增长营销方案怎么策划？把获客和转化问题映射到框架出计划
「营销模式策划」是「龙虾部署大师」技能市场中的增长营销策划技能：它扮演增长营销顾问的角色，先补齐产品、目标客户、所处阶段、预算、已尝试动作和核心问题，再把流量、SEO、转化率、定价、广告和邮件等问题映射到对应框架，输出直接建议、行动清单或完整策略方案，把模糊的营销困惑转化为可执行的动作。 技能效果 为没流量的新SaaS设计获客时，它给出不烧广告费的冷启动打法，从定位到内容分步骤落地。 营销没头绪，问题通常出在哪 很多团队的营销卡点不在执行，而在方向。常见状况有三种：一是没流量却不知道该先打哪个获客渠道，预算有限时又怕投错；二是渠道选了一堆，每个都浅尝辄止，没有围绕阶段和预算形成优先级；三是把"营销"当成零散动作（发个广告、改个文案），缺少把问题、框架、动作串起来的整体思路。结果往往是动作很多、产出很散。 营销 问题 投点广告 改个文案 发封邮件 优化落地页 动作分散，缺少优先级与框架 这个技能能帮你做什么 它的核心是充当一个增长营销顾问，先把问题问清楚、再给方案。它会通过发现式提问确认产品、目标客户、所处阶段、预算和核心目标，把缺失的背景补齐；然后把具体的营销问题——流量、SEO、转化率（CRO）、定价、广告、邮件——映射到对应的参考框架；最后按问题复杂度，输出单点建议、行动清单或完整策略方案。它覆盖获客、SEO、转化率、定价、广告、邮件、心理模型和产品发布等增长议题。 业务背景 产品/客户/阶段/预算 匹配框架 获客/CRO/定价… 按复杂度输出 单点建议 / 行动清单 / 完整策略方案 它在产出时有两条自我约束：避免泛泛而谈的套话，也不推荐并不存在的工具，因此给到的建议更贴合具体处境、更可落地。它擅长把流量、SEO、CRO、定价、广告、邮件这些问题归位到合适的框架，并为后续细化保留清晰的假设。 用前须知 该技能无需 API Key、安装依赖或外部运行时，但方案质量取决于你提供的业务背景：产品形态、目标客户、所处阶段、预算和已经试过的动作越具体，匹配的框架和建议越准。若需要最新的市场、竞品或渠道数据，应另行联网核验。 怎么用它 用法是把营销问题连同业务背景用自然语言交给它，不必先想好用哪个框架。例如可以这样对它说： 可以这样对它说 "新 SaaS 没流量，预算很低，先帮我设计一套获客打法，别一上来就建议投广告。" "这个落地页转化低，按 AIDA 和 CRO 的思路重写，首屏也一起改。" "邮件欢迎序列没人点，重新规划主题、正文和发送节奏，按人群分层。" 它适合这些场景：SaaS、内容站或电商项目没有流量、需要确定优先获客渠道；落地页、定价页或注册流程转化偏低、需要选对 CRO 框架；用户不愿付费或价格异议明显、需要设计定价与锚定策略；准备上线新产品、需要把发布、广告、SEO 和邮件动作组合成一套打法。它尤其适合早期和增长阶段的创业者、增长负责人、市场人员和产品经理。 大家常问 AIDA 和 AARRR 这两个营销框架最本质的区别是什么，分别更适合解什么问题？ AIDA（注意→兴趣→欲望→行动）是线性转化漏斗，解的是"怎么让陌生人最终下单"，更适合广告文案、内容种草这类说服型场景；AARRR（获客→激活→留存→收入→推荐）是循环增长模型，解的是"怎么让用户留下来并带来更多人"，更适合产品驱动增长和长期用户运营。一个终点是交易，一个起点才是获客之后。 定价里说的"锚定效应"到底是什么意思，为什么三档定价里中间档往往卖得最好？ 锚定效应指消费者决策时过度依赖最先接触的信息，最高价档就是那个锚点，把中间档衬得"更合理"；再叠加折中效应——人天然倾向避开极端、选中间当安全选项。所以三档定价的主推品通常放中间，用高价档拉锚、低价档兜底，让中间档显得性价比最高。 落地页转化率低，是首屏的锅还是价值主张的锅，怎么判断问题出在哪一侧？ 看访客行为分两段：停留极短（不到 3 秒）或根本不滚动，锅在首屏——标题、视觉或 CTA 没抓住注意力；能滚动到中下部却不转化，锅在价值主张——独特利益、信任证据或风险逆转不到位。热力图配合滚动深度就能锁定病灶在哪一侧。 用户分层和 RFM 模型是同一件事吗？普通增长项目要不要一上来就用 RFM？ 不是同一件事。用户分层是营销策略的通用框架，RFM 只是其中一种衡量客户价值的定量工具。普通增长项目不建议一上来就用 RFM——早期用户体量小、交易数据不够，分层应优先按生命周期阶段（新客/活跃/流失）或获取渠道划分，等交易数据攒厚了再引入 RFM 做精细化价值分群。 想用上这个技能？ 「营销模式策划」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
飞书消息卡片怎么生成
「飞书卡片生成」是「龙虾部署大师」技能市场中的飞书消息推送技能：作用是把日报、告警、任务结果等内容整理成富交互的飞书消息卡片，发送到指定个人或群聊。输入目标 open_id 或 chat_id、正文、标题、颜色、按钮和图片后，它生成并发送卡片，支持 Markdown、代码块、表格、彩色标题和图片上传，并对中文、反引号等特殊字符做安全转义。 技能效果 做一条服务器告警通知时，它生成了完整的飞书消息卡片结构——标题、状态标签、字段和跳转按钮都有。 把脚本结果发到飞书，为什么总出问题 问题集中在两点：一是格式，把一段带表格、代码块或中文的报告直接从命令行发出去，常因反引号、特殊字符或换行被截断、转义错乱，到了飞书里排版散掉；二是触达，纯文本通知混在群消息里没有重点，红绿灰主题、可点击按钮这类结构化元素靠手工拼 JSON payload 既繁琐又容易写错。结果是该重点突出的告警被淹没，该清晰的报告变成乱码。 纯文本直发 表格错位 / 反引号乱码 中文截断 无重点、无按钮 淹没在群消息里 结构化卡片 彩色标题 表格 / 代码块保留 可点按钮 这个技能能帮你发出什么 它把"一段内容"变成"一张结构清晰、能交互的飞书卡片"。核心能力有四块：一是按 open_id 向个人、按 chat_id 向群聊发送富文本卡片；二是完整支持 Markdown、代码块、表格、按钮、图片和对某条消息的回复，让报告该有的格式都保留；三是提供 send_safe 安全发送包装，自动处理中文、反引号和特殊字符的转义，避免命令行截断；四是自动从环境变量、AI agent 配置或 .env 解析飞书凭证，并缓存上传图片的 image key。标题还支持红、绿、灰等主题色，用颜色直接表达优先级。 正文 + 标题 颜色 / 按钮 / 图片 飞书卡片生成 安全转义 + 凭证解析 富交互卡片 表格 / 代码块 / 按钮 彩色标题 个人 / 群聊 送达 用前须知 该技能需要 Node.js 并运行 npm install，或用 python setup.py 初始化；还需配置飞书 App ID / Secret 以及机器人发消息的权限，凭证可从 AI agent 自动读取。发送前可用 dry-run 预览卡片 payload，确认无误再发，避免误发到正式群聊。 怎么用它 用法是用自然语言把要发的内容、发给谁、想要什么样式说清楚，无需手写卡片 JSON，也不用记字段名。例如可以这样对它说： 可以这样对它说 "把今天的日报发成飞书卡片，标题用绿色，正文保留表格和代码块格式，按人归类。" "这份报警内容做成卡片，里面加个打开看板的按钮，发到今晚的值班群。" "把这张截图嵌进飞书通知，配一段简短说明和链接，让夜间值班能看懂。" 它适合这些场景：把脚本跑出来的日报、数据结果稳定推送到个人或群聊；报告含 Markdown 表格、代码块或中文，需要避免命令行截断；运维告警要用红、绿、灰主题标题突出优先级；正式发送前需要 dry-run 预览 payload 防止误发。 大家常问 为什么飞书消息卡片要用 JSON 结构而不是直接发富文本？ 富文本只是展示格式，JSON 卡片是一套交互协议。它用 header、elements、actions 三层把"展示什么、在哪展示、点了之后怎么响应"结构化分离，能原地更新已发送消息、按钮回调到服务端、模板变量复用，富文本这些都做不到。 飞书卡片里的 header template 主题色和 elements 是什么关系？ 两者是平行模块，不存在样式继承。header 的 template 取值 blue/green/red/orange/grey 等，只决定标题栏色带；elements 数组里每个 div、markdown、img、button 都得自己单独配 type 和颜色，不会自动跟着 header 主题色变。 飞书卡片按钮里的跳转链接和回传交互回调怎么区分？ 看按钮的 action.tag。tag 为 link 时填 url，点了直接打开网页，服务端收不到任何回调；tag 为 callback 时填 value，点了飞书会向开发者配置的 Request URL 发 POST 请求，把 value 原样回传，业务侧据此区分操作并可更新原卡片。 飞书消息卡片为什么要先 dry-run 预览再发到正式群？ 发送接口只校验 JSON Schema，不渲染。主题色对比、图片加载、Markdown 表格在移动端折行、按钮文案超长、i18n 多语言差异、回调链路是否打通，得在真实客户端里看才暴露。dry-run 到测试群把这层风险前置，免得一条炸裂卡片砸到正式大群。 想用上这个技能？ 「飞书卡片生成」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
Word文档怎么处理转换？提取文本编辑OOXML生成红线
「Word 文档处理」是「龙虾部署大师」技能市场中的文档技能：它用来创建、编辑、分析和转换专业 .docx 文件，支持文本提取、OpenXML 结构编辑、修订模式、批注、格式保留、中文排版以及 PDF 与图片转换，输出新文档、带修订的版本、Markdown 提取结果或转换文件，适合需要保留审阅痕迹和复杂版式的正式文件流程。 技能效果 用Word修订模式改合同付款条款时，它先给出示例条款，再演示把「一次性付清」改成「分两期支付」，并讲清各类改动的标记样式和律师怎么看。 正式 Word 文档，难点不在写而在"改和转" 合同、报告、政府文件这类正式文档，麻烦往往不在初稿，而在后续处理：审阅时要用修订模式只标真正改动的字、留住红线痕迹，普通的复制粘贴一改就乱套；要保留批注和已有修订做分析，又得不破坏原文结构；交付前还要转成 PDF 或图片核对版式。中文文档的字体、页边距、CJK 排版规则更挑，操作稍不规范，文件就容易损坏或版式错位。 原始 .docx ⤏ 直接改 修订丢失 / 版式乱 文件可能损坏 规范处理 红线留痕 / 版式保留 可转 PDF 核验 这个技能能帮你做到什么 它围绕正式文档的"建、改、查、转"提供一套可靠操作。创建上，通过 docx-js 生成新文档，套用指定的美学排版方案和字体规则，覆盖中文报告、论文、商务简报的版式需求；编辑上，直接改 OOXML，按最小精确修改原则生成红线修订版本，只标真正改动的内容；分析上，用 pandoc 提取 Word 正文并保留修订内容，也能取出批注、媒体或底层 XML 结构；转换上，把 docx 转成 PDF 或页面图片，便于后续预览和核对版式。整个过程靠元素顺序规则降低文件损坏的风险。 创建排版 · 修订编辑 · 提取分析 · 转 PDF / 图 围绕一份 .docx 的完整流程 全程保留格式与审阅痕迹 用前须知 不同环节依赖不同组件：创建文档需要 Node 与 docx 包；文本提取需要 pandoc；处理底层 XML 需要 Python 的 defusedxml；转 PDF 或图片需要 LibreOffice 与 poppler-utils。涉及结构编辑前，建议先阅读对应环节的指南，按规则操作以避免文件损坏。 怎么用它 用法是把要处理的文档和具体诉求用自然语言交给它，不必关心底层用的是哪套工具。例如可以这样对它说： 可以这样对它说 "这份合同用修订模式改付款条款，只标真正改动的字，后面要给律师审，保留页码。" "把这份中文报告排成正式 Word，字号和页边距按商务风格来，封面统一。" "先把这个 docx 提取成文本，保留批注和修订痕迹，再转成方便核对的版本。" 它适合这些场景：要创建中文报告、论文或商务简报并保持专业排版；审阅合同、政府文件或业务文档时需要保留修订痕迹；已有 docx 需要提取正文、批注、媒体或底层 XML 结构；以及文档交付前需要转成 PDF 或图片，检查版式是否正确。 大家常问 docx 文件到底是什么格式，和 doc 有什么本质区别？ docx 实质是个 ZIP 归档，里面装着遵循 OOXML（ISO/IEC 29500）规范的一组 XML 文件——正文在 word/document.xml、样式在 styles.xml、媒体放 word/media/，内容与格式严格分离。老 doc 是 OLE 复合文档的二进制流，内容、格式按位偏移混编，局部损坏容易级联。 为什么 docx 文件有时会显示"文件已损坏无法打开"？ Word 打开 docx 走 ZIP 解包、OPC 校验、XML 加载、关系解析四级流水。常见违约是 ZIP 中央目录被截断、[Content_Types].xml 缺失或缺 Override 声明、document.xml 混入非法控制字符或标签未闭合、.rels 指向的部件路径在包里找不到。 Word 里分节符和分页符有什么区别？ 分页符是段落级指令，只在当前位置强制翻页，前后仍属同一节，共享同一 SectPr。分节符是节级结构分割，新节有独立 SectPr，可单独设页眉页脚、横纵纸张、重置页码或切换分栏。分页符管翻页，分节符管换格式。 Word 修订模式到底是什么意思，和直接改文档有什么不一样？ 修订模式下，每处增删改都以 w:ins / w:del 标签写入 document.xml，连同作者和时间元数据保留，旧文带删除线留位。直接改则覆盖文本流，只剩一层结果。修订暂态可逆，要逐条接受或拒绝才落定，适合审阅与合同红线。 想用上这个技能？ 「Word 文档处理」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 查询商标
「商标检索」是「龙虾部署大师」技能市场中的商标初步筛查技能：作用是按品牌名、目标市场和商品/服务类别，查询中国 CNIPA、美国 USPTO 和国际 WIPO 的相关商标记录，输出完全匹配、近似商标、注册状态、权利人和尼斯分类，并给出混淆风险与申请流程说明，帮助命名、立项和正式提交前做基础风险判断。 技能效果 查NovaPay在美国第9类和36类有无近似商标时，它实际去USPTO检索，绕过被拦截的站点，整理出4件精确匹配记录和状态。 新品牌起名，为什么要先查商标？ 因为名字定下来、投入设计和宣传之后才发现撞标，代价往往很大。一个看起来还没人用的品牌名，可能早已被人在同一类别注册；也可能存在音近、形近或语义近似的在先商标，构成混淆风险，导致后续申请被驳回，甚至面临侵权纠纷。 问题在于，商标的占用是按"类别"区分的——同一个名字在不同的尼斯分类里可以分属不同主体。一个做茶饮的品牌该查哪些类、做 SaaS 又该查哪些类，不查清楚就贸然命名，等于把风险留到最后。不同法域（中国、美国、国际）的检索路径和近似判断口径也不一样，普通创业团队很难逐一比对。 同名，不同类别 → 风险不同 "Nova" · 第 30 类 茶饮 已有近似 → 高风险 "Nova" · 第 9 类 软件 暂无冲突 → 较低 音近 / 形近 / 拼写变体 也可能构成混淆 中 / 美 / 国际 检索口径各不同 这个技能能帮你做什么？ 这个技能把品牌名的初步筛查做成结构化的一步。它先按目标市场（中国、美国或国际）选择对应的商标数据库与检索路径，再执行完全匹配、音近、形近、拼写变体和语义近似的多维检索，把容易被忽略的近似商标也找出来。对命中的记录，它会提取注册号、申请状态、权利人、申请日期和尼斯分类，让你一眼看清这个名字在目标类别里的占用情况。 品牌名 + 市场 + 商品类别 多维近似检索 完全 / 音近 / 形近 命中记录 注册号 / 状态 / 权利人 尼斯分类 风险说明 + 行动建议 最后它会说明类别相关性、混淆风险、申请流程和常见法域差异，并指出哪些情形必须咨询专业代理人，帮你形成一份初步检索结论。 用前须知 该技能无需本地依赖或 API Key，主要依赖网络搜索访问已索引的商标记录。需要注意：官方数据库常会阻止自动化抓取，检索结果可能存在滞后或遗漏，因此结论仅作初步参考，不构成正式法律意见，也不能替代律师或商标代理人的判断。正式申请前应交由专业人员复核。 怎么用它？ 用法是把品牌名、目标市场和商品类别用自然语言告诉它，要查状态也直接说。例如可以这样对它说： 可以这样对它说 "查 NovaPay 在美国第 9 类和 36 类有没有近似商标，状态也看一下。" "这个中文品牌名想做茶饮，先看国内第 30 类和 43 类的冲突，拼音也查。" "拿注册号 5678901 查状态、权利人和有效类别，来源也标明。" 它适合这些场景：新品牌命名前确认目标市场有没有相同或近似商标；SaaS、餐饮、服装或电商项目需要定位必查和建议检索的类别；发现同名或音近商标后判断其状态、类别和潜在冲突；准备提交中国或美国商标申请前整理初步检索结论。它服务于正式委托代理人之前的基础筛查和风险归纳。 大家常问 商标近似判断主要看哪些维度？ 核心是"混淆可能性"，从音、形、义三层比对：形看图样和字形结构、音看拼音或音素的读音距离、义看词汇的语义关联。组合商标还要分别提取文字与图形再加权融合，同时结合显著性、知名度与一般消费者的注意力综合判断。 尼斯分类里类似商品与同一类商品的区别是什么？ 同一类商品看的是"形式上的分类编号是否一致"，比如第9类下的计算机和电池都属于第9类。类似商品看的是"实质上有没有混淆可能性"，跨类别也可能成立，比如第29类牛奶和第30类咖啡在实务中也可能被认定为类似。 商标显著性弱常见原因有哪些？ 常见有：直接描述商品质量或用途的描述性词（如"香甜"用于蛋糕）、行业通用名称（如"智能手机"）、仅由姓氏或地名构成的标记、过于简单的几何图形或单字母、行业惯用图案，以及由功能决定的商品自身形状。这些情形如果没有积累获得显著性，注册容易被驳回。 想用上这个技能？ 「商标检索」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
直播脚本怎么写？生成留人开场和带货讲解，先核实产品
「直播脚本」是「龙虾部署大师」技能市场中的口播话术技能：它为电商和娱乐直播生成暖场、开场、产品讲解、逼单收尾、互动模板、整场时间线和检查表。输入产品名、品类、卖点、价格、受众、语气和活动信息后，它先输出结构框架，再填充占位符并按品牌语气调整，形成可直接口播的文本，并要求先收集真实产品信息、不虚构价格库存或赠品，使话术兼具节奏、可信度和转化导向。 技能效果 写精华液直播开场话术时，它按时间段写出暖场、留人钩子和互动话术，主播能直接照着念。 开播前临时凑话术，节奏全乱 直播间的留人和转化高度依赖节奏，但话术准备常常是临场拼凑：前五分钟不知道怎么留人，开场冷场；产品讲解东一句西一句，卖点没说透；最后冲单时缺收口话术，眼看流量散了也没逼上去。主播一个人既要顾口播又要顾互动、抽奖、关注引导，很难每个环节都到位。结果是同样的产品和流量，话术散乱时的转化明显打折扣。 暖场前 5 分钟留人 开场立人设/活动 产品讲解FABE 拆卖点 逼单收尾紧迫感冲单 这个技能能给你哪些话术 它按一场直播的完整节奏产出可口播的文本。框架上，它生成前 5 分钟留人、开场、收尾和互动的话术框架；产品讲解用 FABE 框架组织卖点、优势、利益和证据；整场层面，它输出 1 小时直播时间线、钩子库和直播检查清单。工作方式是先给结构框架，再由 AI 填充占位符并按品牌语气调整，最终形成主播能直接念的稿子；它还可以扩展成多版本脚本，用于复盘改写与话术沉淀。 一条贯穿始终的硬规则是：先收集真实产品信息，不虚构价格、库存或赠品——所有占位符都要用真实数据填，这样话术才既有节奏又站得住、能落到转化上。 收集真实信息价格/卖点/活动 输出结构框架暖场→逼单 填充 + 调语气FABE 讲解 可口播稿+ 检查表 用前须知 该技能需要本地 Python 3.6+，无需 API Key 或联网。Windows 上建议用绝对路径运行脚本；遇到中文乱码时先执行 chcp 65001 切换编码。话术质量取决于你提供的产品、价格和活动信息是否真实完整。 怎么用它 用法是把今晚要播的产品、卖点、价格和需要的话术环节告诉它。例如可以这样对它说： 可以这样对它说 "今晚卖精华液，写开场五分钟留人和互动话术稿，主播能直接念。" "这个羽绒服直播间，按 FABE 写主推讲解，顺带破价格异议。" "直播最后十分钟冲单，围绕九十九元套装写收口话术，加库存紧迫感。" 它适合这些场景：直播前为新品准备暖场、开场和核心产品讲解话术；主播需要多套互动、关注、评论、抽奖和留存提示模板；电商团队按价格和促销设计逼单、异议处理和加购话术；以及策划一场 1 小时专场，需要拆分节奏、产品顺序和复盘清单。 大家常问 直播脚本是什么意思，一份完整的直播脚本主要包含哪些模块 直播脚本是单场直播的书面行动路线图，确保节奏可控、卖点到位、转化不漏。核心模块通常包括暖场、留人、产品讲解（FABE）、逼单转化、过款/转场、逼单收尾六段，串成"吸引停留→建立信任→激发欲望→促单成交"的递进链。 直播带货里 FABE 话术是什么意思 FABE 是产品讲解四步框架：Feature 讲特点（参数/材质等事实）、Advantage 讲优势（对比同类好在哪）、Benefit 讲利益（这对观众有什么好处）、Evidence 讲证据（现场演示、检测报告、好评）。本质是把"我的产品很好"翻译成"你买了会很好，且证据在这里"。 为什么直播间要先做留人话术、再上产品讲解，而不是开播就直接报价 直播间是动态流量池，开播前3秒决定路人留不留。没有价值铺垫直接报价，价格就只是"贵或没兴趣"的冷数字。留人话术先用好奇、利益、共鸣、冲突给"再看几秒"的理由，等价值被感知后报价才显得划算，转化链条才立得住。 直播间憋单和逼单是什么关系，为什么憋单一般要安排在主推款之前 憋单是蓄水，靠限时限量限价拉欲望；逼单是放水，临门一脚催犹豫的人下单，二者是同一流程的前后两段。憋单品放主推款前，能承接开场流量、用小额成交建立信任、形成"刚才秒空"的事实证据，再用情绪阶梯把热度推向主推款大爆发。 想用上这个技能？ 「直播脚本」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
亚马逊评论怎么批量采集？抓评分差评痛点做竞品分析
「亚马逊评论采集」是「龙虾部署大师」技能市场中的评论数据采集技能：给定一个或多个评论页链接，它自动翻页采集评分、评论人、标题、时间地点、评论正文和评论类型，并可选提取评论里的图片与视频链接，最终输出结构化 JSON 数据，便于做竞品评论分析、痛点挖掘和素材收集。 技能效果 采集某商品的评论时，它跨十个站点去重后取出前五十条，逐条保留了评分、国家、日期、标题与「已验证购买」标记，图片和视频链接也一并留存。 竞品评论这座金矿，人工挖太慢 商品评论里藏着最真实的用户痛点和卖点线索，但人工挖掘成本很高：一个热销 ASIN 动辄上百条评论，要逐条读、手动复制评分和正文；想跨多个竞品对比评分分布和高频抱怨，更是要在几个页面间来回翻抄，口径还容易乱。等整理完，时间已经耗掉大半，数据也难以复用。 这个技能能帮你拿到什么 它把评论页转成可直接分析的结构化数据。一次采集会批量抓取多个评论页的评分、标题、正文和评论人，支持设定每个商品的采集数量（1 到 999 条）并自动翻页；还可选提取评论中的买家图片和视频链接作为素材输入。采集前它会校验链接格式（评论 URL 需含 reviewerType=all_reviews），必要时辅助从商品详情页转换到评论页。 评论页链接一个或多个 自动翻页采集1–999 条 结构化 JSON评分 / 标题 / 正文 / 评论人时间地点 / 图片 / 视频链接 拿到结构化数据后，原本散在网页里的评论就能直接拿去做高频痛点归类、评分分布对比，或把买家晒图作为研究真实使用场景的素材。 评论数据 差评痛点归类 评分分布对比 买家晒图做素材 跨 ASIN 语料 用前须知 该技能无需 API Key，但评论 URL 必须包含 reviewerType=all_reviews 才能正确采集；它依靠真实抓取工作，采集量较大或频繁时可能受 Amazon 反爬限制影响。 怎么用它 用法是把要采集的评论页和需要的字段用自然语言说清楚即可。例如可以这样对它说： 可以这样对它说 "采集这个亚马逊评论页前五十条评价，图片和视频链接也保留。" "这三个竞品 ASIN 的差评都抓下来，后面做痛点归类分析，关键字段别漏。" "把评论评分、标题、时间和正文整理成结构化表格，后续用来分析卖点。" 它适合这些场景：分析竞品 ASIN 的差评和高频痛点、为 Listing 优化提供依据；采集多款产品评论、比较评分分布与反馈差异；获取评论里的买家图片或视频、研究真实使用场景；为产品研发或客服策略建立跨 ASIN 的评论语料库。 大家常问 亚马逊商品评论一般分哪几种类型？做竞品分析时要重点看哪一类？ 常见有星级评分、文字评论、带图/带视频评论、Vine 评论，以及带「Verified Purchase」标识的已验证购买评论。做竞品分析价值最高的是 VP 标识的 1—3 星差评，尤其带图差评，里面直接暴露竞品缺陷和未满足需求；用「亚马逊评论采集」按 ASIN 批量抓评分、标题、正文连同图片视频链接，归类后即可反推自己的 Listing 优化方向。 为什么有的亚马逊评论页只显示精选评论，看不到全部评论？ 页面默认按「精选（Top reviews）」排序，只展示算法认为最有帮助的少量评论；要看全部需切到「最新（Most recent）」，或直接访问带 reviewerType=all_reviews 参数的 product-reviews 评论页。「亚马逊评论采集」执行前正是校验链接是否含该参数，确保抓到的是全部评论而非精选子集，避免分析样本偏差。 亚马逊差评里通常藏着哪些产品痛点信号，对优化 Listing 有什么用？ 差评高频信号集中在尺寸/适配不符、质量耐用性差、功能与宣传有落差、说明书安装难、配件包装问题、以及预期与实物不符六类。把这些痛点词反向写进标题、主图参照物和五点描述，诚实界定适用边界，能同时降低退货率。用「亚马逊评论采集」批量抓多个 ASIN 的差评做高频归类，比逐条翻页快得多。 批量采集亚马逊评论时，为什么容易触发验证码、采到一半就中断？ 评论页是亚马逊反爬重点，单 IP 短时间高频翻页、并发过大或浏览器指纹异常都会触发验证码；翻页参数变化、动态收紧阈值也会让采集中途断掉。可控做法是随机化翻页间隔、用真实浏览器环境、分批续采。「亚马逊评论采集」无需 API Key，但采集量大或需登录可见的评论时，仍建议分批执行、保留登录态，结果仍受站点反爬影响。 想用上这个技能？ 「亚马逊评论采集」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示