前言¶

做亚马逊选品或产品改进时，把竞品评论翻一遍几乎是绕不开的一步。人工翻评论的问题在于：评论量大、表达零散、同一痛点分散在几十条文本里，归纳出来的结论往往没有原评论佐证，跟团队复盘时说不清出处。这个 Skill 做的事情就是把这一步流程化：从评论里提炼买家痛点与未满足需求，按提及频次和情绪强度排序，并把每条结论挂到原评论上。

下面介绍这个 Skill 的定位、功能、启用条件和典型用法。以下内容以 Skill 发布页资料为准，抓取时间为 2026-10-30。

这是什么¶

名称：亚马逊用户痛点挖掘 · 评论需求洞察。坐标 @user_507a5056/pain-point，版本 1.5.2，来源标记为 community（社区发布），发布者 user_507a5056，SkillHub 分类为 data-analysis。发布页显示评分 100000、下载 2137（该页同时显示安装数为 0；评分与下载数为发布页动态数据，可能随时间变化）。

一句话定位：从亚马逊评论中提炼买家真正的痛点与未被满足的需求，并附原评论佐证。

它同时打包了 ARI 的完整评论分析能力，覆盖面比单纯的痛点提炼更宽，后面单独一节说。

核心功能¶

官方简介中列出的能力分两类。

第一类是痛点与需求挖掘，也是这个 Skill 的核心：

1、从评论中提炼买家痛点与未被满足的需求。
2、按提及频次与情绪强度排序，区分哪些是”靠文案就能解释掉的误解”，哪些是”必须改产品的硬伤”。
3、每条痛点附原评论佐证，结论可回溯到具体评论。

第二类是 ARI 完整评论分析能力，包括：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 与报告 Markdown/HTML。

触发方式上，官方简介给出的适用提问包括：pain points、unmet needs、customer frustrations、product gaps，以及中文的痛点分析、痛点挖掘、用户需求、需求洞察、未满足需求、抱怨归类。这些词可以作为在会话里触发该 Skill 的参考。

安装与启用¶

官方资料中没有给出可直接复制的安装命令，也没有列出配置文件字段，因此这里不虚构命令，只列出已核实的启用条件：

1、需要 ARI API key，key 前缀为 ari_live_*。发布页标签为 requires_api_key=true，即调用前必须准备有效的 ARI API key。
2、坐标 @user_507a5056/pain-point，通过 SkillHub 对应页面安装。发布页地址：https://www.skillhub.cn/skills/user_507a5056/pain-point ，接口地址：https://api.skillhub.cn/user_507a5056/pain-point 。
3、安装命令、具体配置项以及在 Cursor、Codex CLI、Claude Code 中的分别接入方式，在已抓取资料中未提供。需要精确的安装步骤时，以发布页当时显示的内容为准。

典型用法¶

以下步骤来自官方简介中列出的功能，实际命令与参数以安装后的 Skill 说明为准。

1、确定调研对象。把要分析的 ASIN 交给 Skill，先订阅并采集该 ASIN 的评论。
2、看整体盘面。浏览与筛选评论，查看星级分布、关键词、趋势和雷达图表，先建立对产品口碑的全局判断。
3、挖痛点。直接提问痛点、未满足需求、抱怨归类类问题，Skill 输出按提及频次与情绪强度排序的痛点清单，并区分文案可解释的误解与需要改产品的硬伤，每条附原评论佐证。
4、看竞争格局。用行业对标与类目排行判断产品在类目中的位置，用商品变化监控（watch）跟踪竞品或自身商品的变动。
5、处理差评。差评预警触发后进入差评工作台逐条处理。
6、留档。需要把结论带出分析环境时，导出评论 CSV 和报告 Markdown/HTML，作为选品评审或产品改进需求的输入材料。

适用场景与注意¶

适合的场景：亚马逊选品调研、竞品评论分析、产品改进需求收集、VOC 类分析报告产出、类目对标。凡是要从评论里找”用户到底在抱怨什么”的工作，都可以用它替代人工翻评论。

需要注意的限制：

1、核心能力依赖 ARI API key（ari_live_*），没有 key 时无法实际运行，接入前先确认 key 有效。
2、发布来源是 community，发布者为个人账号 user_507a5056，不是亚马逊官方出品。ARI 能力与亚马逊官方接口之间的对应关系，以官方简介的表述为准，本文不做推断。
3、痛点提炼的输入质量取决于评论样本。订阅的 ASIN 覆盖的评论越完整，频次排序才越可靠；样本不足时，频次和情绪强度的结论参考意义有限。
4、发布页的评分、下载、安装数为动态数据，本文引用的是 2026-10-30 抓取时的数值。

结尾¶

这个 Skill 的价值在于把”从评论里找痛点”从人工归纳变成有频次、有情绪强度、有原评论佐证的流程，并且顺带覆盖了订阅、看板、报告、预警、导出的完整链路。官方地址：https://www.skillhub.cn/skills/user_507a5056/pain-point 。