不知道粉丝真正关心什么？评论洞察分析器自动分析评论文本，归纳高频问题、情绪倾向、用户痛点和回复话术，输出Markdown结构化报告，适合小红书运营、用户反馈整理和口碑分析。

评论洞察分析器：从用户评论中挖掘痛点与高频问题的分析工具

【适用场景】

当你想了解粉丝真正关心什么、却只能逐条翻评论时；当评论区有很多问题但人工整理太慢时；当需要从评论中提炼用户痛点来指导下一条内容方向时——评论洞察分析器帮你把杂乱的评论文本变成结构化的洞察报告。

将要分析的评论内容整理成txt文本文件，每行一条评论。确保评论来源明确（小红书笔记、抖音视频或公众号文章），这有助于理解语境。如果评论数量少于20条，分析结果参考价值会下降。

使用命令行运行分析脚本，输入评论文件路径，指定输出格式和目标平台，脚本会自动完成分析：

```bash python3 scripts/comment_insight_miner.py comments.txt --out out/comments ```

脚本会自动识别高频问题词、情绪关键词、用户痛点类型，并按类别归纳整理。

脚本生成Markdown格式的结构化报告后，读取报告内容，结合你对账号粉丝的了解，补充脚本无法判断的部分（如粉丝画像特点、特定圈层的行话等）。注意不要只复述脚本输出，要指出最值得采纳的部分。

交付给用户最有用的结论，包括：用户最关心的三个问题、最集中的情绪类型、高赞回复话术参考，以及基于评论洞察的内容选题建议。同时提供报告文件路径，方便后续查阅。

``` 输入：分析这份小红书评论（comments_xhs.txt）

输出：

1. 「多少钱」— 价格咨询类，占比18% 2. 「在哪买」— 购买渠道类，占比15% 3. 「敏感肌能用吗」— 产品适用性，占比12% 4. 「用了有效果吗」— 效果质疑类，占比10% 5. 「和XX比怎么样」— 竞品对比类，占比8%

- 正面情绪：52%（赞美、感谢、复购意愿） - 中性情绪：31%（提问、咨询、观望） - 负面情绪：17%（质疑、吐槽、差评）

1. 价格敏感：用户对价格高度关注，希望看到具体价格区间 2. 功效不确定：对产品效果存在质疑，需要真实案例支撑 3. 适用性担忧：敏感肌、孕期等特殊群体关注安全性

- 价格类：「目前店铺有活动，点击主页链接领取专属优惠」 - 功效类：「感谢分享！针对您的问题，我们准备了详细测评视频，链接在评论区置顶」

1. 制作「粉丝问题大合集」类内容，一次性解答高频问题 2. 推出「真实使用反馈」系列，用UGC内容增强可信度 ```

评论量太少分析会失准：建议单次分析不少于20条评论，样本量越大洞察越可靠。如果评论数量不足，明确告知用户哪些字段需要补充。

涉及数据、求职、产品判断时不要编造：脚本分析基于文本内容，涉及外部事实（如价格、功效数据）时，需要人工核实，不确定的信息注明「待核实」。

生成内容必须能直接用：报告中的高频问题、情绪分类、回复话术都应该可以直接复制到实际运营中使用，或进入下一步工作流（如用于内容策划）。

定期复盘，持续追踪：建议每周或每月做一次评论洞察复盘，对比不同时期的用户痛点变化趋势，捕捉粉丝需求的演变。

来源：SkillHub https://skillhub.cn/skills/comment-insight-miner