口碑雷达

跨境电商评论分析的合规困境与工程解法

跨境电商卖家每天面对海量评论，但平台 ToS 严禁商业目的的评论抓取。手动整理不仅耗时，且难以从零散差评中提炼出可执行的改进方向。口碑雷达（ERM-DGIS）专为解决这一痛点而生：在绝不触碰平台爬虫红线的前提下，将卖家通过后台或官方 API 导出的合规评论数据，转化为结构化的洞察报告。

核心能力与工作流

本技能摒弃了高风险的抓取模块，专注于“从差评挖洞察”的确定性分析链路：

• 语义分析与聚类：调用 scripts/review_analyze.py 对评论进行极性、严重度与可行动性标注，并按 5 大类 18 子类的痛点分类法（references/pain_taxonomy.md）进行聚合。
• 需求缺口识别：利用 scripts/gap_identify.py 计算机会分（100 × F^0.5 × G^0.7 × A），精准定位“高频抱怨×低满足度”的选品或改进空间。
• 竞品横向对比：通过 scripts/benchmark_compare.py 对比自身与竞品的差评结构，明确短板与差异化卖点。
• 结构化输出：结合 assets/pain_report.md 等模板，输出带有🔴/🟡/🟢优先级标签的痛点与缺口报告，并附带选品验证信号。

适用边界与合规注意

• 数据合规前置：技能绝不发起任何 HTTP 抓取请求。所有输入必须由用户主动提供（CSV、JSON 或后台导出）。若用户提出抓取需求，将引导至合规获取途径。
• 统计估算声明：在缺乏竞品数据时，benchmark.md 中的行业基线用于估算，报告中强制标注“经验/估算”，禁止伪造精确统计。
• 免责与边界：每次输出强制附加 assets/disclaimer.md。涉及平台申诉、知识产权等法律问题，仅提供方向建议，不代行决策。