上个月底的一个晚上，我把一款宠物饮水机的四百多条差评复制进表格，原本只想找退货原因，顺手扔给了 Chat GPT。结果它挖出三个我从没留意的需求：滤芯更换提醒、防猫爪掀盖、静音水泵。两个月前上新的一个竞品，靠这三点把客单价抬高了一截。
评论池就是每个卖家手边的一家市场调研公司，不收一分钱，只是大部分人只把它当售后记录本用。更值得说的是，评论区里最值钱的不是五星好评，是一到三星差评里“但是”后面的半句话。好评只能证明货没坏，差评才告诉你市场还缺什么。调研机构 Podium 访问过 2005 名美国消费者，93% 的人表示评论会影响购买决策。也就是说，你翻评论的每一个晚上，买家也在翻。
具体怎么挖？四步。
第一步，从同品类挑 20 到 50 条头部商品页，把 1 到 3 星评论连同买家国家和日期一起导出。第二步，给 ChatGPT 一段固定指令：按痛点归类，标注出现频率和情绪强度，把物流问题从产品问题里剔出去。第三步，让它输出一份“未被满足需求清单”，再逐条对照现有产品，看哪个痛点没有一款竞品解决。第四步，拿去交叉验证，把清单里的关键词放到同品类 Q&A、Reddit 相关版块和 Facebook 群组里搜一遍，确认真人也在抱怨同一件事。
这条路不是新发明。Anker 起家时就把亚马逊评论当成产品路线图，内部叫 VOC（用户之声），好评看需求，差评看痛点。2014 年那款卖出超过百万只的口红移动电源，起点就是评论区反复出现的“充电宝太大”这一条抱怨。经济日报报道阳萌的原话里，用户评价和用户需求被他称为“基础中的基础”。
肯定有人说：差评里一半是物流和客服的锅，还有刷手掺水，能信吗？这话对了一半。刷单集中在五星，一二星造假的成本高得多；物流类差评剔除之后，剩下的产品痛点才是你要的部分。
也要说明一点：AI 的归类不是每次都准，我那次跑出来的清单里大约三成要人工剔掉，样本量小的品类误判更多，拿主意之前得自己把原文再过一遍。
四步走完，你手里的就不是一摞售后投诉，而是一张别人没看懂的市场地图。哪一步卡住了，回来留言，我把你踩的坑补进流程里。
我是小海，一个每天都在跟数据、工具、物流斗智斗勇的跨境运营人。如果你也对跨境出海感兴趣，可以试试 Transbord跨境平台，帮你一站式解决出海跨境难题。