simple-review-analyzer

KO | EN

gitlite — search

#hacktoberfest #react #llm #go #deep-learning #macos #java #windows #awesome #cli #awesome-list #vue #openai #open-source

simple-review-analyzer

(★ 47)

AI驱动的电商产品评论深度分析工具，支持22维度智能标签、用户画像识别、VOC洞察和可视化看板生成。适合用于Claude Code CLI /openclaw 等工具。同时展示怎样制作一个直接skill (openclaw / claude code 等），不依赖其他，对电商评论进行深度数据分析，

simple-review-analyzer 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Review Analyzer Skill

AI驱动的电商评论深度分析工具，支持22维度智能标签、用户画像识别、VOC洞察和可视化看板生成。

## 特性

### 22维度智能标签系统
全面覆盖评论信息的8大维度：
- **人群维度 (4)**: 性别、年龄段、职业、购买角色
- **场景维度 (1)**: 使用场景
- **功能维度 (2)**: 满意度、具体功能
- **质量维度 (3)**: 材质、做工、耐用性
- **服务维度 (5)**: 发货速度、包装质量、客服响应、退换货、保修
- **体验维度 (4)**: 舒适度、易用性、外观设计、价格感知
- **市场维度 (2)**: 竞品对比、复购意愿
- **情感维度 (1)**: 总体评价

### 三位一体输出
1. **CSV标签数据**: 原始评论 + 22维度 AI 标签
2. **Markdown洞察报告**: 战略机会点、痛点、优化建议
3. **HTML可视化看板**: 交互式图表、黑金设计

## 快速开始

### 安装

```bash
# 克隆到 Claude Code skills 目录
cp -r review-analyzer-skill ~/.claude/skills/

# 或直接使用
cd review-analyzer-skill
```

### 使用

在 Claude Code 中用自然语言调用：

```bash
# 示例1：指定文件分析
请分析这个产品的评论：reviews.csv

# 示例2：描述需求
帮我做一下竞品评论的深度分析

# 示例3：指定数量
分析最近100条评论数据
```

## CSV 文件格式要求

**必需列**（自动模糊匹配）：
- 评论内容：内容/评价/body/review/text/comment
- 评分：打分/rating/score/star

**可选列**：
- 时间：时间/date/日期/time
- 标题：标题/title/summary
- 用户名：用户/user/username

## 输出文件

分析完成后，将在 `output/` 目录生成三种报告：

| 文件 | 格式 | 内容说明 |
|------|------|----------|
| `评论采集及打标数据_{ASIN}.csv` | CSV | 原始评论 + 22维度标签数据 |
| `分析洞察报告_{ASIN}.md` | Markdown | 深度洞察分析与建议 |
| `可视化洞察报告_{ASIN}.html` | HTML | 高品质可视化看板 |

## 目录结构

```
review-analyzer-skill/
├── skill.md              # Skill 定义文件
├── README.md             # 说明文档
├── prompts/              # 提示词模板
│   ├── tagging.txt      # 单条评论打标
│   ├── tagging_batch.txt # 批量打标
│   └── insights.txt     # 洞察报告生成
├── templates/            # 输出模板
│   └── report.html      # HTML 可视化模板
├── utils/               # 工具脚本
│   ├── csv_reader.sh    # CSV 读取
│   ├── tagging_core.sh  # 标签提取核心
│   ├── insights_generator.sh  # 洞察报告生成
│   ├── html_generator.sh  # HTML 生成
│   ├── analyzer_controller.sh  # 主控制器
│   ├── merge_csv.py     # CSV 合并工具
│   └── test.sh          # 测试脚本
└── output/              # 输出目录
```

## 工作流程

1. **参数收集**：询问分析数量（100条/300条/全部）
2. **CSV解析**：读取并处理CSV文件
3. **批量打标**：每批最多30条评论并发处理
4. **统计分析**：计算情感分布、用户画像等
5. **报告生成**：生成洞察报告和可视化看板

## 测试

运行测试脚本验证安装：

```bash
cd utils
chmod +x test.sh
./test.sh
```

## 依赖

- **必需**: Bash, sed, awk, grep
- **推荐**: Python3 (用于CSV合并)
- **推荐**: jq (用于JSON处理)

## 使用场景

### 场景1：产品优化
分析自己产品的评论，发现用户痛点，优化产品功能和设计。

### 场景2：竞品分析
分析竞品评论，了解竞争对手的优势和劣势，寻找差异化机会。

### 场景3：市场调研
批量分析多个产品的评论，了解市场需求、用户偏好和行业趋势。

### 场景4：用户洞察
深度了解目标用户群体，构建精准用户画像，优化营销策略。

## 注意事项

1. **分析数量**: 推荐选择 100 条评论以平衡速度与质量
2. **并发限制**: 每批最多处理 30 条评论
3. **输出目录**: 默认 output/，可自定义
4. **编码支持**: UTF-8/GBK/GB2312 自动检测

## 技术架构

- **不依赖 Python**: 使用 Bash 脚本处理核心逻辑
- **AI 驱动**: 使用 Claude 内置模型进行标签提取和分析
- **批量处理**: 支持并发处理提高效率
- **模块化设计**: 各模块独立，易于维护和扩展

## License

MIT

simple-review-analyzer

simple-review-analyzer 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

simple-review-analyzer

simple-review-analyzer 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README