用 AI 分析用户反馈：从一堆吐槽里挖出该改啥
反馈躺在后台，你却没空看
说白了，用户最不缺的就是意见——应用商店、社群、客服对话里全是。可真要你逐条读、归纳、排优先级，一下午就没了，最后还是凭印象改。咱做产品的都懂，反馈是金矿，但矿得挖，不挖就是一堆占内存的文字，看着热闹没用。
AI 在这儿就是个分拣工——你把几百条原话倒给它，它帮你把「谁在吐槽啥、为啥烦、该先改哪」理清楚。你省下的是最累的眼睛活，拿来拍板「这个月到底动哪条」，而不是淹没在截图里，那活儿干完人也麻了。
第一步：把吐槽一股脑倒给它
别先分类，直接黏：「下面是我们近一个月的用户反馈原话【粘贴】，请先帮我归成几类问题，每类举 2-3 条原话例子，别编我没给的内容。」你给的是原始材料，它给的是结构，分工清楚。
这句「别编我没给的内容」是命门。AI 最爱把「有用户反映加载慢」圆成「大量用户强烈不满」，你拿去汇报等于造谣，改出来也跑偏。你要把真实原话钉出来，它才不敢加戏，归纳才有价值，不然就是漂亮废话，改了也白改。
第二步：让它归成「几类问题」
拿到分类，别急着动手。让 AI 给每类标上「出现频次」和「情绪强度」：「按你看到的原话，估算每类大概占比多少、用户有多烦。」这俩维度帮你判断轻重，而不是凭一条刺眼的差评就全员扑上去。
频次高＋情绪炸的，优先干；频次低但情绪炸的，单独记一笔别漏；频次高但大家只是唠叨的，排后面。你按这套排，力气才花在真痛点上，不会为了一个极端个案把主线改歪，那是最亏的。
第三步：逼它排出优先级
接着指令：「基于上面，给我一份本月该改的 Top3，每条写清『改了能解决哪类人的啥问题』。」这步把「一堆问题」变成「先动哪三个」，你周会上一摆就有理有据，不用再被「我觉得」带节奏。
优先级那栏最值钱。新手爱写「都重要」，结果啥都没动。你逼它排，它才帮你做取舍。产品资源永远不够，会排优先级比会收集反馈稀缺多了，这点咱得认，不然反馈越攒越多，改的越来越少，用户还以为你没看。
别让它替你下结论
AI 给的是归纳建议，不是真相。它没见过用户脸色、没听过电话那头的叹气，它的「占比」是估算不是统计。你拿着它的结论，去真实数据（后台埋点、留存）对照一下，确认了再改，别全信它的推断，不然改了个寂寞。
还有，差评里混着竞品派来的、情绪发泄的，你人工扫一眼剔掉。AI 分不清真假怨气，这活儿得你把关。真实，才是反馈能信的底色，你拿假怨气改产品，越改越偏，这亏咱不扛。
一个能直接抄的提示词
「用户反馈原话【粘贴】。请：1）归成几类问题，每类附 2-3 条原话；2）标每类频次和情绪强度；3）排本月 Top3 待改，各写清解决谁的问题；4）不编造我没提供的反馈。结论供参考，不替代真实数据。」存着，每月滚一遍。
这套跑顺，反馈从「占内存的吐槽」变「下个月的改单」。小团队没用研专员，靠这套也能把用户声音听进去，产品越改越对路，用户觉得你真在看，才愿意继续留，别再让好建议烂在评论区。
