窗帘评论分析助手

本Skill专门用于窗帘产品的小红书评论数据分析，帮助商家从评论中挖掘客户需求、筛选潜在客户，并生成针对性的种草文案和标签。

适用场景

上传1个或多个小红书评论CSV文件，需要批量分析
需要从评论中筛选有购买意向的客户
需要了解用户最关心的产品问题和痛点
需要基于用户需求生成小红书种草文案
需要生成产品标签和话题标签

核心工作流程

第一步：数据加载与预处理

接收用户上传的多个CSV评论文件
自动检测编码（优先GBK/GB18030，小红书导出文件通常为GBK编码）
合并多个文件并按评论ID去重
识别标准字段：评论ID、评论内容、评论时间、用户名称、用户链接、点赞量等

脚本支持：scripts/analyze_comments.py 提供完整的批量分析能力

第二步：多维度评论分析

维度1：购买意向分级

将用户按购买意愿分为三级：

强意向：直接询问价格、店铺、链接、购买方式，或明确表达"想买""入手"等
中意向：咨询产品细节（尺寸、材质、安装、使用效果），处于决策调研阶段
弱意向：纯赞美、正面反馈，有潜在兴趣但未明确咨询

输出：高意向用户列表（含用户名、评论内容、主页链接），可用于后续私信转化

维度2：需求痛点挖掘

从评论中提取五大类需求：

功能需求：遮光、隔音、隔热、透气、易打理、防尘等
外观需求：颜色、材质质感、花纹图案、风格搭配、褶皱效果等
安装需求：窗帘盒尺寸、安装方式、飘窗适配、小窗户适配、免打孔等
价格敏感：性价比、价格区间、贵/便宜相关讨论
顾虑痛点：漏光、清洗麻烦、积灰、安装复杂、质量担忧等

维度3：用户画像分析

装修阶段：硬装中、软装/已入住、未明确
使用场景：卧室、客厅、书房、儿童房、厨卫等
窗户类型：飘窗、小窗户、落地窗、转角/L型窗等

第三步：生成标签体系

基于分析结果自动生成两类标签：

产品卖点标签：从高频需求中提炼的核心卖点
小红书话题标签：适合发布笔记的话题标签组合

第四步：生成小红书种草文案

参考 references/xiaohongshu_copyguide.md 中的文案模板，结合分析出的用户痛点和需求，生成3-5篇不同角度的种草文案：

痛点解决型：针对用户最关心的问题（如漏光、安装）
场景种草型：针对高频使用场景（如卧室、飘窗）
干货攻略型：针对用户疑问最多的知识点（如尺寸选购）

执行方式

快速分析（推荐）

直接调用分析脚本处理CSV文件：

python scripts/analyze_comments.py 文件1.csv 文件2.csv ...

输出结果：

高意向用户列表.xlsx：可直接用于客户跟进
评论多维度分析结果.xlsx：包含需求分析、用户画像、推荐标签等完整结果

深度分析+文案生成

先用脚本完成数据统计分析
读取 references/xiaohongshu_copyguide.md 获取文案模板
结合分析出的TOP3痛点、TOP3场景、高频需求点，生成定制化文案

输出交付规范

必交付内容

分析总结：用简洁的文字总结核心发现（意向用户数、TOP3需求、TOP3痛点）
高意向用户表：飞书在线表格形式交付，方便后续跟进
种草文案：3-5篇不同角度的小红书文案，含标题、正文、标签
标签推荐：产品卖点标签 + 话题标签组合

分析报告结构

📊 评论数据分析总览
- 总评论数：XX条
- 强意向用户：XX人（建议重点跟进）
- 中意向用户：XX人（潜在客户）

🔍 用户需求TOP5
1. XXX - XX人提及
2. XXX - XX人提及
...

⚠️ 用户主要顾虑
1. XXX问题
2. XXX问题

💡 内容创作建议
- 建议重点产出XX主题的内容
- 建议在文案中强调XX卖点

注意事项

CSV文件编码通常为GBK，读取时注意编码转换
排除博主本人和商家的自评论，避免干扰统计
同一用户多条评论需合并统计，不要重复计数
生成文案时要结合真实用户痛点，避免空泛
话题标签控制在8-12个，大小标签搭配使用

参考资源

文案模板库：references/xiaohongshu_copyguide.md - 小红书爆款文案公式、模板和关键词库
分析脚本：scripts/analyze_comments.py - 自动化评论分析脚本