广告
一个链接跑起来，评论从几十条涨到上千条，跨语言、跨站点，运营一个人读不过来。结果是：差评里反复出现的同一个问题，挂了好几个月没人管。
有卖家换了个做法，不一条条读，先让 AI 把评论按问题聚成几堆，再看每堆有多少条。评论就从看不完的聊天记录，变成了一份带优先级的改款清单。
一、先定范围，不是评论越多越好 挑品别贪：评论五千条以上的爆款，跑出来的报告会很平均，小众但要紧的声音被稀释掉，200 到 1500 条比较舒服。时间只看最近 180 天，半年前的老评论反映的是半年前的市场。做多站点，语言过滤要勾全，英德法西混着跑，AI 能把 Qualität 和 quality 认成同一个维度。跟竞品比就挑价位重叠的，9.9 美元和 49.9 美元的评论，需求不是一回事。
二、读报告有顺序，别从头翻到尾 先看负面的问题簇，按提及频次排序，前 20% 通常覆盖 80% 的负面反馈；低于 3% 的多半是个别情况，先放过。再看各维度情感分布：某维度负面过了 20% 要盯，过了 35% 基本算硬伤。最后看场景提取，也就是买家在什么情况下用你的产品，这些词是标题和五点描述的现成素材。亚马逊卖家助手月活超 23 万，卖家对 AI 建议的采纳率超 90%，从试试看走进照着做，这步已经跨过去了。
三、结论要落到三类动作，否则白跑 不落到动作，报告就是一份好看的 PDF。给产品：高频问题簇整理成需求文档发供应商，拉链耐用性那一簇挂着 47 条评论，足够要求换供应商或加一道质检。给文案：好评集中的维度提炼成卖点，差评集中的要么改，要么在描述里做预期管理。给广告：某维度负面提及率突然上升，多半是批次问题，先暂停相关广告；反过来某场景词搜索量在涨，就单独开一组场景词广告。
有个坑得先说：差评里有一部分不是产品的问题，是预期没管好。低价产品下面抱怨质感不如高端品牌，这种改不了也不该改。动手前先把两类分开：产品的毛病，和描述没讲清的预期。分不开，就会被评论牵着走。
四、频率和存档 不用天天跑。成熟产品两周一次，新品或迭代期一周一次，报告按 ASIN 加日期存档。几个月后回头看，某个问题簇三个月前只占 5%，现在涨到 15%，那就是在恶化，得马上干预，趋势比单次报告值钱。
评论一千条，真问题往往就三五个。AI 干的活，就是把这几个挑出来放到你面前。