mcpField
R
review-mining

review-mining

github.com/shawnpang营销与增长371250 次安装32 周前更新
代码仓库

关于 review-mining

面向创始人的评论研究技能，用于从用户评论中发现反复出现的痛点、转用原因和竞品缺口，并整理为定位与客户原声材料。

主要功能

  1. 01按产品类型选择评论来源
  2. 02按主题归类用户投诉
  3. 03分析转用原因与用户任务
  4. 04将发现映射到产品机会
  5. 05生成痛点报告和客户原声素材

适用场景

  1. 01查找竞品产品的常见投诉
  2. 02识别用户转用或考虑离开的原因
  3. 03收集可用于营销文案的用户表达
  4. 04比较用户需求与竞品提供的功能

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/shawnpang/startup-founder-skills --skill review-mining

安装后在 Claude Code 中输入/review-mining确认已加载。

详细介绍

评论挖掘

适用场景

  • 创始人想了解某个市场或竞品产品中真实的用户痛点
  • 创始人想获取客户之声，用于文案、邮件或演示文稿
  • 创始人想通过查找反复出现的投诉来验证产品创意
  • 创始人想找出竞争对手尚未解决的空白
  • 创始人想根据用户的实际关注点构建功能对比

所需背景

  • 要调研的竞品名称或产品类别
  • 要挖掘的评论平台（Trustpilot、G2、Capterra、Product Hunt、App Store、Play Store、Reddit）
  • 创始人想了解的内容（痛点、转投触发因素、功能差距、使用场景）
  • 创始人自身产品的定位（以识别机会）

工作流

  1. 明确调研范围 — 确定要分析的 3-5 个竞品或产品，以及该类别中评论最相关的平台（B2B → G2/Capterra，B2C → Trustpilot/App Store，开发者工具 → Reddit/HN）。
  2. 收集评论 — 收集 1-3 星评论（痛点）和 4-5 星评论（用户喜爱且不愿失去的内容）。为确保相关性，重点关注过去 12 个月的评论。每个竞品争取收集 50-100 条评论。
  3. 提取痛点主题 — 将投诉归类为反复出现的主题。对于每个主题，记录：
    • 用户自己的原话（逐字引用）
    • 出现频率（多少条评论提及该问题）
    • 严重程度（恼人问题、决定性障碍或转投触发因素）
    • 适用的竞品
  4. 提取转投触发因素 — 找出用户明确说明离开或考虑离开的原因的评论。这些信息对于定位和拓展客户极具价值。
  5. 提取“待完成任务” — 从正面评论中找出用户实际雇用产品来完成什么任务（这通常不同于产品宣传的用途）。
  6. 映射到机会 — 将痛点与自家产品的能力进行交叉对照，找出你能解决而竞争对手无法解决的问题。
  7. 生成材料 — 生成痛点报告、客户之声素材库和定位建议。

输出格式

## Review Mining Report: [Category/Competitors]

### Research Scope
- Competitors analyzed: [list]
- Platforms: [list]
- Reviews analyzed: [count]
- Date range: [range]

### Top Pain Points (ranked by frequency x severity)

#### 1. [Pain Point Theme] — mentioned in [X]% of negative reviews
- **Severity:** [Annoyance / Frustration / Deal-breaker / Switching trigger]
- **Competitors affected:** [list]
- **User quotes:**
  - "[verbatim quote]" — [platform], [star rating]
  - "[verbatim quote]" — [platform], [star rating]
- **Your opportunity:** [how your product addresses or could address this]

#### 2. [Pain Point Theme] ...

### Switching Triggers
| Trigger | Frequency | From → To | Quote |
|---------|-----------|-----------|-------|
| ... | ... | ... | ... |

### Voice of Customer Swipe File
**Words users use for the problem:** [list of exact phrases]
**Words users use for the desired outcome:** [list of exact phrases]
**Emotional language:** [frustration words, relief words]

### Positioning Opportunities
- [Opportunity 1]: [what you can claim based on competitor weakness]
- [Opportunity 2]: [underserved use case you can own]

框架与最佳实践

按产品类型选择挖掘来源：

产品类型最佳来源
B2B SaaSG2、Capterra、TrustRadius
B2C / 消费者产品Trustpilot、App Store、Play Store
开发者工具Reddit、Hacker News、GitHub Issues
电商 / DTCTrustpilot、Amazon 评论
任意类型Twitter/X 投诉、Reddit 讨论串

评论分析原则：

  • 1-2 星评论揭示决定性障碍和转投触发因素
  • 3 星评论揭示“还算凑合但令人不满”的体验——这些用户最容易被说服
  • 4-5 星评论揭示用户真正重视的内容（应在产品中守住这些优势）
  • 近期评论（过去 6-12 个月）比旧评论更重要
  • 已验证购买者/用户的评论更有参考价值

原话就是最终成果。 用户描述痛点时使用的确切措辞，比你的总结更有价值。这些内容可以用作标题、邮件主题行、广告文案和落地页文案。

常见错误：

  • 只看负面评论（会错过用户真正重视的内容）
  • 总结而非引用（会失去真实的用户语言）
  • 把所有投诉一视同仁（频率 × 严重程度很重要）
  • 忽略评论者的背景（大型企业还是中小企业、资深用户还是普通用户）
  • 只挖掘一次就不再回访（应每季度进行一次）

相关技能

  • competitive-analysis — 用于超越评论、开展更全面的竞品调研
  • user-research-synthesis — 用于综合分析自家客户访谈
  • feedback-synthesis — 用于分析自家用户的反馈
  • cold-outreach — 在潜在客户开发邮件中使用客户之声

示例

提示词：“我正在开发一款项目管理工具。人们使用 Asana 和 Monday.com 时遇到的最大痛点是什么？”

**良好输出应包括：**从 Trustpilot、G2 和 Capterra 挖掘有关 Asana 和 Monday.com 的评价，提取排名前 5-7 的痛点及原文引述，找出促使用户转投其他产品的原因，并将其映射为定位机会。

提示词：“我们是 Trustpilot 的替代产品。帮我了解企业讨厌 Trustpilot 的哪些方面。”

**良好输出应包括：**挖掘 Trustpilot 自身的评价（真是别有意味！）、G2 和 Reddit 上对 Trustpilot 的投诉，提取诸如评价门槛、定价、虚假评价处理等主题，并制作一份客户心声素材集，供创始人在外联时使用。

评论

支持 Markdown