Amazon评论深度分析

Amazon评论深度分析助手

输入一个Amazon ASIN，5-10分钟内给你一份能直接用的洞察报告——痛点、卖点、Listing怎么改，全在里面。

能做什么

• 🔍 自动抓评：通过RapidAPI采集产品评论（支持多市场：US/UK/DE/JP/FR等）
• 🤖 AI深度打标：每条评论提取情感、痛点、卖点、使用场景、用户画像、改进建议
• 📊 智能汇总：聚合所有打标结果，输出高频痛点TOP10、卖点TOP10
• 📝 Listing优化建议：基于真实用户反馈，给出可操作的优化方向
• 📄 交互式HTML报告：可视化图表 + 结构化洞察，可直接发给团队

快速开始

1. 安装依赖

pip install -r ~/.workbuddy/skills/amazon-review-analyzer/requirements.txt

2. 体验示例报告（无需API Key）

python ~/.workbuddy/skills/amazon-review-analyzer/scripts/demo.py

这会生成一个示例HTML报告，让你快速了解报告包含哪些内容。

3. 配置API Key

LLM API（必填）：用于AI打标，支持任何兼容OpenAI API格式的模型。

# OpenAI（推荐gpt-4o-mini，性价比高）
python ~/.workbuddy/skills/amazon-review-analyzer/scripts/analyze.py \
  --asin B08N5WRWNW \
  --api-key YOUR_OPENAI_KEY

# DeepSeek（国内推荐，便宜）
python ~/.workbuddy/skills/amazon-review-analyzer/scripts/analyze.py \
  --asin B08N5WRWNW \
  --api-key YOUR_DEEPSEEK_KEY \
  --api-base https://api.deepseek.com/v1 \
  --model deepseek-chat

RapidAPI Key（可选）：用于获取真实评论数据。如未配置，则使用模拟数据。

# 获取RapidAPI Key：
# 1. 访问 https://rapidapi.com/hub/amazon
# 2. 订阅 "Amazon Products and Reviews" API
# 3. 复制API Key，通过 --rapidapi-key 参数传入

python ~/.workbuddy/skills/amazon-review-analyzer/scripts/analyze.py \
  --asin B08N5WRWNW \
  --api-key YOUR_OPENAI_KEY \
  --rapidapi-key YOUR_RAPIDAPI_KEY

参数说明

输出报告内容

生成的HTML报告包含以下板块：

1. 产品概览：标题、价格、评分、图片、ASIN
2. 评论概览：评论总数、平均评分、评分分布图、情感分布图
3. 痛点分析：高频痛点TOP10（带词云图）、典型评论摘录
4. 卖点分析：高频卖点TOP10（带词云图）、典型评论摘录
5. 用户画像：谁在买、使用场景、购买动机
6. Listing优化建议：标题/五点/描述/A+页面的具体改进建议
7. 竞品机会：基于差评的竞品切入机会
8. 原始数据：可下载的CSV文件（含所有打标结果）

API Key 配置

LLM API（必填）

支持任何兼容OpenAI API格式的模型：

OpenAI

--api-key sk-xxx --api-base https://api.openai.com/v1 --model gpt-4o-mini

DeepSeek（国内推荐）

--api-key sk-xxx --api-base https://api.deepseek.com/v1 --model deepseek-chat

其他兼容API：只需修改 --api-base 和 --model

RapidAPI Key（可选）

评论数据通过 RapidAPI 的 "Amazon Products and Reviews" 接口获取。内置一个免费Key（有额度限制），你也可以自己申请：

1. 访问 https://rapidapi.com/hub/amazon
2. 订阅 "Amazon Products and Reviews" API
3. 复制你的API Key，通过 --rapidapi-key 参数传入

技术架构

用户输入ASIN
    ↓
[评论采集模块] fetch_reviews.py
  - 调用RapidAPI获取评论数据
  - 支持分页采集（最多1000条）
    ↓
[AI打标模块] ai_tagging.py
  - 每条评论调用LLM进行深度分析
  - 提取：情感/痛点/卖点/场景/画像/建议
  - 带频率控制（避免API限流）
    ↓
[汇总分析模块] analyze.py
  - 聚合所有打标结果
  - 统计高频词、情感分布、评分分布
    ↓
[报告生成模块] generate_report.py
  - 基于HTML模板生成交互式报告
  - 包含Chart.js可视化图表
    ↓
输出HTML报告（自动在浏览器打开）

注意事项

• ⏱️ 时间成本：500条评论约需5-10分钟（取决于API速率）
• 💰 API成本：gpt-4o-mini处理500条评论约$0.15；DeepSeek约¥0.5
• 🚫 反爬限制：RapidAPI有免费额度限制，大量使用建议自备API Key
• 📝 评论语言：主要支持英文评论，其他语言准确率可能降低

示例

分析AirPods Pro 2（ASIN: B0CHX1W1XY）

python ~/.workbuddy/skills/amazon-review-analyzer/scripts/analyze.py \
  --asin B0CHX1W1XY \
  --market US \
  --max-reviews 500 \
  --api-key sk-xxx \
  --api-base https://api.openseek.com/v1

分析报告示例截图（略）

常见问题

Q: 如何找到产品的ASIN？ A: 在Amazon产品页面的URL中，ASIN是 /dp/ 后面的那串代码。例如：https://www.amazon.com/dp/B08N5WRWNW → ASIN是 B08N5WRWNW。也可以在产品详情页的"产品信息"板块中找到。

Q: 为什么评论数量少于预期？ A: 有几个可能：

1. 产品本身的评论总数就少
2. RapidAPI只返回近期评论（或抽样）
3. 免费API Key有请求限制 建议：尝试增加 --max-reviews 参数，或自备RapidAPI Key。

Q: 能分析非美国市场的产品吗？ A: 可以，用 --market 参数指定市场代码：

• US - 美国
• UK - 英国
• DE - 德国
• JP - 日本
• FR - 法国
• CA - 加拿大
• IT - 意大利
• ES - 西班牙

Q: AI打标的准确率如何？ A: 使用gpt-4o-mini或更好模型时：

• 情感分析准确率 > 90%
• 痛点/卖点提取准确率 > 85%
• 使用场景识别准确率 > 80% 注意：英文评论准确率更高，其他语言可能降低。

Q: 分析报告能直接用于优化Listing吗？ A: 报告的"Listing优化建议"板块提供了基于真实用户反馈的改进方向，但还需要结合产品特性和市场策略来细化。建议：

1. 先看完"痛点分析"，了解用户最在意的问题
2. 参考"卖点分析"，确认用户真正认可的价值
3. 在Listing中主动解答痛点（将痛点转化为卖点）
4. 用用户的原话来写五点描述（更有说服力）

Q: API调用成本大概多少？ A: 以500条评论为例：

• OpenAI gpt-4o-mini: 约 $0.15（输入$0.15/1M tokens，输出$0.6/1M tokens）
• DeepSeek-V2: 约 ¥0.5（输入¥1/1M tokens，输出¥2/1M tokens）
• 本地模型（如Ollama）: 免费，但质量可能降低

Q: 如何降低API成本？ A: 几个建议：

1. 先用少量评论测试（如 --max-reviews 50）
2. 使用更便宜的模型（如gpt-4o-mini或DeepSeek）
3. 对长评论进行截断（已在代码中实现，每条评论最多1500字符）
4. 考虑本地部署模型（如Ollama + Qwen），完全免费

故障排查

问题1：API调用失败（HTTP 429 - 限流）

原因：API调用频率过高，触发限流

解决方案：

1. 增加延迟时间：修改 analyze.py 中的 delay 参数（如改为1.0秒）
2. 使用批量处理：如果API支持批量调用，改用批量接口
3. 升级API计划：付费API通常有更高的速率限制

问题2：AI打标结果解析失败

原因：LLM返回的结果不是标准JSON格式

解决方案： 代码已内置4种解析策略（直接解析、Markdown提取、文本提取、模糊匹配），如果仍然失败：

1. 开启 --debug 模式，查看AI返回的原始内容
2. 调整Prompt（在 ai_tagging.py 的 _build_tagging_prompt 函数中），要求模型"只输出JSON，不要输出其他内容"
3. 降低温度参数（修改 temperature 为0.1）

问题3：获取评论失败（RapidAPI返回空数据）

原因：

1. RapidAPI Key无效或额度用尽
2. 产品ASIN错误
3. 该产品没有评论

解决方案：

1. 检查ASIN是否正确（在Amazon上手动搜索验证）
2. 自备RapidAPI Key（免费额度有限制）
3. 使用模拟数据测试流程：python analyze.py --asin TEST --use-mock --use-mock-tags

问题4：报告打开后样式错乱

原因：CDN加载失败（Chart.js可能无法访问）

解决方案：

1. 检查网络连接，确保能访问 cdn.jsdelivr.net
2. 或者，下载Chart.js到本地，修改 generate_report.py 中的CDN链接为本地路径

高级技巧

1. 批量分析多个产品

创建一个ASIN列表文件 asins.txt：

B08N5WRWNW
B08N5WRWNX
B08N5WRWNY

然后批量运行：

while read asin; do
  python ~/.workbuddy/skills/amazon-review-analyzer/scripts/analyze.py \
    --asin $asin \
    --api-key YOUR_KEY \
    --use-mock-tags  # 先用模拟打标测试
done < asins.txt

2. 定期监控竞品评论

创建一个自动化脚本，每周分析竞品评论，追踪用户痛点变化：

# cron job: 每周一早上8点运行
0 8 * * 1 python /path/to/analyze.py --asin COMPETITOR_ASIN --api-key YOUR_KEY

3. 导出打标数据用于进一步分析

修改 generate_report.py，增加CSV导出功能：

# 在报告生成后，导出CSV
import pandas as pd
df = pd.DataFrame([{
    "rating": item["review"]["rating"],
    "sentiment": item["tags"]["sentiment"],
    "pain_points": ", ".join(item["tags"]["pain_points"]),
    "selling_points": ", ".join(item["tags"]["selling_points"]),
    "summary": item["tags"]["summary"]
} for item in tagged_reviews])

df.to_csv(output_path.replace(".html", ".csv"), index=False, encoding="utf-8-sig")

更新日志

• v1.0.0 (2026-06-18): 初始版本
  • 支持RapidAPI评论采集（需配置API Key）
  • 支持AI深度打标（兼容OpenAI格式）
  • 生成交互式HTML报告（含Chart.js可视化）
  • 提供模拟数据演示模式
  • 已知限制：真实评论采集依赖RapidAPI（后续版本将支持免费爬取方案）

未来改进方向

• 支持免费评论爬取方案（无需RapidAPI Key）
• 支持多语言评论分析（西班牙语、日语、德语等）
• 增加竞品对比功能（同时分析多个ASIN）
• 支持导出PDF报告
• 增加评论时间趋势分析（痛点变化、评分变化）
• 集成到Amazon Seller Central（自动监控自己产品的评论）

---

作者: WorkBuddy Skill Creator 反馈: 如遇到问题或有改进建议，请在WorkBuddy中反馈