评论摘要生成器

概述

自动从多个平台抓取并分析产品评论，提取可操作的见解。生成包含情感分析、优缺点识别和数据驱动建议的综合摘要。

核心能力

1. 多平台评论抓取

支持的平台：

• 亚马逊（产品评论）
• 谷歌（谷歌地图，谷歌购物）
• Yelp（商业和产品评论）
• TripAdvisor（酒店、餐厅、景点）
• 自定义平台（通过URL模式匹配）

抓取选项：

• 所有评论或特定时间段
• 仅限已验证购买
• 按评分筛选（1-5星）
• 包含图片和媒体
• 最大评论数量限制

2. 情感分析

分析内容：

• 整体情感得分（-1.0 至 +1.0）
• 情感分布（积极/中性/消极）
• 关键情感驱动因素（导致积极/消极评价的原因）
• 趋势分析（随时间变化的情感）
• 基于方面的情感分析（电池续航、质量、物流等）

3. 洞察提取

自动识别：

• 评价中提及的主要优点
• 常见投诉和缺点
• 常见问题
• 使用场景和应用
• 提及的竞品比较
• 特定功能反馈

4. 摘要生成

输出格式：

• 执行摘要（150-200字）
• 按类别详细细分
• 带频率统计的优缺点列表
• 统计摘要（平均评分、评价数量等）
• 用于分析的CSV导出文件
• 用于文档记录的Markdown报告

5. 推荐引擎

基于以下因素生成推荐：

• 总体情感得分
• 评论数量与时效性
• 已验证购买比例
• 基于维度的评分
• 竞品对比

快速开始

总结亚马逊产品评论

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

跨平台对比评论

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

生成快速摘要

# Use scripts/quick_summary.py
python3 scripts/quick_summary.py \
  --url "https://amazon.com/product/dp/B0XXXXX" \
  --brief \
  --output summary.txt

脚本

scrape_reviews.py

从单个URL抓取并分析评论。

参数：

• --url: 产品或商家评论URL（必填）
• --platform: 平台（amazon, google, yelp, tripadvisor）（若省略则自动检测）
• --max-reviews: 最大抓取评论数（默认：100）
• --verified-only仅筛选已验证购买
• --min-rating：包含的最低评分（1-5）
• --time-range：时间筛选（7天、30天、90天、全部）（默认：全部）
• --output：输出文件（默认：summary.md）
• --format：输出格式（markdown、json、csv）

示例：

python3 scripts/scrape_reviews.py \
  --url "https://amazon.com/dp/B0XXXXX" \
  --platform amazon \
  --max-reviews 200 \
  --verified-only \
  --format markdown \
  --output product_summary.md

compare_reviews.py

跨多个平台比较产品的评论。

参数：

• --product：产品名称或关键词（必需）
• --platforms：逗号分隔的平台（默认：全部）
• --max-reviews：每个平台的最大评论数（默认：50）
• --output：输出文件
• --format：输出格式（markdown、json）

示例：

python3 scripts/compare_reviews.py \
  --product "AirPods Pro 2" \
  --platforms amazon,google,yelp \
  --max-reviews 75 \
  --output comparison.md

sentiment_analysis.py

分析评论文本的情感。

参数：

• --input：输入文件或文本（必需）
• --type：输入类型（文件、文本、网址）
• --aspects：分析特定方面（逗号分隔）
• --output：输出文件

示例：

python3 scripts/sentiment_analysis.py \
  --input reviews.txt \
  --type file \
  --aspects battery,sound,quality \
  --output sentiment_report.md

quick_summary.py

生成简要的执行摘要。

参数：

• --url：评论网址（必需）
• --brief：仅简要摘要（无详细细分）
• --words：摘要字数（默认：150）
• --output：输出文件

示例：

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

export_data.py

导出评论数据以供进一步分析。

参数：

• --input：摘要文件或JSON数据（必需）
• --format：导出格式（csv、json、excel）
• --output：输出文件

示例：

python3 scripts/export_data.py \
  --input product_summary.json \
  --format csv \
  --output reviews_data.csv

输出格式

Markdown摘要结构

# Product Review Summary: [Product Name]

## Overview
- **Platform:** Amazon
- **Reviews Analyzed:** 247
- **Average Rating:** 4.3/5.0
- **Overall Sentiment:** +0.72 (Positive)

## Key Insights

### Top Pros
1. Excellent sound quality (89 reviews)
2. Great battery life (76 reviews)
3. Comfortable fit (65 reviews)

### Top Cons
1. Expensive (34 reviews)
2. Connection issues (22 reviews)
3. Limited color options (18 reviews)

## Sentiment Analysis
- **Positive:** 78% (193 reviews)
- **Neutral:** 15% (37 reviews)
- **Negative:** 7% (17 reviews)

## Recommendation
✅ **Recommended** - Strong positive sentiment with high customer satisfaction.

最佳实践

用于套利研究

1. 跨平台比较- 检查亚马逊与eBay的卖家评分
2. 寻找危险信号- 高退货率、质量投诉
3. 检查真实性- 仅限已验证购买
4. 分析趋势- 近期评论情绪与旧评论对比

对于联盟内容

1. 提取真实引述- 使用实际客户反馈
2. 识别使用场景- 人们如何使用该产品
3. 找出痛点- 产品解决的问题
4. 建立可信度- 利用大量评论中的数据

对于购买决策

1. 查看近期评论- 过去30-90天
2. 关注一星评论- 了解最坏情况
3. 考虑自身需求- 将产品特性与您的使用场景匹配
4. 比较替代方案- 使用 compare_reviews.py 脚本

整合机会

与价格追踪器结合

利用评论摘要验证套利机会：

# 1. Find arbitrage opportunity
price-tracker/scripts/compare_prices.py --keyword "Sony WH-1000XM5"

# 2. Validate with reviews
review-summarizer/scripts/scrape_reviews.py --url [amazon_url]
review-summarizer/scripts/scrape_reviews.py --url [ebay_url]

# 3. Make informed decision

与内容回收工具结合

基于评论洞察生成内容：

# 1. Summarize reviews
review-summarizer/scripts/scrape_reviews.py --url [amazon_url]

# 2. Use insights in article
seo-article-gen --keyword "[product name] review" --use-insights review_summary.json

# 3. Recycle across platforms
content-recycler/scripts/recycle_content.py --input article.md

自动化

每周评论监控

# Monitor competitor products
0 9 * * 1 /path/to/review-summarizer/scripts/compare_reviews.py \
  --product "competitor-product" \
  --platforms amazon,google \
  --output /path/to/competitor_analysis.md

负面趋势预警

# Check for sentiment drops below threshold
if [ $(grep -o "Sentiment: -" summary.md | wc -l) -gt 0 ]; then
  echo "Negative sentiment alert" | mail -s "Review Alert" user@example.com
fi

数据隐私与伦理

• 仅抓取公开可用的评论
• 遵守robots.txt和访问频率限制
• 不存储个人身份信息（PII）
• 汇总数据，不暴露个体评论者
• 遵循平台服务条款

局限性

• 部分平台存在访问频率限制
• 无法在所有平台获取已验证购买状态
• 虚假评论可能影响分析准确性
• 语言支持因平台而异
• 部分平台禁止数据抓取

基于数据决策。自动化研究。规模化智能分析。