---
title: "用 Talos 挖掘亚马逊竞品差评，3 分钟出痛点报告"
description: "本文完整记录了 Prompt 写法、评论区采集口径、痛点频次结果，以及可复制的操作步骤。"
canonical: https://taloswork.ai/blog/amazon-competitor-reviews
language: zh-CN
last_updated: 2026-10-19
---

# 用 Talos 挖掘亚马逊竞品差评，3 分钟出痛点报告

本文完整记录了 Prompt 写法、评论区采集口径、痛点频次结果，以及可复制的操作步骤。

## 项目背景

跨境电商选品正在从“看榜单挑款”转向“翻评论找缺口”。一份能用的亚马逊竞品差评挖掘，要横向对齐多个 ASIN 的评分分布，把 1-3 星差评归纳成共性问题并数出每个问题的出现频次，再区分哪些问题产品侧能改、哪些属于物流与客服，最后落到可执行的卖点建议。手动做一遍通常要半天以上。本次用 Talos，3 分钟产出 6 个竞品的选品痛点频次报告。

## 挑战

难点集中在两处。评论信息分散在多个商品页里，每个 ASIN 的评分基础、星级分布、差评主题各不相同，横向对齐要靠人工反复翻页；频次统计更慢，谁都能说“电池问题最多”，但要把每个主题的负向提及数真正数出来，人工计数既耗时又容易漏。

## 方法

### 第一步：把样本、动作、产出一句说清

Prompt 的核心是同时交代数据范围、分析动作和交付形态。本次使用的完整 Prompt：

```
帮我做一次便携榨汁杯（portable blender）的竞品差评挖掘。

竞品（亚马逊美国站）：
- https://www.amazon.com/dp/B0C2FF74J6
- https://www.amazon.com/dp/B0CN3PZX5W
- https://www.amazon.com/dp/B0H58VC12M
- 想换品类的话，去这个榜单挑 3-5 个：https://www.amazon.com/gp/bestsellers/kitchen/

打开这些页面的评论区，只看 1-3 星差评，做三件事：
1. 归纳成共性问题清单，每个问题标出出现频次；
2. 区分哪些是产品能解决的，哪些是物流或客服问题；
3. 给我 3 条卖点建议，指明每条打的是哪个痛点。

输出一张表 + 一段结论，保存成文件。

**交付物**：选品痛点报告（竞品对比 + 痛点频次 + 卖点建议）
```

这段 Prompt 包含四个关键要素：

- 样本明确：给出 3 个具体 ASIN，并留了一句“去这个榜单挑 3-5 个”的兜底口径。
- 动作拆成三条：共性清单与频次、产品侧与物流客服的归因区分、卖点建议，逐条对应。
- 数据范围收窄：只看 1-3 星差评，分析精力压在负向信号上。
- 产出形态写死：一张表加一段结论，并且保存成文件。

### 第二步：Talos 自动执行

Talos 接到 Prompt 后，依次完成以下环节：

1. 身份与规模确认：逐个打开商品页，读取品牌、评分、评分数与 5/4/3/2/1 星分布，确定每个竞品的差评体量。
2. 评论采集：进入评论区定位差评；全量评论列表页需要登录后查看，于是改用亚马逊官方主题聚合（Customers say），拿到每个主题的提及数、正向数、负向数。
3. 样本补充与清洗：按 Prompt 的兜底口径从类目榜补 3 个无线款，同时识别出其中一个指定 ASIN 只有 13 条评分、且清一色是免费测评，把它剔出负向样本。
4. 结构化抽取：用脚本把 6 个页面的星级分布、12 个主题的负向频次以及可见的 1-3 星评论原文，抽成 40 行明细数据。
5. 聚合与归因：按固定规则合并语义等价的主题，得到四大问题排序，再把问题分到产品侧与物流客服侧。
6. 产出文件：一份报告加一份明细表，直接落到会话工作目录。

全程约 3 分钟。

### 第三步：输出内容结构

**竞品对比**

| 竞品 | 评分 / 评分数 | 1-3 星占比 | 负向最集中的主题 |
|---|---|---|---|
| Ninja Blast BC151NV | 4.3 / 14,109 | 18% | 续航 669 条、耐用 360 条 |
| Ninja Blast Max BC251GY | 4.2 / 3,171 | 20% | 续航 108 条、耐用 92 条 |
| Hamilton Beach 51171G | 4.3 / 1,082 | 19% | 耐用 45 条、盖子扣合 41 条 |
| nutribullet Flex | 3.7 / 758 | 34% | 续航 55 条、价值感 41 条 |
| NexaEase 20oz USB-C | 4.1 / 1,099 | 24% | 可靠性 35 条、价值感 31 条 |
| Kourice 无线 17oz | 5.0 / 13 | 0% | 无，13 条评分全为免费测评 |

**四大共性问题的频次**

| 问题 | 负向提及合计 | 负向率区间 |
|---|---|---|
| 电池续航短、充电异常 | 855 | 55%-82% |
| 打不动冻果和冰、动力弱 | 635 | 27%-68% |
| 用不久就坏 | 613 | 62%-90% |
| 不值这个价 | 543 | 47%-84% |

报告同时给出了一条反直觉结论：便携与易清洗是品类里评价最好的两项（Ninja Blast 的便携主题 506 次提及里 425 次是好评），差评几乎全部落在“能不能用得住”上。

**三条卖点建议**

| 卖点建议 | 打的痛点 | 关键依据 |
|---|---|---|
| 一次充满，整周不焦虑 | 续航与充电 | 续航是第一大负向主题，合计 855 条 |
| 冻果和净冰块，不卡刀 | 动力与搅拌能力 | 动力与搅拌合计 635 条负向 |
| 首年只换不修，运费我们出 | 寿命短与保修扯皮 | 寿命 613 条负向，五个产品负向率均超 62% |

最终产出 9,000 余字符的报告（约 2,500 字）与 40 行主题负向频次明细表，数据截至 2026 年 10 月。

## 结果

| 指标 | 手动制作 | Talos | 变化 |
|---|---|---|---|
| 总耗时 | 半天以上（按 4 小时下限估算） | 约 3 分钟 | 约 -99% |
| 竞品覆盖 | 逐个 ASIN 翻评论页 | 6 个 ASIN 一次跑完 | 更全 |
| 频次统计 | 人工逐条计数 | 官方主题计数，12 主题 40 行明细 | 可复现 |
| 评论口径 | 只看 1-3 星，需登录后翻页 | 公开主题计数加低星原文佐证 | 口径可追溯 |
| 输出格式 | 笔记或表格手工整理 | Markdown 报告加 CSV 明细 | 可编辑可复用 |

Talos 在约 3 分钟内完成 6 个竞品的差评挖掘，产出 2,500 余字的选品痛点报告和 40 行频次明细。同一件事手动做，需要半天以上。

## 业务影响

- **单次制作**：一次选品调研从半天压缩到几分钟，调研可以放在下决定之前，不用等拍完脑袋再补功课。
- **重复制作**：Prompt 里最容易替换的是商品链接和品类榜单，换品类时同一套流程直接复用，分析结构不需要重写。
- **信息质量**：频次从感觉变成可追溯的数据，每个结论都能追到具体的主题标签和评论原文，团队内部对齐口径时不必重新翻一遍评论。
- **格式兼容**：输出为 Markdown 报告与 CSV 明细，可直接进选题会文档、在线表格或选品库，不需要额外做格式转换。

## 可复制的启示

1. 样本分批给：先给 3 个确定的竞品，再写一句“不够就去这个榜单挑”，可以避免因为某个 ASIN 没有差评而整轮返工。
2. 把分析动作写成编号清单：归纳频次、归因区分、卖点建议分成三条列出来，交付会按顺序逐条对应。
3. 明确只看负向评论：把“只看 1-3 星差评”写进 Prompt，分析精力不会被好评稀释。
4. 要一句“保存成文件”：报告与明细表落地后可以直接复用和二次编辑，下次换品类只需替换样本。

## 常见问题

**Q：亚马逊的差评能全部抓到吗？**
A：全量评论列表页需要登录后查看。公开可获取的是星级分布、官方主题聚合（含每个主题的提及数与正负拆分）以及部分置顶评论原文。本次报告的频次采用官方主题标签的负向计数，口径可追溯；如果需要逐条抓取全部 1-3 星原文，可以在浏览器面板登录后再跑一遍。

**Q：频次是怎么算出来的，会不会重复计数？**
A：原始频次来自平台自己给出的主题负向提及数。聚合时按固定规则合并语义等价的主题，并对每条规则做了说明；平台的主题之间本身存在重叠，报告里已经把这一点标注出来。

**Q：报告能改成 Excel 或 PPT 吗？**
A：可以。本次产出 Markdown 报告加 CSV 明细，CSV 可直接用 Excel 打开；需要 PPT 时，把报告内容作为输入再生成一次即可。

**Q：这个方法能复用到别的品类吗？**
A：可以。换成宠物用品、小家电、户外装备都适用，替换 Prompt 里的商品链接和品类榜单即可，分析结构不用改。

## CTA

用 Talos，3 分钟生成 6 竞品选品痛点报告。

访问官网免费试用 taloswork.ai