# Day 3 · Codex 提示词模板（评论分析）

> 课堂兜底：如果学员没有 公开评论接口 / 抓取失败，**直接用本文件夹的 `raw-data.csv`**
> （165 条竞品 Veluxe 评论，已脱敏）跑分析，保证人人能出报告。

## 第一步：情感分析

```
我有一个竞品评论 CSV 在桌面 raw-data.csv，列是：来源, 时间, 用户名, 内容, 点赞数。
这是竞品 Veluxe 维C精华的海外公开评论。

帮我做情感分析：
1. 每条标注 正面/负面/中立
2. 算总体情感占比
3. 分平台（Reddit / Amazon / TikTok）对比负面占比
把统计结果存成 sentiment-summary.json。
```

## 第二步：痛点聚类（重点）

```
现在把所有负面评论做痛点聚类，提炼 TOP 10 痛点。
要求：
- 按出现频次从高到低排序（不要乱序）
- 每个痛点给出现次数 + 1 条最有代表性的用户原话（原文照抄，不要改写）
- 痛点要具体（"物流慢""黏腻""氧化变色"），不要笼统（"质量差"）
```

## 第三步：出报告

```
把上面的分析整理成一份用户研究报告 user-research-report.md，结构：
情感分布 → TOP10 痛点表 → 对我们品牌 Auratē 的 3 条启发 → 一句话结论。
语气专业，可以直接发给老板。
```

## 讲师提示

- `raw-data.csv` 里负面占比偏高（~55%），是故意设计的——让痛点分析有东西可挖。
- 强调"**按频次排序**"这句提示词，否则 AI 容易列 10 个但顺序乱，痛点优先级就错了。
- 真实数据里的痛点集中在：黏腻、爆痘、价格贵、物流慢、漏液、见效慢、氧化变色——
  这正好对应 Auratē 文案该主打的反向卖点。