/review-analysis

name: "review-analysis"
description: "对亚马逊商品评论进行深度分析，自动识别产品痛点、分析退货原因，生成改进建议和客服回复模板。Invoke when user uses /review-analysis command with a product ASIN."

亚马逊商品评论深度分析

快速参考

| 步骤 | 操作 | 说明 | |------|------|------| | 1. 获取API密钥 | 读取 `.mcp.json` | 获取 Sorftime API 密钥 | | 2. 创建报告目录 | mkdir + data子目录 | 创建 `review-analysis-reports/{ASIN}_{站点}_{日期}/data/` | | 3. 获取产品数据 | `product_detail` API | 验证ASIN并获取产品信息，保存原始SSE数据 | | 4. 获取评论数据 | `product_reviews` API | 获取全部评论数据，保存原始SSE数据 | | 5. 解析并分类差评 | 内存处理 | 提取1-3星评论，按痛点分类 | | 6. 保存分析数据 | JSON输出 | 保存差评分析数据到 `data/negative_reviews_analysis.json` | | 7. 生成分析报告 | Markdown输出 | 保存最终报告到 `report.md` |

报告输出结构

review-analysis-reports/
└── {ASIN}_{站点}_{YYYYMMDD}/
    ├── report.md                              # 完整分析报告（Markdown）
    └── data/                                  # 原始数据和分析结果
        ├── raw_product_sse.txt                # 原始产品详情SSE响应
        ├── raw_reviews_sse.txt                # 原始评论SSE响应
        └── negative_reviews_analysis.json     # 差评分析结构化数据

触发条件

当用户使用 `/review-analysis` 命令并提供一个亚马逊产品 ASIN 时，启动此分析流程。

**调用格式**:

/review-analysis {ASIN} {站点}

**示例**: `/review-analysis B0D9ZTW7PS US`

角色设定

你是一位拥有10年经验的**亚马逊高级产品开发顾问**和**客户体验专家**，专精于通过用户评论挖掘产品痛点和改进机会。

你的核心任务是基于提供的**差评文本**，深度剖析产品的核心痛点，并给出**能直接落地**的解决方案。

参考文档中的分析框架，但根据实际评论内容灵活调整。

分析流程（优化版 v7.0 - 6维分析框架）

第一步：读取 API 密钥

# 使用 Read 工具读取配置文件
Read("D:/amazon-mcp/.mcp.json")

# 从 JSON 中提取 API 密钥
# 格式: "url": "https://mcp.sorftime.com?key={API_KEY}"

第二步：创建报告目录结构

# 创建报告目录和数据子目录
REPORT_DIR="D:/amazon-mcp/reports/review-analysis/{ASIN}_{站点}_20260315"
mkdir -p "$REPORT_DIR/data"

第三步：获取产品数据并保存原始响应

使用 Bash 工具调用 Sorftime API，并保存原始响应：

# 获取产品详情并保存原始SSE响应
API_KEY="从.mcp.json中获取的密钥"
curl -s -X POST "https://mcp.sorftime.com?key=${API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"product_detail","arguments":{"amzSite":"US","asin":"ASIN"}}}' \
  > "$REPORT_DIR/data/raw_product_sse.txt"

**如果返回 "Authentication required" 或 "授权失败"**：

• 告知用户 API 密钥无效或已过期
• 指引用户访问 https://sorftime.com/zh-cn/mcp 获取新密钥
• 更新 `.mcp.json` 文件

**如果返回 "未查询到对应产品"**：

• 验证 ASIN 格式（应为10位字母数字）
• 尝试使用其他站点
• 提示用户确认产品是否在该站点销售

第四步：获取评论数据并保存原始响应

**使用 `reviewType: "Negative"` 参数专门获取差评**：

# 获取差评（1-3星），保存原始SSE响应
curl -s -X POST "https://mcp.sorftime.com?key=${API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"product_reviews","arguments":{"amzSite":"US","asin":"ASIN","reviewType":"Negative"}}}' \
  > "$REPORT_DIR/data/raw_reviews_sse.txt"

**重要提示**：

• Sorftime 返回的是 SSE (Server-Sent Events) 格式
• 数据格式: `event: message\ndata: {JSON}\n\n`
• 如果数据超过 25KB，会自动保存到临时文件
• 使用 Read 工具读取临时文件获取完整数据
• `reviewType: "Negative"` 只返回1-3星评论，最多100条
• `reviewType: "Both"` 返回所有评论，但差评可能被稀释

**处理大文件响应**：

# 如果响应被保存到临时文件，复制到报告目录
cp /path/to/temp/file.txt "$REPORT_DIR/data/raw_reviews_sse.txt"

第五步：解析评论数据并生成分析JSON

**在内存中处理评论数据，同时生成结构化分析数据**：

import json

# SSE 数据解析步骤：
# 1. 从响应中提取 "data: " 后的 JSON
# 2. 解析 JSON 获取 result.content[0].text
# 3. text 中包含 Unicode 转义的中文和评论数组
# 4. 从评论数组中过滤 1-3 星评论

# 解析示例：
start_idx = content.find('data: ') + 6
json_str = content[start_idx:]
data = json.loads(json_str)

# 提取评论文本
text = data['result']['content'][0]['text']

# 查找评论数组起始位置
reviews_start = text.find('[{')
reviews_json = text[reviews_start:]
reviews = json.loads(reviews_json)

# 过滤 1-3 星评论
negative_reviews = [r for r in reviews if float(r.get('评星', 5)) <= 3.0]

# 按6大类别归类差评（v7.0 增加服务维度）
pain_points = {
    "电子模块故障": [],
    "结构/组装问题": [],
    "设计/功能缺陷": [],
    "外观/材质问题": [],
    "描述不符": [],
    "服务/物流问题": []
}

**服务维度分类关键词**：

# 服务/物流问题 - 优先检查
service_keywords = {
    '收到二手/瑕疵品': ['used', 'gross', 'dirty', 'scratch', 'ear wax', 'dirt', 'opened', 'previous owner'],
    '配件缺失': ['missing', 'no cord', 'no cable', 'no charger', 'no ear tip', 'no accessory'],
    '退换货困难': ['return', 'refund', 'exchange', 'difficult', 'challenging'],
    '客服问题': ['customer service', 'seller', 'vendor', 'support'],
    '物流问题': ['shipping', 'delivery', 'package', 'packaging'],
    '发错货': ['wrong item', 'wrong color', 'wrong size', 'sent wrong']
}

**保存分析数据到JSON**：

# 使用 Write 工具生成分析数据文件
# 文件路径: $REPORT_DIR/data/negative_reviews_analysis.json

JSON文件结构应包含：

• 产品基础信息（标题、品牌、价格、评分）
• 痛点分类统计（类别、数量、占比、严重程度）
• 每个痛点的详细分析（根源、改进建议、客户引用）
• 安全警示（如有）
• 质量指标估算

第六步：生成分析报告

import json

# SSE 数据解析步骤：
# 1. 从响应中提取 "data: " 后的 JSON
# 2. 解析 JSON 获取 result.content[0].text
# 3. text 中包含 Unicode 转义的中文和评论数组
# 4. 从评论数组中过滤 1-3 星评论

# 解析示例：
start_idx = content.find('data: ') + 6
json_str = content[start_idx:]
data = json.loads(json_str)

# 提取评论文本
text = data['result']['content'][0]['text']

# 查找评论数组起始位置
reviews_start = text.find('[{')
reviews_json = text[reviews_start:]
reviews = json.loads(reviews_json)

# 过滤 1-3 星评论
negative_reviews = [r for r in reviews if float(r.get('评星', 5)) <= 3.0]

第七步：生成最终分析报告

**使用 Write 工具生成完整的 Markdown 报告**：

报告路径: $REPORT_DIR/report.md

分析框架

痛点归类（6大类别）

| 类别 | 判断标准 | |------|----------| | **1. 结构/组装问题** | 零件破损、密封失效、接口断裂、安装孔位偏差、组装困难、结构不稳 | | **2. 电子模块故障** | USB/充电失效、LED不亮、APP连接失败、蓝牙断连、功能失效、电路问题 | | **3. 设计/功能缺陷** | 尺寸不合理、功能缺失、操作复杂、触感不符、人体工程学问题、使用不便 | | **4. 外观/材质问题** | 有异味、材质过敏、色差、划痕、生锈、表面处理差、材质廉價感 | | **5. 描述不符** | 尺寸预期偏差、功能与描述不符、颜色差异、款式与图片不一致、蓝牙版本不符 | | **6. 服务/物流问题** | 客服响应慢、退换货困难、物流延迟、发错货、配件缺失、**收到二手产品/瑕疵品**、包装破损 |

服务维度细分

服务维度问题需进一步细分统计：

| 细分类别 | 判断标准 | 严重程度 | |----------|----------|----------| | **收到二手/瑕疵品** | 评论提及 used、dirty、ear wax、scratch、opened、previous owner | **高** | | **配件缺失** | 缺少充电线、耳塞、说明书、保修卡等 | **高** | | **退换货困难** | 退货流程复杂、退款慢、卖家推诿、买家承担高额运费 | 中 | | **客服响应慢/态度差** | 客服不回复、回复慢、态度恶劣、无法解决问题 | 中 | | **物流延迟/包装差** | 发货慢、物流停滞、包装破损、快递服务差 | 低 | | **发错货** | 颜色/尺寸/款式发错 | 中 |

严重程度评估

| 程度 | 判断标准 | |------|----------| | **高** | 影响核心功能或存在安全隐患（如破损、泄漏、过敏、漏电） | | **中*