我做电商运营这些年，最头疼的事情之一就是每天面对成百上千条商品评价。翻吧，翻到眼花；不翻吧，又怕错过用户真实的声音。后来我开始认真琢磨“电商评价总结提示词”这个东西，才算真正把评论信息变成能拿去做决策的洞察。这一章就把我对它的理解摊开来讲讲。
1.1 定义与核心价值：提示词在评论总结中的作用与边界
我理解的电商评价总结提示词，说白了就是一段写给AI看的“任务说明书”，它告诉大模型该从哪些角度读评论、该提炼什么、该怎么组织输出。它不神秘，也不是什么黑科技，本质是把我们脑子里那套“看评论的经验”翻译成结构化语言。写得好，AI像个老练的评论分析师；写得糊，它回你的就是一堆正确的废话。
它的核心价值体现在两件事上。一是效率，几千条评论几分钟过一遍，高频问题、情绪倾向、提到最多的卖点都能扫出来，人力成本压得很低。二是标准化，不同人翻评论各有各的关注点，提示词能让输出格式和判断维度相对统一，团队内部对照起来不费劲。
边界也得说清楚。提示词没法替你做最终决策，它给的是“评论里的线索”，不是“运营结论”。AI总结出来的内容一定得有人工复核那一环，尤其是涉及严重质量投诉、平台合规风险的地方。指望一个提示词包打天下，那是想多了。它更像一副放大镜，帮你看得更清楚，看不看得懂还得靠你自己。
1.2 典型应用场景：商品优化、运营决策、客服跟进与营销卖点提炼
我在实际工作里用得最多的场景是商品优化。比如一款厨房置物架，评论里反复出现“安装孔位对不上”“螺丝偏短”，提示词把这些高频痛点拎出来，产品同事看完直接改图纸。这类反馈比开会讨论靠谱得多，用户已经用钱包和耐心帮你测试过了。
运营决策也用得上。某个月差评率突然涨了点，提示词把差评按“物流破损”“色差”“尺寸不符”分好类，我一眼就能判断问题出在供应链还是详情页描述。不用再像以前那样一条条翻，翻到一半自己先烦了。
客服跟进是我最近才重视起来的场景。提示词专门针对“待跟进型评论”做总结，比如用户提到“客服回复慢”“退换货流程绕”，输出时带上原文证据和情绪强度，客服组长按优先级分配处理，响应速度明显不一样了。营销卖点提炼同样有意思，好评里用户自己说出来的使用场景和夸赞点，往往比我们闭门造车写出来的卖点文案更接地气，直接拿来当详情页素材都可以。
1.3 关键词需求拆解：模板化、AI示例、可复用与可评估
大家搜“电商评价总结提示词”的时候，心里想要的东西其实挺具体。我总结下来主要是四个词：模板化、AI示例、可复用、可评估。
模板化是说别让我从零开始写。给一个骨架清晰的通用模板，目标、输入、输出格式都摆好，我填空就行。很多人卡在“不知道怎么开口跟AI提要求”这一步，模板能把这个门槛削平。
AI示例和可复用是一对。光有模板不够，还得看真实跑出来的效果长什么样，所以带示例的提示词更受欢迎。复用则意味着这套东西能换商品、换平台、换类目接着用，而不是一个链接配一个提示词，那就太累了。
可评估是很多人容易忽略的点。提示词写完了，效果到底行不行？覆盖率够不够？总结出来的问题是不是真问题？这些得有指标去衡量。我自己现在做提示词，会先拿一小批评论试跑，人工对照着看输出质量，再决定要不要推到全量。这套思路后面章节会展开讲，这里先提一嘴，让大家有个印象。
我刚开始写提示词那会儿，总觉得这东西嘛，把要求说清楚就行了。后来被AI气了几回才明白，设计框架这事真不是随手糊一段话就能对付过去的。框架搭得稳，提示词才跑得住。这一章我就把自己踩坑踩出来的那套设计路子摊开说说。
2.1 角色设定与任务边界：评论分析师、运营助手与输出目标
我习惯在提示词开头先给AI安个身份。别小看这一句"你是一名有着五年经验的电商评论分析师"，它能把AI的回答腔调直接带偏到专业路子上。不设角色的时候，它回你那种四平八稳的八股文，设了角色之后，它开始会用"用户高频提到""这条反馈值得警惕"这种我带团队时天天挂嘴边的说法。角色设定还有个好处，是把AI的注意力锚在评论分析这件事上，不容易跑题去聊别的。
任务边界这块我吃过亏。有一回我让AI总结评论，它顺手给我编了几条运营建议，看着挺像回事，细看全是空话。后来我学乖了，提示词里明明白白写清楚：你只负责从评论里提炼信息，不做战略决策，不给超出原文的推断。运营助手和评论分析师这两个角色得分清，前者可以提行动建议，后者得老老实实当个信息过滤器。我一般让AI干后者的活，建议那部分留给我自己判断。
输出目标也要提前钉死。你是要一份能直接贴进周报的简明摘要，还是要一份带原文证据的详细分析，提示词里得说清楚。目标含糊，AI就按它自己的理解来，出来的东西往往不是你要的那盘菜。我现在每条提示词都会写一句"本次输出的核心目标是帮助运营团队在五分钟内识别出最需要处理的三个问题"，目标越具体，输出越靠谱。
2.2 输入信息与评价维度：评分、文本、SKU、平台、时间、情感、痛点与卖点
评论数据本身是杂的，评分、文本、SKU、平台、时间戳全混在一起。我在提示词里会把输入信息的结构和AI交代明白，告诉它哪列是评分、哪列是评论文本、哪列是SKU编码，让它知道该拿什么当分析素材。有时候评论区还带着追评、图片描述，这些也得说明要不要纳入分析。输入说清楚，AI才不会对着评分数字瞎猜文本内容。
评价维度是提示词设计里最见功力的部分。我自己常用的维度有六个：情感倾向、高频痛点、高频卖点、使用场景、人群特征、时间趋势。情感倾向不能只分正负，得让它标一下强度，比如"强烈不满""轻微抱怨""中性陈述"，这样我一眼就能看出哪几条评论火烧眉毛。痛点卖点要让它按出现频次排个序，别一股脑列一堆，运营同事看到排序才知道先改哪个。
SKU和平台这两个维度容易被忽略，其实挺关键。多SKU的链接里，不同颜色不同规格的问题可能完全不一样，提示词得要求AI分SKU归因。平台维度也一样，同一个商品在A平台和B平台的差评焦点常常不同，分开看才能定位到平台侧的运营问题。时间维度我一般让它按周或按月聚合，看看差评是不是集中爆发在某段时间，这对排查批次质量问题特别有用。
2.3 输出结构与格式约束：摘要、优缺点、高频问题、人群场景、建议与原文证据
输出结构我踩过的坑最多。早期我提示词就写"总结一下这些评论"，AI回我一大段散文，读起来累得要命，关键信息全埋在段落里。后来我强制要求分段输出，每段带小标题，情况立刻不一样了。现在我固定的结构是：一段总摘要，一份优缺点清单，一份高频问题排行，一份人群场景画像，最后附上建议和原文证据。结构定死，AI就没法偷懒。
原文证据这块我特别看重。AI总结出来的痛点，我得能对照到具体评论才敢信。提示词里我会明确要求"每条结论后面附一到两条原文引用，引用不超过三十字"，这样既防止它胡编，也方便我抽查。摘要部分我一般控制在两百字以内，超过这个长度运营同事根本懒得看。优缺点清单就列条目，每条一句话，干干净净。
人群场景画像是我最近加进去的模块，效果出奇地好。AI会从评论里拎出"宝妈""租房党""办公室白领"这类人群标签，再配上他们提到的使用场景，比如"放在出租屋小厨房""带去露营用"。这部分内容直接能喂给营销团队当素材，比他们自己拍脑袋想场景强多了。格式上我要求每个场景配一句用户原话，真实性拉满。
2.4 质量约束与风险控制：去噪、防幻觉、引用依据、长度、语气与人工复核
去噪这事得在提示词里提前布防。评论区里"好评""不错""物流快"这类无信息量的内容占了很大比例，我提示词里会直接写"忽略少于五个字且无具体描述的评论，忽略明显模板化的好评"。不设这条，AI会把大量废话也算进统计里，总结出来的东西水位就被拉低了。刷单痕迹明显的评论我也让它标出来单独归类，别混进正常分析里。
防幻觉是底线要求。我提示词里会反复强调"所有结论必须基于提供的评论文本，不得引入外部知识，不得推测评论中未提及的信息"。AI有个毛病，看到"手机壳"就自动脑补"防摔性能好"，可评论里压根没人提防摔。这种脑补在总结里最要命，运营拿去改产品就麻烦了。引用依据的要求也能顺带压住幻觉，每条洞察挂着原文，编的内容一对照就露馅。
长度和语气也得管。我一般要求总输出控制在一千字以内，语气保持客观中性，不用感叹号，不用"非常""极其"这类夸张词。评论区本来就情绪化，总结再情绪化就没法看了。最后一道关卡永远是人工复核，我在提示词末尾会写一句"输出仅供初步分析参考，需经人工审核后使用"。这话不只是给AI看的，也是提醒我自己，AI总结得再顺溜，重大决策前我还是会抽一批评论亲自过一遍。工具是工具，判断力得攥在自己手里。
框架讲完了，这一章直接上干货。我把平时在用的几套模板摊开来，连prompt原文一起贴出来，你们拿去改改就能跑。模板这东西不是拿来供着的，得在实战里反复揉捏。我最早那版模板丑得很，改到第七八版才顺手。
3.1 通用模板结构：目标—输入—维度—输出—约束—变量
我把所有模板都归到一个骨架上：目标、输入、维度、输出、约束、变量，六块拼起来就是一条完整的prompt。目标说清楚这次总结要解决什么问题，输入交代评论数据的结构和范围，维度列出要分析的视角，输出规定格式和篇幅，约束管住AI的手脚，变量留出可替换的口子。这六块顺序不用死板，我习惯把目标和输入放前面，AI读起来顺。
变量这块单独拎出来说。我做的模板里，商品名、评论数据、SKU列表、平台名称这些东西都做成占位符，用{{}}包起来。每次用的时候替换掉就行，模板本身不用动。这样做的好处是模板能反复用，一个骨架套几十个商品都不带重样的。我见过有人每换一个商品就重写一版prompt，费时费力还容易漏东西。
约束部分我一般固定写几条：只有评论里出现的内容才能写，不许脑补；每条结论配原文引用；输出控制在八百到一千字；语气客观，不用夸张词。这几条是底线，每个模板里都得有。变量部分有时候还会加一个"重点关注维度"，让我临时指定这次重点看物流还是看质量，灵活度一下就上来了。
3.2 基础版模板：单商品评论总结prompt示例
单商品总结是最常用的场景，我贴一版最近在跑的prompt：
你是一名电商评论分析师，请对以下商品评论进行结构化总结。
【商品信息】
商品名称：{{商品名}}
平台：{{平台}}
评论时间范围：{{时间范围}}
评论总数：{{数量}}
【评论数据】
{{评论文本，每条含评分、内容、SKU、日期}}
【分析维度】
1. 整体情感倾向（分强烈正面/正面/中性/负面/强烈负面五档，给出占比）
2. 高频卖点TOP5（按提及频次排序）
3. 高频痛点TOP5（按提及频次排序）
4. 典型使用场景与人群标签
5. 时间趋势（差评是否集中在某时段）
【输出格式】
- 摘要：200字以内，点明最需要关注的问题
- 优缺点清单：各5条，每条一句话
- 高频问题排行：附出现次数
- 人群场景画像：每个场景配一句用户原话
- 原文证据：每条结论后附1-2条评论引用，每条不超过30字
【约束】
只基于提供的评论内容分析，不引入外部信息，不推测评论未提及的内容。
忽略少于5个字且无具体描述的评论。
输出总字数控制在1000字以内，语气客观中性。
这版模板我用了小半年，改动最多的就是输出格式那块。早期没写"每条一句话"，AI就给你整段整段地铺，读起来累。加了这条限制之后，清单干净多了。摘要两百字这个数是我试出来的，再长运营同事就开始跳着看了。
有个细节值得说：评论数据那块我要求带上评分和SKU一起喂进去，别只丢文本。光有文本AI判断情感倾向容易偏，配上评分它就有了校准锚点。SKU信息在单商品场景里看着多余，其实不然，同一商品不同规格的问题经常不一样，带着SKU它才能分规格归因。
3.3 进阶版示例：多SKU、多平台与竞品对比总结prompt
多SKU和多平台的场景复杂不少，模板得跟着升级。我通常会把评论数据按SKU或平台分组喂进去，prompt里明确要求分组对比。下面这版是多SKU总结的：
你是一名电商评论分析师，请对同一商品链接下多个SKU的评论进行分组总结与横向对比。
【商品信息】
商品名称：{{商品名}}
SKU列表：{{SKU1}}、{{SKU2}}、{{SKU3}}...
平台：{{平台}}
评论时间范围：{{时间范围}}
【评论数据】
{{按SKU分组的评论文本，每条含评分、内容、日期}}
【分析任务】
1. 每个SKU单独输出：情感分布、高频痛点TOP3、高频卖点TOP3
2. 横向对比：哪个SKU问题最集中，哪个SKU口碑最好
3. 共性问题：跨SKU重复出现的痛点单独列出
4. 差异归因：指出哪些问题可能是规格差异导致的
【输出格式】
- 总览摘要：150字以内
- SKU对比表：每个SKU一行，列情感倾向、核心痛点、核心卖点
- 共性问题清单：附跨SKU出现次数
- 原文证据：每个SKU的核心结论附1条引用
【约束】
不同SKU的评论不得混在一起统计。
只基于提供的评论内容分析，不推测未提及的信息。
输出总字数控制在1200字以内。
竞品对比的模板思路差不多，把SKU换成竞品名就行。这类prompt我跑下来最大的感受是，分组指令必须写死，不写死AI会把所有评论搅成一锅粥，出来的总结看着全面其实啥也没说清。SKU对比表这个输出格式是我从周报模板里搬过来的，运营同事反馈说一眼就能看出哪个规格该下架整改。
多平台对比还得加一条：要求AI标注平台差异的可能原因，比如"平台A差评集中在物流时效，平台B集中在包装破损"。这条不写，AI只会干巴巴列数据，不给你归因。归因这事它做得不一定准，但至少能给我个排查方向。
3.4 场景化示例：客服跟进、商品改进与营销卖点提炼prompt
同一批评论，喂给不同角色的人看，要的东西完全不一样。客服想知道哪些客户在等回复，产品想知道改哪儿，营销想知道拿什么当卖点。我给这三类需求各配了一版prompt。
客服跟进版：
你是一名客服团队的数据助手，请从以下评论中筛选出需要主动跟进的高风险反馈。
【评论数据】
{{评论文本，含评分、内容、订单号、日期}}
【筛选标准】
1. 评分≤2星且描述具体问题的评论
2. 提到"退货""投诉""曝光""差评"等敏感词的评论
3. 同一用户多次追评且情绪升级的评论
【输出格式】
- 高风险清单：按紧急程度排序，每条含评论摘要、敏感点、建议动作
- 批量问题汇总：同类问题合并，标注涉及人数
- 可忽略评论：模板化好评、无具体内容的差评
【约束】
建议动作只写客服层面能做的事，如回访、补偿、解释，不涉及产品和运营决策。
原文引用每条不超过30字。
商品改进版的重点在痛点归因和优先级。我要求AI把痛点按"可改进难度"和"影响人数"两个维度排，输出一张四象限表格。这活AI干得比人快，几百条评论扫一遍就能分出轻重缓急。不过象限划分的阈值我一般在prompt里直接给死，让它按我定的标准来，不然它自己发挥起来没边。
营销卖点提炼版我最喜欢用。prompt里直接写"从评论中提取用户自发使用的赞美表达，保留原话"，出来的东西全是活人说的话，比文案团队憋出来的广告语接地气多了。我会再加一条要求：按人群标签归类卖点，比如宝妈群体最认哪句、学生党最认哪句。营销同事拿到这份东西，投放素材的文案方向基本就定了。
三版prompt有个共同点：任务边界写得特别窄。客服版只要跟进动作，商品版只要改进方向，营销版只要卖点原话。边界一窄，AI的输出就聚焦，拿过来就能直接用，不用二次加工。我早期贪心，想一条prompt把所有角色都伺候了，结果出来一锅大杂烩，谁也看不下去。分开做，各自干各自的活，反而省事。
模板跑起来只是第一步。我见过太多人prompt写得很漂亮，往系统里一挂就完事，从来不看输出到底顶不顶用。这块我踩过的坑最多，早期自己也被"看着还行"的假象骗过好几回。评估这件事必须得有，不然你永远不知道手里这条prompt是真在干活还是在糊弄你。
4.1 评估指标：覆盖率、准确性、可读性、行动性与稳定性
我给自己的模板定了五个维度的打分表，每周抽一批输出挨个过一遍。覆盖率看的是评论数据里有多少被有效纳入了分析。举个例子，一批两百条的评论，AI总结里只体现了六十条的内容，剩下的虽然喂进去了但没在结论里露面，这就是覆盖率出了问题。我一般会随机捞二十条原始评论，一条条对照总结里有没有被覆盖到。漏掉的多半是无内容好评或者太短的评论，这类漏掉情有可原，怕的是那些有具体描述的中评被漏了，那就说明去噪规则写得太狠。
准确性我抓得最紧。AI编造一条评论里没提的"物流很快"就能让整份总结失去信任。我的检查方法很土但管用：每条结论后面不是要求附原文引用吗，我抽十条结论去评论原文里搜，搜不到就是幻觉。这个动作花不了五分钟，能挡掉八成问题。准确性还包括情感判断和评分是否对齐，有时候评论写的是三星但通篇在夸，AI判成正面没毛病，可如果它把三星当负面处理就说明校准逻辑有偏差。
可读性这东西看着虚，其实好判断。我把输出直接甩给运营同事，让他们读一遍然后复述要点，复述得出来就是可读，复述卡壳就是不行。有几个信号特别明显：清单条目超过一句话、摘要超过两百字、同一个意思换着说法重复三遍，读到这些我基本就知道模板又该改了。
行动性是最容易被忽略的指标。总结写得再漂亮，运营看完不知道该干什么，这份总结就是废纸。我的判断标准很简单，输出里得能直接抠出动作来。比如"退货原因集中在尺码偏小，建议在详情页加尺码对照表"，这种就是有行动性的。光说"用户对尺码不满意"等于没说。客服跟进版的行动性最容易拉满，商品改进版次之，营销版看的是能不能直接抄原话去投素材。
稳定性这个指标我吃了大亏才重视起来。同一批评论数据，隔一周再跑一次，结论应该大差不差。我早期一条prompt跑两遍，痛点排名能差出三位去，后来发现是温度参数没压住，加上提示词里维度描述太模糊，AI每次抓的重点都不一样。现在我固定把温度调到0.3以下，维度描述也写得死死的，稳定性一下就上来了。跑两次对比一下TOP5痛点，重合度低于四条我就得回头查模板。
4.2 迭代方法：小样本测试、A/B对比、错误归因与模板修订
改模板不能拍脑袋。我定了个规矩，任何改动先拿五十条评论的小样本跑，不碰全量数据。小样本挑的时候有讲究，不能全挑好评也不能全挑差评，得按评分分布按比例抽。我一般从五星到一星各抽十条左右，再掺几条带追评的，这样样本的"脾气"跟全量接近，测出来的问题才有代表性。五十条跑一轮成本很低，十来分钟的事。
A/B对比是我验证改动的核心手段。拿旧模板和新模板同时跑同一批样本，两份输出并排贴在一起，逐条看差异。我有个笨办法，让不看背景的同事当裁判，把两份输出丢给他们问哪份更好用，不告诉他们哪份是新版。结果经常打脸，我以为优化了的地方，人家压根没感觉，反倒是我顺手改的一个小细节被夸了。这种盲测做多了，我对哪些改动是真有效、哪些是自我感动心里就有数了。
错误归因这块我拉了个表，把翻过的车分了几类。漏分析的，多半是输入数据里字段格式乱了或者维度描述没覆盖到。编内容的，基本都是约束没写死或者评论数据里有互相矛盾的表述把AI带偏了。格式跑偏的，回头一看十有八九是输出格式那段写得太松散。还有一类是语气不对，输出带上了明显的好恶倾向，这种得在角色设定里加一句"保持中立，不使用评价性形容词"。归好类之后修模板就有方向了，不用每回从头捋。
模板修订我现在的节奏是一个月一次大修，平时小改随手记。我专门开了个文档记每次改动的原因和效果，改了什么、为什么改、A/B结果如何，一条条记下来。翻回去看的时候特别有用，有些坑隔几个月就忘了，文档里躺着呢。我见过有人一天改三版模板，改到最后自己都不知道哪版好，就是因为没记录。
4.3 合规与治理：隐私保护、刷评识别、偏见控制与人工复核
评论数据里藏着用户隐私，这事不能含糊。手机号、订单号、地址这类信息进模型之前必须脱敏，我在预处理环节加了正则过滤，把连续十一位数字、带"号"字的地址片段统一替换掉。早期有回我把原始评论直接喂进去，输出里赫然出现了用户手机号的后四位，虽然只是后四位也够吓人的，打那以后脱敏成了固定动作。现在我的模板里还会加一条约束：输出中不得出现任何可识别个人身份的信息。
刷评识别得在提示词里留个心眼。那些清一色五星、文案高度雷同、发布时间扎堆的评论，AI照样会当真实反馈来分析，结论就被污染了。我在prompt里加了一段要求：识别疑似模板化好评和异常重复内容，单独列出不计入主要分析。效果肯定不如专门的刷评检测工具，但能把最明显的那批挡在外面。我会再让AI标注"疑似刷评"的判断依据，比如"二十条评论使用相同句式"，方便人工复核时快速确认。
偏见控制是容易被低估的一项。AI对情绪强烈的表达天然更敏感，一条激烈的差评在它眼里可能顶得上十条平淡好评，总结出来的负面占比就失真了。我的应对办法是要求AI按条数统计情感分布，而不是凭印象描述，同时在约束里写死"不得因个别激烈评论放大整体负面倾向"。另外人群标签这块也得防着点，AI有时候会把个别用户的使用场景泛化成整个群体的特征，我要求它标注每个标签对应的评论条数，只有一两条支撑的标签不许单独列出来。
人工复核这条底线不能丢。我现在的流程是AI出总结、人工抽检、确认后放行。抽检比例看场景，给内部看的报表抽两成，对外的内容全检。复核的人得拿着原始评论对照着看，重点查结论有没有原文支撑、情感判断有没有明显错位。我见过直接拿AI输出贴进周报的，后来被业务方当场抓包说数据对不上，那场面相当难看。复核这步花的工夫，跟输出出错再返工的代价比起来，太值了。
4.4 自动化集成与规模化应用：批量评论总结、报表生成与知识库沉淀
单条prompt手动跑跑还行，数量一上来就顶不住了。我这边日常要处理的商品链接几十个，每个下面评论几百条，靠手工复制粘贴根本忙不过来。现在的做法是搭了一条批量流水线，脚本按商品维度拉评论、清洗、套模板、调接口、落表格，全自动跑完。我早上到工位的时候，昨天的评论总结已经躺在共享文档里了。批量跑的时候模板里那几个变量得让脚本自动填，占位符命名要规范，不然脚本替换的时候容易错位。
报表生成这一步我在prompt输出格式上做文章。直接让AI按我定的表格结构输出，摘要、痛点TOP5、情感占比、建议动作各占一列，脚本把结果往Excel里一贴就是一张能看的日报。关键是把输出格式约束得足够死，每列的字段名、字段长度、分隔符都在prompt里写清楚，AI吐出来的东西就是半成品报表。我早期的输出格式写得松，AI偶尔给你换种排法，脚本解析就报错，后来把这些都写死了才稳。
知识库沉淀这块我最近才开始正经做。每周把跑完的总结归档，按商品类目、问题类型打标签，时间一长就能挖出规律。比如某个类目的痛点常年集中在同一个地方，说明供应链那块有硬伤，这种跨时间的洞察单看一周的总结是看不出来的。我还会把人工复核时发现的好结论和错结论分开放，好的当范例喂给新模板做参考，错的攒成反例集，下次改模板的时候拿出来对照着避坑。这套东西跑顺之后，新来的同事接手也不用从头摸索，翻翻知识库就知道哪些坑已经踩过了。
自动化程度上去之后反而要更警惕。机器跑得太顺，输出没人细看，错误就悄悄累积。我在流水线里设了道卡口，每天随机抽五份输出扔给业务方看一眼，收集反馈。这个动作不费什么事，但能保证模板一直贴着实际需求走，不至于跑着跑着就偏了方向。
