评论聚合分析器

技能简介

该技能自动从Amazon、Google、Yelp、TripAdvisor等平台抓取商品评论，通过情感分析与关键词提取，生成包含优缺点、使用场景、竞品提及的结构化摘要，辅助套利选品、联盟内容创作及采购决策。

业务背景

将分散在各平台的用户声音转化为结构化决策依据。选品人员无需手动翻阅数百条评论，即可快速掌握产品真实口碑、核心卖点与潜在缺陷，显著缩短套利评估与内容创作周期。情感趋势分析还能捕捉产品口碑变化，辅助判断入场时机。

落地案例：联盟营销者计划推广一款厨房小家电，输入产品链接后工具自动抓取Amazon近500条评论，筛选验证购买标识并按季度分组。分析显示情感得分从+0.3跌至-0.2，高频投诉集中于

能做什么

• 跨平台评论批量抓取（支持验证购买筛选、时间范围、评分过滤）
• 情感得分计算与趋势分析（-1.0至+1.0区间，识别驱动因素）
• 自动提取高频优点、常见投诉、使用场景、竞品对比
• 生成执行摘要、分类详拆、统计报告及CSV导出
• 基于评论数量、新鲜度、验证比例输出购买建议

使用说明

安装准备

原始文档未提供明确安装指令，需确保Python 3环境并安装依赖库（推测需requests、beautifulsoup4、pandas等）。将仓库克隆至本地后进入技能目录运行脚本。

基础用法

单产品深度分析：

python3 scripts/scrape_reviews.py \
  --url "https://amazon.com/product/dp/B0XXXXX" \
  --platform amazon \
  --max-reviews 100 \
  --verified-only \
  --output amazon_summary.md

跨平台对比：

python3 scripts/compare_reviews.py \
  --product "Sony WH-1000XM5" \
  --platforms amazon,google,yelp \
  --output comparison_report.md

快速摘要：

python3 scripts/quick_summary.py \
  --url "https://yelp.com/biz/example-business" \
  --brief --words 100 \
  --output summary.txt

输入与输出

见下方输入与输出表格。

风险提示

• 大规模抓取可能触发平台反爬机制，导致IP限制或账号封禁
• 评论数据受平台服务条款约束，商用需确认合规性
• 情感分析结果依赖模型训练数据，对讽刺、语境理解存在偏差
• 历史评论无法反映产品迭代后的真实质量

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/michael-laffin/review-summarizer/SKILL.md
来源类型：开源技能文档