亚马逊评论情感分析

要解决的问题

亚马逊评论分散在不同站点，人工阅读很难系统识别好评差评倾向。当你想判断产品问题是"已经解决了""还在恶化"还是"新冒出来的"，没有趋势数据就只能靠感觉。竞品对比也缺乏客观数据支撑。

核心能力与工作方式

这个技能通过 scripts/ari.py 提供 CLI 入口，主要能力包括：

情感倾向识别：voc --asin <ASIN> --site <site> 命令默认先返回报价，确认后加 --confirm 执行。命令会自动采集评论、等待任务完成、生成 VOC 报告并保存到用户中心。

差评定位：reviews --asin <ASIN> --stars negative --sort helpful 返回高赞差评榜，买家在商品页最先看到这些评论。带 --with-images 可筛选带图差评。

趋势追踪：通过 schedule --set weekly --asin <ASIN> 开启定期采集后，后续报告会给出环比变化（deltaMd），明确哪些问题解决了、哪些新出现、哪些还在恶化。

竞品对比：使用 analyze --type compare 进行报价，双方各需至少 10 条评论。绑定竞品后可用 radar 查看走势对比。

类目基准：benchmark --asin <ASIN> 免费查看产品在类目中的表现。

安全与计费

• 默认站点为 amz_us，支持 amz_uk、amz_de、amz_jp 等
• 非美国站采集只能使用付费积点
• 遇到 401 / ARI_UNAUTHENTICATED 需重建 Key
• 遇到 402 / ARI_INSUFFICIENT_CREDITS 需充值
• 付费命令中断后不得直接重试，先跑 reports 确认是否已生成新报告

解读纪律

报告需明确区分 API 返回的数字、数据推理和行动建议。reviewCount 基于 ARI 已采集的评论样本，小样本时应结合更多信源验证。