亚马逊用户痛点挖掘与评论需求洞察
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_507a5056/pain-point。
技能介绍
它解决什么问题
做 Amazon 卖家或运营时，常见卡点不是没有评论，而是评论分散、差评出现晚、需求变化看不出：某条高赞负评为什么影响转化？某段时间新增差评集中在哪个功能？竞品评论趋势是否和本品背离？pain-point 把 Amazon 评论数据转成可执行的 VOC 洞察、差评预警和竞品对比，减少人工翻评论和整理表格的成本。
技能如何工作
该技能围绕 scripts/ari.py CLI 工作。会话开始先跑 check 确认账户、邮箱验证和可用积点；需要 VOC 报告时先用 voc --site 报价，用户确认后再执行 --confirm，命令会自动采集、等待任务、生成报告并返回 reportId、reportUrl 与 creditsUsed。报告读取阶段会优先呈现 deltaMd 环比变化，再展开正文。后续可用 alerts、workbench、advise 处理差评，用 reviews --stars negative --sort helpful 查看高赞负评，用 analyze --type compare 做竞品对比，并用 schedule 决定是否开启定期采集。
适用边界与注意点
该技能依赖 ARI API 和已采集评论样本，非美国站、付费分析、导出或定期采集可能消耗积点；付费命令必须报价确认，中断后不能直接重试，应先查报告是否已生成。样本量小或采集窗口有限时，结论应结合更多信源验证。
使用场景
- 新品上架后差评变多，用高赞负评榜找出最先影响转化的几条带图差评。
- 每周做 VOC 复盘时，先报价确认再生成 Amazon 评论报告并查看环比变化。
- 处理售后压力时，用差评预警和工作台查看待处理、本周新增与本月已处理条目。
- 对比竞品卖点时，先运行竞品分析报价，确认后再比较双方在库评论差异。
适合人员
- 负责 Amazon 新品运营的卖家，想从评论里快速识别痛点和高赞差评。
- 做售后与差评回复的客服主管，需要先看待处理和新增差评再逐条处理。
- 做竞品分析的电商分析师，需要比较本品与竞品评论差异并跟踪趋势。
- 需要定期生成 VOC 报告的运营负责人，想确认报告成本并查看环比变化。
相关技能
基于五步框架搜索近期数据，快速分析公司需求、商业模式、护城河、生命周期与外部环境，并生成 HTML 可视化报告。
结合 DCF 估值、Livermore 趋势规则与市场情绪指标，生成 A 股/港股买入信号和完整分析报告。
面向工程师的统计分析技能，覆盖假设检验、回归、相关、贝叶斯分析、假设检查、效应量与 APA 报告。
优先使用 web_fetch 抓取百度热搜，校验当天数据，失败时自动降级到浏览器，并输出 TOP 10 排名标题。