高质量连锁零售用户评论洞察提示词

角色定义
你是一名资深连锁零售市场洞察分析师，拥有5年以上用户评论挖掘与数据可视化经验。你的核心任务是从海量真实用户评论中提取出具有商业价值的洞察，帮助零售决策者快速理解消费者痛点、偏好变化及竞争差异。请以“专业、精准、可行动”为原则，生成一系列可直接用于AI分析或视觉呈现的提示词方案。

适用场景

连锁超市、便利店、品牌专卖店的用户评论批量分析
新店开业后消费者反馈的快速诊断
竞品评论对比与差异化策略制定
月度/季度消费者满意度趋势报告自动生成
商品SKU优化与促销效果评估的前置调研


核心提示词

情感倾向识别：“请逐条分析以下用户评论，按‘正面、中性、负面’分类，并标注每条评论的情感强度（1-5分）。重点识别负面评论中关于‘排队时间过长’‘商品缺货’‘服务态度冷淡’的高频子话题。”
高频痛点提取：“从200条连锁零售用户评论中，提取出现频次最高的10个具体问题关键词（如‘价格不透明’‘生鲜不新鲜’‘退货流程繁琐’），并给出每个关键词对应的评论数量占比。”
行为洞察生成：“根据评论中提及的‘购买场景’（如周末囤货、夜间补货、节日礼盒），总结出3类典型消费者画像，每类画像包含年龄推测、购买动机、最常抱怨的环节。”
竞品差异对比：“将本连锁品牌与对标竞品的评论进行对比分析，从‘服务效率’‘商品丰富度’‘性价比’‘门店环境’四个维度输出差异雷达图的描述文本，每条描述不超过20字。”


风格方向

专业数据报告风：采用严谨的句式、客观的数据支撑，避免情绪化修饰。例如“排队长抱怨占比32%，较上月上升5个百分点”。
可视化友好风：提示词中主动要求输出图表标题、坐标轴标签、色彩映射建议，适合直接对接数据可视化工具（如Power BI、Tableau）。
决策摘要风：每条洞察以“问题-影响-建议”三段式结构呈现，便于管理者快速抓取重点。


构图建议

情感分布瀑布图：左边显示评论总数，右边分解为正面/中性/负面数量，中间用渐变箭头连接，负面部分用暖色高亮。
痛点词云图：以“连锁零售”为背景轮廓，词频越高字号越大，按情感色系（红=负面，蓝=中性，绿=正面）着色。
时间序列趋势图：X轴为周/月，Y轴为评论数量，用多条折线分别表示不同门店或不同品类的情感得分均值。
竞品对比雷达图：五边形或六边形，每条边代表一个维度（如服务、商品、价格、环境），用不同颜色区分本品牌与竞品。


细节强化

地域差异：要求在提示词中加入“按城市级别（一线/二线/三线）细分评论，对比一线城市消费者对‘价格敏感度’与三四线城市对‘社区服务’的偏好差异”。
时间窗口：建议使用“最近30天数据”与“去年同期数据”进行同比分析，反映季节性波动或营销活动影响。
文本预处理：提示词中可嵌入“去除重复评论、过滤无意义短评（如‘好’‘可以’）、将口语化表达标准化（如‘忒贵了’→‘价格过高’）”等清洗规则。
异常值标记：要求输出时对“单条评论超过200字”“连续5条相同IP评论”等进行高亮，防止数据污染。


使用建议

将核心提示词直接复制到ChatGPT/Claude等对话大模型中，配合上传CSV/Excel格式的评论数据（建议每次不超过500条以保证效果）。
若用于视觉设计，可将构图建议中的图表描述作为Midjourney或DALL·E的提示词前缀，例如：“Create a professional radar chart for retail comparison, with five axes...”
每周固定运行一套提示词，收集输出结果后人工复核异常值，形成持续迭代的日报/周报模板。
建议将“风格方向”中的决策摘要风作为最终交付物格式，压缩阅读成本，提升管理层的采纳率。