- name
- amazon-review-reveyes
- version
- 1.1.5
- author
- reveyes
- description
- >
- tags
- requires
- env
When to Run
- 用户发送 ASIN 编号并要求抓取或分析评论
- 用户说「帮我看看这个竞品的差评」「分析一下这款产品的用户反馈」
- 用户要了解差评原因、改进产品或 Listing
- 用户要对比同一商品在多个亚马逊站点的口碑
- 用户要导出评论数据做运营分析
Parameters
从用户消息中提取以下信息：
| 参数 | 说明 | 默认值 |
|---|---|---|
asin | 亚马逊 ASIN，10 位字母数字（必须） | — |
marketplace | 站点代码，见下方列表 | US |
pages | 抓取页数（1-10），1 页约 10 条评论 | 3 |
filter_star | 星级筛选：all_stars positive critical five_star four_star three_star two_star one_star | all_stars |
filter_sort_by | 排序：recent（最新）/ helpful（最有用） | recent |
filter_reviewer_type | 评论者类型：all_reviews / avp_only_reviews（验证购买） | all_reviews |
filter_media_type | 媒体筛选：all_contents / media_reviews_only（含图片/视频） | all_contents |
filter_variant | 变体筛选：all_formats / 具体变体值 | all_formats |
支持的站点代码（20 个）： US CA MX UK DE FR IT ES NL SE PL BE IE JP IN SG AE SA AU BR
Workflow
- 提取参数：从用户消息中识别 ASIN（10 位）、站点代码、页数、星级筛选
- 若用户只给 ASIN，其余使用默认值 - 若用户说「差评」/ 「negative」→ 自动设置 filter_star=critical - 若用户说「好评」/ 「positive」→ 自动设置 filter_star=positive - 若用户说「带图评论」→ 设置 filter_media_type=media_reviews_only - 若用户说「真实买家」/ 「verified」→ 设置 filter_reviewer_type=avp_only_reviews
- 执行抓取：调用
scripts/fetch.py，传入参数
python scripts/fetch.py <ASIN> <marketplace> <pages> <filter_star>- 等待完成：脚本内部自动轮询（最多 5 分钟），完成后输出完整 JSON 结果
- 展示结构化数据：将 JSON 中所有字段完整呈现（见下方字段说明）
- AI 深度分析：按照下方「AI 分析提示词」对数据进行跨境电商运营分析
- 错误处理：
- AUTH_ERROR → 提示用户检查 REVEYES_API_KEY 环境变量 - NO_CREDITS → 提示前往 https://www.reveyes.cn 充值 - BAD_PARAMS → 提示检查 ASIN 格式或站点代码是否正确 - TIMEOUT → 告知任务仍在运行，附上 task_id 供后续查询
API 返回字段说明
脚本输出标准 JSON，包含以下所有字段：
顶层字段
| 字段 | 类型 | 说明 |
|---|---|---|
task_id | string | 本次抓取任务 ID |
asin | string | 商品 ASIN |
marketplace | string | 站点代码 |
filter_star | string | 本次星级筛选条件 |
credits_used | int | 本次实际消耗积分 |
summary（汇总统计）
| 字段 | 类型 | 说明 |
|---|---|---|
total_reviews | int | 抓取到的评论总数 |
average_rating | float | 平均评分（1-5） |
rating_distribution | object | 各星级数量，key 为 "5"~"1" |
verified_purchase_count | int | 验证购买评论数 |
has_image_count | int | 含图片的评论数 |
has_video_count | int | 含视频的评论数 |
negative_count | int | 差评数（1-2 星） |
negative_rate | float | 差评率（%） |
items_summary（ASIN 子任务明细）
| 字段 | 类型 | 说明 |
|---|---|---|
asin | string | ASIN |
marketplace | string | 站点 |
status | string | 子任务状态：pending / running / done / failed |
pages | int | 请求页数 |
actual_pages | int | 实际抓取页数 |
review_count | int | 本 ASIN 实际抓到的评论数 |
negative_reviews / all_reviews（评论列表，每条评论完整字段）
| 字段 | 类型 | 说明 |
|---|---|---|
review_id | string | 亚马逊评论唯一 ID |
asin | string | 所属 ASIN |
marketplace | string | 所属站点 |
rating | int | 星级（1-5） |
title | string | 评论标题 |
review_date | string | 评论日期（亚马逊原始格式） |
review_content | string | 评论正文（完整） |
user_name | string | 评论者昵称 |
profile_url | string | 评论者主页 URL |
verified_purchase | bool | 是否验证购买 |
helpful_votes | int | 有用投票数 |
product_variant | string | 购买的产品变体（颜色/尺寸等） |
images | array | 评论附带图片列表 |
videos | array | 评论附带视频列表 |
page | int | 来自第几页 |
AI 分析提示词
收到 JSON 数据后，按以下提示词进行分析输出：
你是一位资深亚马逊跨境电商卖家顾问，专注于帮助卖家通过评论数据改善产品、优化 Listing、提升 BSR 排名和转化率。
请基于以下评论数据，以卖家运营者身份给出可直接执行的行动建议报告。报告语言简洁、结论先行，每条建议必须说明"做什么"和"怎么做"。
分析维度（必须逐一覆盖）：
一、核心运营指标速览
- 评论总数、平均评分、差评率（1-2 星占比）
- 验证购买占比 — 判断评论真实性，低于 70% 需关注刷评风险
- 含图/视频评论数 — 高质量 UGC 可用于 A+ / 品牌故事素材
- 评分分布直方图（ASCII 格式）
- 一句话风险判断：当前评分是否危及 Listing 流量（低于 4.0 需标注 ⚠️）
二、差评根因诊断与卖家对策
从 negative_reviews 逐条归因，每类必须给出卖家具体对策（不止描述问题）：
- 产品本身缺陷（材质/耐用性/做工）
- 出现次数 + 代表性引用（原文） - 卖家对策：→ 向供应商提出具体改良要求 / 更换原材料型号 / 升级 QC 抽检比例
- 功能与预期不符（性能/兼容性/操作）
- 出现次数 + 代表性引用（原文） - 卖家对策：→ 在 Bullet Points 中明确标注适用范围和限制条件 / 在包装内增加快速上手卡片
- Listing 描述与实物不符（颜色/尺寸/材质偏差）
- 出现次数 + 代表性引用（原文） - 卖家对策：→ 修正主图/副图/尺寸对比图 / 在标题或 Bullet 中加精准规格描述 / 更新 A+ 对比展示模块
- 包装与物流问题（破损/包装简陋/发货延迟）
- 出现次数 + 代表性引用（原文） - 卖家对策：→ 升级内衬缓冲材料 / 添加易碎品标签 / 核查 FBA 入库包装规范是否达标
- 售后与客服问题（退换货/响应速度）
- 出现次数 + 代表性引用（原文） - 卖家对策：→ 优化 Buyer-Seller Message 自动回复模板 / 包装内附售后服务卡（含联系方式和常见问题解答）
- 其他问题
- 出现次数 + 代表性引用 + 卖家建议对策
三、高权重差评处理优先级（helpful_votes Top 5）
这些差评对潜在买家转化影响最大，须优先处理：
逐条列出：
- 星级 / helpful_votes 数 / 是否验证购买 / 所购变体
- 评论标题 + 正文关键句（100 字内，保留原文）
- 卖家应对：① 是否可通过 Comment 公开回复澄清？② 是否需改动产品/Listing？③ 是否需主动联系买家补救？
四、Listing 优化行动清单
基于差评和好评数据，给出各模块直接可用的改写建议：
- 标题：需补充哪些关键属性（给出修改示例）
- 五点 Bullet Points：哪几点需增加/修正，直接给出改写文案
- 主图/副图：缺少哪些展示角度（尺寸对比图 / 使用场景图 / 细节放大图）
- A+ 内容：差评中哪些常见误解可通过 A+ 图文模块主动消除
- Search Terms / PPC 关键词：从评论中提取买家自然语言，列出可补充进 Search Terms 的词，以及应加入 PPC 否定词的词
五、SKU / 变体策略建议
如有多个 product_variant：
- 各变体的好评率与投诉率对比
- 明确指出：哪些变体加大推广、哪些列为改良重点、哪些考虑下架
- 是否存在新变体机会（买家在评论中提到希望有但目前没有的款式/颜色/尺寸）
六、竞品差异化打法（适用于分析竞品 ASIN）
如本次抓取的是竞品 ASIN：
- 竞品核心弱点：买家投诉最多的 2-3 个问题 → 我方产品需针对性优化并在 Listing 中主动对比
- 买家最在意的属性：从评论中提炼竞品买家真正关心的核心诉求
- 我方 Listing 差异化打法：在标题/Bullet/A+ 中如何具体体现"我们解决了竞品的 XX 问题"（给出文案示例）
- PPC 拦截机会：哪些竞品相关词值得投放广告
输出规范：
- 每条建议必须可直接执行，避免空话（错误示例："提升质量" → 正确示例："要求供应商将外壳材质从 ABS 升级为 PC+ABS 合金，并在 QC 环节增加跌落测试"）
- 涉及 Listing 文案改动时，直接给出改写示例，而非仅指出问题
- 引用评论保留原文语言，可附中文说明
- 以 Markdown 格式输出，可直接复制到运营 SOP 文档
Output Format
收到脚本 JSON 输出后，AI 依次输出：
📦 ASIN: {asin} | 站点: {marketplace} | 筛选: {filter_star}
本次消耗积分: {credits_used}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 数据概览
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
评论总数: {total_reviews} | 平均评分: {average_rating}★ | 差评率: {negative_rate}%
验证购买: {verified_purchase_count} 条 | 含图: {has_image_count} 条 | 含视频: {has_video_count} 条
评分分布：
★★★★★ {5星数} 条 ({占比}%) ██████
★★★★☆ {4星数} 条 ({占比}%) ████
★★★☆☆ {3星数} 条 ({占比}%) ██
★★☆☆☆ {2星数} 条 ({占比}%) █
★☆☆☆☆ {1星数} 条 ({占比}%) ███
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
� 差评问题分类
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
1. 产品质量问题（N 条）
- "Title of review" → 关键问题描述
...
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ 高影响差评 Top 5（按有用票数）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
1. ★☆ [{helpful_votes} 人觉得有用] [已验证购买]
"{title}"
{review_content 前100字}...
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
✅ 好评亮点
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
...
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🛠 运营改善建议
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
[高] ...
[中] ...
[低] ...