竞品的差评，是市场花真金白银替你做完的用户调研。你要做的不是"处理"这些差评，而是把它们批量喂给 AI 做痛点聚类——当多个竞品在同一个维度反复挨骂，那就是这个品类被验证过的通病，也是你最直接的差异化入口。 这篇讲清一条完整闭环：抓竞品公开差评 → 让 AI 把散乱评论聚成痛点簇 → 从痛点反推差异化卖点 → 把卖点回填进 listing 的五点和 A+。全程给你可以直接抄的 Prompt。
先把边界摆前面：AI 在这件事上负责"读懂大量文本、归纳共性、生成卖点措辞"，它替不了的是"判断哪个痛点值得改、改的成本你扛不扛得住"——那要结合你的供应链和成本自己拍板。 抓竞品公开评价做分析属于合规的市场调研，这篇只讲怎么读懂对手的短板、把它变成你的长处。
整条流程长什么样
一句话概括这条流水线：把"人肉一条条读几百个差评划重点"这件最耗时的脏活，压缩成三次结构化的 AI 调用。
| 步骤 | 你做什么 | AI 做什么 | 产出 |
|---|---|---|---|
| 1 抓差评 | 选 3-5 个头部竞品，导出 1-3 星评论 | —— | 一批原始差评文本 |
| 2 痛点聚类 | 把差评粘给 AI | 按主题聚成痛点簇、算频次、标严重度 | 痛点地图 |
| 3 提炼卖点 | 把痛点地图给 AI | 把每个痛点翻转成差异化卖点角度 | 卖点清单 |
| 4 回填 listing | 把卖点给 AI | 组织进五点/A+/主图文案草稿 | listing 文案初稿 |
下面逐步拆，每步都给 Prompt。
第一步：抓竞品公开差评
先定"抓谁"：在你的核心关键词下搜出前排的 3-5 个竞品 ASIN，优先选那些评分中等（3.8-4.3 星）、评论数几百到几千的——评分太高的差评太少挖不出料，太低的往往是杂牌参考价值低。
再定"抓什么"：只要 1-3 星评论。抓取方式有三种，按你的量级选：
- 手动复制：竞品不多、只想快速摸一遍时，直接在亚马逊评论区筛选 1-3 星，翻几页复制粘贴，几十条就够跑出方向。
- 工具导出：要系统做、覆盖多个 ASIN 时，用卖家精灵、Helium 10 这类工具的评论分析/导出功能，或亚马逊后台自家产品的 Voice of Customer，把评论批量拉成表格（具体功能与档位以工具官网当前说明为准，各家迭代很快）。
- 亚马逊自带的 Customers Say：现在商品页会有一段 AI 生成的评论摘要，能帮你快速定位买家反复提到的关键词，作为聚类前的预览。
范围界定一句：本文只涉及公开可见的买家评价，用于分析产品和市场，属正当的竞品调研；操纵评价、删差评、刷评是完全不同的另一类操作，不在本文范围内。
第二步：把差评批量喂给 AI 做痛点聚类
这是整套方法的核心。散着看，一百条差评是一百条抱怨；聚起来看，它们其实只落在五六个痛点上。让 AI 替你归纳：
你是资深亚马逊产品分析师。下面是【产品品类，如：不锈钢保温水杯】某竞品的一批真实差评（1-3 星），我用换行分隔。请你：
1. 把这些差评按"抱怨的主题"聚类，归纳成若干痛点簇（如：保温不达标、盖子漏水、异味、做工毛刺、价格与预期不符）。
2. 每个痛点簇给出：① 出现频次（占比）；② 严重度（会不会导致退货/差评/弃用）；③ 2-3 条最有代表性的原文引用。
3. 按"频次 × 严重度"给痛点簇排序，指出哪几个是这个品类的"共性通病"。
4. 单独列一栏：哪些是"个人偏好/误用"造成的噪音，不代表产品缺陷，建议我忽略。
输出用表格，别替我下改进结论，只做归纳。
差评原文：
【粘贴 1-3 星评论】
产出长什么样？下面用一批真实差评跑一遍给你看形态——注意：这里用的是我手头一份 SaaS 工具（Jungle Scout）的真实差评语料做演示（来源：Chrome 应用商店 / Capterra 公开评论），因为它清晰好读；你实操时喂进去的是自己品类实体产品的差评，方法一模一样。
原始差评（节选，原文英文）：
- “very difficult to use no more accurate data”（2★, 2024-10-29）
- “ASINS doesn’t give correct product information… shows a completely different product. Such a waste of money."（1★, 2024-10-04）
- “It gives different results in every 1 hour. Also, it stops giving results for no reason."（1★, 2023-07-06）
- “price too high fam… make it cheap for people to afford."（1★, 2024-08-19）
- “The cheapest is $350 a year. Not ideal if you are starting out."（2★, 2024-01-26）
- “No free trial and it is too much pricey for new sellers!!"（1★, 2024-02-07）
AI 聚类后，这堆散评会收敛成三个痛点簇（示例）：
| 痛点簇 | 频次 | 严重度 | 代表原文 |
|---|---|---|---|
| 数据不准/不稳定 | 高 | 高（直接导致弃用） | “no more accurate data”、“different results in every 1 hour” |
| 价格高、对新手不友好 | 高 | 中（劝退潜在买家） | “$350 a year… not ideal if you are starting out” |
| 无免费试用、付费门槛陡 | 中 | 中 | “No free trial and it is too much pricey” |
对着这张表你立刻能读出：“数据准不准"是这个品类被骂最狠的通病——谁能在这一点上做得更稳，谁就抓住了最大的差异化机会。这就是聚类的价值：把一地鸡毛的抱怨，压成三条你能据以行动的判断。
第三步：把痛点翻转成差异化卖点
痛点地图有了，下一步是"翻转”——竞品挨骂的地方，就是你要主动承诺的地方。这一步 AI 也很擅长，它能帮你把"消极的抱怨"改写成"积极的卖点角度”：
下面是我对竞品差评做的痛点聚类结果（粘在末尾）。请你针对每一个"高频 × 高严重度"的痛点簇，帮我做卖点转化：
1. 把痛点翻转成一个我可以主打的差异化卖点方向（如"盖子漏水"→"三重密封、倒提不漏"）。
2. 给出这个卖点在 listing 里应该怎么用一句话说清楚（英文，符合亚马逊买家的表达习惯）。
3. 提示我：兑现这个卖点，产品端可能需要什么改进或验证（如换密封圈、做倒置测试、附检测视频）。
4. 标注哪些卖点是"改产品才能兑现"，哪些是"现有产品就能主打、只是竞品没说清"。
痛点聚类结果：
【粘贴第二步的表格】
第 4 点这个区分特别值钱：有些差异化卖点你根本不用改产品，只是竞品懒得在 listing 里说清楚、你说清楚了就赢一半。 比如竞品被骂"看不懂怎么用”，而你的产品本来就简单，那你只要在主图和五点里把"开箱即用、三步上手"讲透，就凭空多一个卖点。真要改产品的（如换材质、加密封），AI 会替你标出来，让你先评估成本再决定。
第四步：把卖点回填进 listing
卖点清单到手，最后一步是落地到文案。差异化卖点主要回填三个位置：
- 五点描述（Bullet Points）：每条对准一个高优先级卖点，把"竞品的痛点"正面写成"你的承诺”，别堆形容词，讲清楚凭什么。
- A+ 内容：用图文模块展开卖点背后的证据——对比图、结构剖面、使用场景，把差评里那个具体的怕（漏、锈、异味）逐一视觉化打消。
- 主图与副图：把最高频的那个痛点做成一张对比图或卖点标注图，让买家在点进来之前就被击中。
让 AI 帮你起草时，用这个 Prompt：
我的产品是【品类+基础信息】。下面是我提炼的差异化卖点清单（按优先级，粘在末尾）。请帮我写一版亚马逊 listing 草稿：
1. 五点描述：5 条 Bullet Points，每条主打一个卖点，句式为"卖点承诺 + 一句凭什么"，英文，符合亚马逊买家阅读习惯。
2. 针对最高优先级的 2 个卖点，各给一个 A+ 模块的构图与文案建议。
3. 主图卖点标注：建议在主图上标哪一句话最能拉开与竞品的差距。
要求：关键词自然融入，读起来像给真人看的文案，不许为塞词牺牲可读性；不许编造产品没有的功能——我没提供的卖点不要脑补。
卖点清单：
【粘贴第三步的产出】
最后那句约束是硬要求。AI 一旦放开，会替你"脑补"产品并不具备的卖点，写出一眼假、甚至涉嫌虚假宣传的文案。 你必须逐条核对：每个卖点你的产品真的兑现得了吗？兑现不了的，要么改产品要么删掉，绝不能让它留在 listing 里。埋词层面的具体做法，接用 ChatGPT 写亚马逊 listing 完整流程那篇；差评里反复出现的高频名词，本身也是好关键词，可以一并喂进用 ChatGPT 做亚马逊关键词研究的词库里。
AI 能做和不能做：差评挖掘的边界表
| 环节 | AI 能做 | 必须你来/回到工具 |
|---|---|---|
| 读差评 | 一次读几百上千条，不累不漏 | 抓取本身（工具导出或手动复制） |
| 痛点聚类 | 按主题归纳、算频次、排优先级 | 判断样本够不够、有没有偏 |
| 卖点转化 | 把痛点翻成卖点措辞、给 listing 句式 | 决定哪个卖点值得投入去兑现 |
| 成本判断 | —— | 改产品的成本、供应链能不能配合 |
| 文案落地 | 起草五点/A+/主图文案 | 核对卖点真实性、拍板与合规审阅 |
一句话记住这张表：AI 负责"把海量差评读成有序的痛点和卖点”，你负责"决定改什么、承诺什么、怎么兑现”。 谁把最后这步的判断也甩给 AI，谁就会照着一份自己兑现不了的卖点清单去写 listing。
几个常见坑
- 别只看差评不看好评。 差评告诉你"别人哪里做砸了"，好评告诉你"买家真正在乎什么"。理想做法是两批都喂给 AI，交叉看：竞品好评里被夸的点你得守住，差评里被骂的点你去攻。
- 样本太少别急着下结论。 三五条差评聚不出通病，容易把个别买家的误用当成产品缺陷。尽量每个竞品拉几十上百条，多个竞品交叉印证，AI 标出来的"共性通病"才靠得住。
- 别把 AI 的聚类当终审。 AI 会把"个人口味"和"真实缺陷"混在一起，第二步 Prompt 里特意留了"噪音栏"就是干这个的——但你仍要自己扫一眼，剔掉明显是误用或杠精的条目。
- 卖点要能兑现，否则是给自己埋差评。 你照竞品差评承诺了"绝不漏水"，结果自己的产品也漏，那你只是把竞品的差评抄到了自己头上。承诺前先确认产品端扛得住——差评挖掘的终点是真的把退货率降下来，不是文案上更会吹。
行动清单
- 选 3-5 个评分中等、评论量大的竞品 ASIN，导出各自的 1-3 星评论。
- 用第二步 Prompt 让 AI 把差评聚成痛点簇，按频次 × 严重度排序，锁定品类通病。
- 用第三步 Prompt 把高优先级痛点翻转成差异化卖点，分清"要改产品"和"只需说清楚"两类。
- 用第四步 Prompt 把卖点回填进五点、A+、主图草稿，逐条核对真实性再定稿。
- 把差评里的高频名词并进关键词库；把"要改产品"的清单交给供应链评估成本。
- 上架后持续复盘自己的新差评，用同一套流程迭代——差评挖掘不是一次性动作，是常态化的用户雷达。
核心逻辑就一句：竞品的差评是免费的用户调研，AI 是帮你把它读成卖点的引擎，而你是那个决定"改什么、承诺什么"的人。 把这三者分清，一个人也能做出过去要一个用户研究团队才做得动的竞品洞察。
延伸阅读
- 卖点选好了，接着埋进文案：用 ChatGPT 写亚马逊 listing 完整流程
- 差评里的高频词也是关键词金矿：用 ChatGPT 做亚马逊关键词研究
- 竞品情报的广告那条线：怎么查竞品在亚马逊投什么广告：竞品广告词与 ASIN 反查
- 差评挖掘的上游是选对方向：用 AI 做亚马逊选品的完整工作流
- 卖点兑现的终点是降退货：怎么系统性降低亚马逊退货率
- 配齐你的 AI 运营工具栈：2026 跨境电商卖家 AI 工具栈全盘点