可视化 + 多维分析 + 机会矩阵
- 重构报告布局:新增固定导航栏、Dashboard KPI 卡片、5 张 ECharts 图表
  (受众饼图、情感柱状图、需求 Top10、负面 Top10、词频雷达图)
- 增强 Prompt 分析深度:新增多维交叉洞察(场景/动机/人群矩阵),
  改进建议扩展为 6 条(短期/中期/长期/差异化梯度)
- 新增机会矩阵 JSON 标记 + 影响力×难度气泡图 + 时间线图 + 策略卡片
- 强制簇名 ≤15 字大白话风格,禁止学术化冗长描述
- 修复词频表重复发送浪费 token 的问题
- audience/pain_point 阶段不再受 10% 小簇过滤规则限制

Co-authored-by: Cursor <cursoragent@cursor.com>
2026-06-05 12:00:14 +08:00

2.4 KiB
Raw Permalink Blame History

分析要求:

  1. 一、摘要:四条——核心受众与场景、最核心的用户需求、显著的产品反馈特征(正/负/客观)、提炼核心改进建议与机会(一句话)。
  2. 二、{product_name}评论分析:严格按 HTML 模版层级填写。
    • (一)受众画像与分析:1.受众画像 —(1)受众群体特征、(2)受众的主要需求(仅用 {stage_1_audience} 各簇); 2.分受众分析 — 对 top2 受众分别写(1)用户需求(2)正面(3)负面(4)客观(仅用对应 2a/2b stage)。
    • (二)全部用户需求与产品反馈:1.全部受众需求(3a)、2.正面、3.负面、4.客观(3b 三档); 每个
        只收纳对应 stage 的簇;占比=结构化短语数÷a;同 ul 内按短语数降序。正文禁用「观点 / 评价 / 痛点」。
      • (三)多维交叉洞察(新增):从聚类数据中推断以下维度并进行交叉分析: 1.使用场景推断 — 从评论关键词和需求簇推断用户的典型使用场景(如日常家用、专业工作、礼品/转售、特定季节等),分析不同场景下的需求差异。 2.购买动机分析 — 推断驱动购买的核心动机(功能刚需、性价比、品牌信任、替代竞品、尝新等),每个动机引用具体聚类数据支撑。 3.人群×需求矩阵 — 将 top2 受众与 top 需求/反馈做交叉比对,找出各群体的独有关注点(A群体在意 X 但 B群体不在意)和共性盲区。 每条洞察必须引用具体数据占比或簇名,禁止空泛概括。
    • 三、改进建议与机会:须严格按模版结构输出六条
    • 。
      • 前三条为短期快赢建议(0-3月可落地),包括产品本身的微调、包装/说明书优化、Listing与A+页面优化。
      • 第四条为中期优化(3-6月),涵盖配件组合/套装策略、服务升级(售后/质保/教程内容)、差异化定价与变体策略。
      • 第五条为长期布局(6-12月),覆盖新品类延伸、场景化产品线、品牌社群与内容生态等前瞻性方向。
      • 第六条为差异化机会,专门指出竞品未覆盖但本品有潜力占领的空白市场/场景/人群机会。
      • 每条建议须关联具体数据洞察(引用对应簇名或占比),不可泛泛而谈。