前言¶
做亚马逊选品和 listing 维护的人，通常都有这样的经验：后台能看到平均星级掉了，但看不到「为什么掉」。一条差评说「包装盒压坏了」，另一条说「实物颜色和图片差太多」，再一条说「按钮按不动」。它们都是一星，但归因完全不同，对应的改法也不同——一个是改包装和物流，一个是改主图和文案，一个是改产品结构。
把几十上百条差评逐条读完再手工归类，成本高且口径容易漂。这个 Skill 做的事情就是把这层手工活自动化：按 ASIN 拉评论，只聚焦 1-3 星，把负面反馈拆成质量缺陷、物流破损、描述不符、使用困惑等几类根因，再按出现频次排序，最后给出降低退货的改进方向。
这是什么¶
「亚马逊差评分析 · 负面评论根因拆解」是一个面向 Amazon 商品评论的数据分析 Skill，坐标 @user_507a5056/bad-review，发布者 user_507a5056，来源标记为 community，分类 data-analysis。当前版本 1.5.2，标签为 requires_api_key=true。
它解决的问题是：给定一个 ASIN，快速得到「差评集中在哪个根因、各占多少条、趋势如何、该改产品还是该改页面」。
该包同时提供 ARI 完整评论分析能力，覆盖从评论采集到报告导出的一整条链路。
核心能力¶
按抓取资料中列出的功能，这个 Skill 分两层。
差评根因拆解（主体能力）¶
- 采集指定 ASIN 的评论，聚焦 1-3 星负面反馈。
- 拆解根因，类别包括质量缺陷、物流破损、描述不符、使用困惑等。
- 按出现频次排序，输出差评星级分布与趋势图表。
- 给出降低退货的产品与文案改进建议。
ARI 完整评论分析能力¶
- 订阅 ASIN 并采集评论。
- 浏览与筛选评论。
- 查看星级、关键词、趋势与雷达图表。
- 生成 VOC 与深度洞察等分析报告。
- 运行商品运营工作流。
- 商品变化监控（watch）。
- 差评预警与差评工作台。
- 行业对标与类目排行。
- 导出评论 CSV，以及报告 Markdown / HTML。
安装与启用¶
下面这段需要说明清楚：已抓取资料里只提供了官方页面地址、版本号、分类和标签，没有给出安装命令、目录路径或配置字段。因此这里不写未核实的安装步骤，只给出核实到的入口信息。
官方地址：https://api.skillhub.cn/user_507a5056/bad-review
SkillHub 页面：https://www.skillhub.cn/skills/user_507a5056/bad-review
坐标：@user_507a5056/bad-review
版本：1.5.2
分类：data-analysis
两点需要注意：
- 该 Skill 标签为
requires_api_key=true，需要 ARI API key，格式为ari_live_*。没有这个 key，评论采集和订阅类功能无法运行。 - Cursor、Codex CLI、Claude Code 各自的接入方式在已抓取资料中没有分别说明，这里不做推测。拿到 Skill 包后，按对应客户端加载本地 SKILL.md 的一般方式启用即可。
典型用法¶
已抓取资料里给出的是触发语，不是完整对话示例。可以按这个口径来用：
对 ASIN B0XXXXXXX 做差评分析，聚焦 1-3 星，输出根因频次排序和改进建议
帮我排查这个 listing 的评分下滑原因，看看退货诱因主要是什么
触发语覆盖的中英文场景包括：negative reviews、one-star complaints、bad review analysis、差评分析、负面评论、投诉分析、质量问题、评分下滑排查、退货诱因。
ARI 能力部分的典型链路是：先订阅 ASIN，再浏览筛选评论，然后看星级 / 关键词 / 趋势 / 雷达图，最后导出 VOC 报告或评论 CSV。
适用场景与注意¶
适合的人：负责亚马逊选品、listing 优化、品质与退货治理的运营，以及需要把评论数据结构化输出的分析师。
使用上的注意点：
- 功能依赖 ARI API key（
ari_live_*），先确认 key 有效再跑采集类任务。 - 分析对象是已积累的评论，ASIN 没有评论或评论很少时，频次排序和趋势图的参考意义有限。
- 根因类别是预设维度，遇到预设之外的吐槽类型，需要自己复核归类结果，不要直接把频次表当作结论。
- 导出物是 CSV 和报告 Markdown / HTML，下游如果要接进自己的看板，注意格式。
- 本 Skill 来源为 community，接入生产流程前建议先在单 ASIN 上验证一轮。
结尾¶
这个 Skill 的价值在于把「读差评—归类—排序—给改进方向」这条链路固定下来，避免每次排查评分下滑都从零开始翻评论。对于已经在做评论分析、但归类口径不稳定的团队，可以作为一个统一的根因框架来用。
官方地址：https://api.skillhub.cn/user_507a5056/bad-review
需要说明的是，抓取资料中的评分显示为 100000、下载 2788 次这一组数字与实际页面可能存在差异，本次抓取未能打开官方页面复核，具体以页面实时数据为准。
