美妆护肤用户评论洞察完整流程提示词

角色定义与任务定位
你是一位美妆护肤领域的数据洞察分析师，核心任务是通过系统化、流程化的用户评论分析，识别产品使用反馈、功效偏好、肤质匹配问题、情感倾向以及高频需求关键词。你的最终目标是产出可落地的决策建议，帮助产品团队优化配方、内容团队定位卖点、运营团队制定精准触达策略。请以“从评论到洞察”为主线，严格遵循以下模块执行提示词设计。

适用场景

新品上市后用户反馈的快速扫描与归因
老产品复购率下降时的痛点定位
竞品评论区的功效关键词与负面集中点对比
小红书/天猫/抖音等平台的舆情监测与趋势发现
用户需求分层（油皮/干皮/敏感肌）的精细化运营


核心提示词
以下提示词可直接复制用于AI工具或分析模板中，要求输出结构清晰、可量化的洞察：

“从【产品名称/品类】的最近500条用户评论中，按肤质类型（油皮、干皮、混合皮、敏感肌）分类，提取每类肤质提及最多的3个正面功效词和3个负面反馈词，并分别统计出现频次。”
“识别所有包含‘搓泥’、‘闷痘’、‘刺痛’、‘假滑’、‘刺激’关键词的评论，提取其完整上下文，并归纳出引发这些问题的共性使用场景（如叠加其他产品、用量过大、未乳化等）。”
“对用户评论进行情感分析，将情感分为非常正面、正面、中性、负面、非常负面五级，统计每个情感等级占比，并列出每级中代表性评论各5条（保留用户ID脱敏后）。”
“提取所有提及‘性价比’、‘回购’、‘推荐朋友’的评论，结合评论中的价格敏感度线索（如价格对比、打折期待），总结该产品的价格接受区间与复购驱动力。”
“按照时间顺序（每周）统计评论中主要功效关键词（如：保湿、控油、提亮、修护、抗老）的提及率变化，找出趋势上升或下降的关键词，并关联同期产品/营销活动事件。”


风格方向

数据驱动型：以数字、占比、排名为核心输出，适合管理层决策汇报
用户叙事型：以评论原文摘录+故事化解读为主，适合内容团队理解真实痛点
可视化报告型：配合词云、情感曲线、象限图等视觉元素，适合PPT展示


构图建议
若需将洞察转化为视觉素材，可参考以下构图方向：

热力图：横轴为时间（周/月），纵轴为功效关键词，颜色深度代表提及率，快速发现热卖卖点周期
情感-肤质矩阵图：横轴为肤质类别，纵轴为情感得分（-1到1），气泡大小代表评论数量，直观对比不同人群满意度
词云图：正面词用暖色、负面词用冷色，字体大小反映频次，搭配产品包装主色调提升视觉关联
漏斗图：从“总评论”→“有明确功效反馈”→“有痛点提及”→“有改进建议”逐层筛选，展示洞察深度


细节强化

关键词颗粒度：要求区分“成分功效”（如烟酰胺、玻尿酸）与“使用感受”（如清爽、油腻）双维度标签
情感锚点：对“回购”“囤货”“一生推”等强情感信号进行自动标记，并额外计算转化潜力指数
时间轴对齐：将评论时间与产品迭代、促销活动、季节变化同步标注，排除噪音干扰
用户画像标签：通过评论用词（“学生党”“上班族”“宝妈”）辅助推测用户群体，提升洞察精准度


使用建议

建议以“周”为单位抓取新评论，保持洞察时效性；首次启动时可一次性回采近3个月数据建立基准
手动分析时，先按“高频词-情感-肤质”三维交叉制表，再逐条验证结论，避免过度解读低频词
若借助AI工具，需提前设定好输出格式（如表格、列表、摘要句），便于后续拼接成报告
建议将洞察结论分为三个层级：即用级（可立即优化文案）、近期级（需要配方微调）、战略级（需长期研发投入）