数据分析
小红书商品差评分析报告
从飞书多维表格读取商品评价，筛出有效差评并生成小红书经营分析 HTML 报告。
场景分类
适用对象
小红书运营、商品负责人、客服主管、供应链和电商内容团队
解决什么问题
这个 skill 用于把飞书多维表格里的评价内容转成可执行的差评经营分析报告。它会先用 lark-cli 读取表格字段，优先识别「评价内容」，没有时降级到「评论内容」或「内容」，再按低评分和负向词筛出有效差评，生成包含问题分类、用户原声、爆雷 SKU、退款风险、责任归因和产品改进优先级的 HTML 报告。流程只读取数据，不修改飞书表格。
完整使用场景
- 商品近期差评变多，需要从用户原话里判断主要是产品质量、页面表达、履约物流还是客服售后问题。
- 运营把小红书商品评价、客服反馈或售后记录整理在飞书多维表格里，需要快速生成经营复盘报告。
- 需要定位高风险 SKU、规格、颜色、尺码或包装，判断哪些反馈最容易引发退款和转化流失。
- 想把差评转成商品页优化、种草承接、客服 FAQ 和产品迭代优先级，而不是只看词频统计。
相关资源
报告示例
小红书连衣裙差评经营分析报告
原始评价 286 条有效差评 74 条退款风险 31 条高风险 SKU 5 个快修机会 6 项
核心结论
差评主要不是单一质量事故，而是商品页承诺、实物体感和售后履约之间不一致。
最高频问题集中在尺码/版型误导、颜色实物差异、洗后变形、发货慢和客服响应慢。
短期先改商品页和种草口径，中期再推进面料稳定性、走线质检和补发 SLA。
一、高频问题分类
一条评价可命中多个问题标签，所以分类频次会高于有效差评数。
| 一级分类 | 频次 | 占有效差评 | 主要责任方 |
|---|---|---|---|
| 信息表达 | 39 | 52.7% | 运营/视觉 |
| 产品质量 | 34 | 45.9% | 产品/供应链 |
| 履约物流 | 18 | 24.3% | 仓配/履约 |
| 客服售后 | 15 | 20.3% | 客服/售后 |
二、用户负反馈原声
报告会保留典型原话，方便运营和供应链直接看到用户怎么描述问题。
| 问题标签 | 频次 | 典型评论 |
|---|---|---|
| 尺码/版型误导 | 22 | 模特图看着宽松，实际腰那里很紧，按推荐尺码买还是不合身。 |
| 颜色/实物差异 | 17 | 图片是奶白色，收到有点发黄，上身没有笔记里那么显白。 |
| 洗后变形 | 11 | 第一次冷水洗完下摆就卷了，穿出去很尴尬。 |
| 客服响应慢 | 9 | 问补发一直说帮我催，没有明确时间，最后只能退掉。 |
三、爆雷 SKU / 规格下钻
SKU 维度用于定位是局部规格问题，还是整款商品的问题。
| SKU / 规格 | 差评数 | 主要问题 |
|---|---|---|
| 白色 / M | 13 | 透、显黄、尺码偏紧 |
| 黑色 / L | 9 | 掉色、洗后变形 |
| 杏色 / S | 7 | 色差、肩宽偏窄 |
| 碎花款 / 均码 | 6 | 做工线头、发货慢 |
四、退款风险与转化阻力
退款风险主要来自尺码不符、洗后变形和售后补发不确定。
转化阻力主要来自颜色、厚薄、是否透、真实上身效果这些买前无法判断的问题。
| 损失类型 | 命中评论数 | 占比 |
|---|---|---|
| 退款风险 | 31 | 41.9% |
| 转化流失 | 28 | 37.8% |
| 复购下降 | 20 | 27.0% |
| 售后成本 | 16 | 21.6% |
五、产品改进机会
报告会把差评转成可执行动作，而不是停留在词频统计。
- 商品页首屏补充白色透肤说明、自然光实拍和近景材质图。
- 尺码表增加真人身高体重、肩宽胸围、推荐尺码和上身感受。
- 深色款补充首次单独冷水洗说明，并复核固色工艺。
- 客服 FAQ 增加补发 SLA，避免只回复“帮您催”。
- 把高风险 SKU 单独复盘，区分页面误导、质量缺陷和履约问题。
安装与完整 Skill 内容
这部分内容需要激活码解锁。激活后可以查看安装说明、使用步骤和完整 skill 内容。