评论区健康诊断 · 全能版
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_7c5d7975/comment-diagnosis-engine。
技能介绍
要解决的问题
批量看评论时,「整体正面/负面」几乎没有实操价值:同一条里可能在夸内容质量、同时在骂价格。运营和分析师需要知道是哪个方面在拖后腿、强度有多大,以及哪些是需求型、竞品提及,才能排优先级和写回复。
引擎怎么工作
技能走 ABSA(方面级情感分析) 思路,默认用规则引擎 + 外置词库,不依赖额外服务。
- 方面命中:用内置 11 个方面词典(如内容质量、价格价值、互动体验、服务售后等)逐条匹配评论;行业包
industries/*.json可覆盖或扩充方面与关键词(宠物行业包已示例)。 - 情感强度:整条评论先判 5 级(强烈正面 / 温和正面 / 中性 / 温和负面 / 强烈负面),再映射到所有命中方面(评论级情感 × 方面矩阵);若需每个方面独立判情感,可走行业包里的
ai_prompt大模型深度版。 - 需求与竞品:识别「怎么买、求教程」等需求型关键词,以及「不如别家、某宝对比」等竞品提及。
- 置信度:方面 + 情感词双命中为高置信;无命中标低置信,建议人工复核。另含抖音梗词库,辅助识别
绝绝子、典等梗与反讽语境(规则仍有盲区)。 - 洞察报告:输出方面×情感矩阵、关键痛点样本、需求挖掘与互动建议(如负面方面优先处理、需求型引导私信、强烈正面可考虑置顶)。
边界与注意点
- 规则引擎以词库匹配为主,复杂反讽(如「真好笑」作反话)易误判,低置信应复核或接深度版。
- 新行业、新梗需维护词库;不包含视频画面或语音内容理解。
- 纯文本分析场景适用;词库扩展需人工确认后再入库。
使用场景
- 抖音/短视频账号导出几百条评论后,要按内容质量、价格、互动体验等维度统计正负声量并排修复优先级
- 宠物类内容运营切换 `industries/pet.json` 词库,对猫粮、养护等行为习性相关评论做方面命中与痛点归因
- 复盘活动帖评论时,筛出带「怎么买、求教程」的需求型句子,按互动建议引导关注或私信承接
- 监测竞品提及(别家、某宝对比)与强烈负面方面,生成方面×情感矩阵给客服写针对性回复话术
适合人员
- 负责 UGC 评论区日清、要把「整条情感」拆成多维度痛点的社区运营
- 做舆情周报的数据分析同学,需要方面矩阵、置信度与低置信人工复核清单
- 垂直行业(如宠物)内容团队,要用外置行业包扩展方面词库而非改代码
- 客服主管在批量差评里定位价格、物流、售后等具体方面并分配处理队列