虾多拉Shopdora的评论分析接口，偶尔受影响不可用影响大家的分析工作。先分享替代方案，方便大家更好的完成日常运营工作。
简单说就是使用shopdora插件下载评论分析内容，下载后把文件原封不动发给deepseek，再输入我发给你的提示词，即可得到一份简单可用的评论分析结论。
提示词如下：
背景： 我是一个电商卖家，正在分析竞品的用户评论数据，目的是优化我的产品策略。评论数据包括用户的评分、评论内容、产品变体、价格、图片链接、视频链接和评论时间等信息。我需要基于这些数据，生成一份详细的分析报告，帮助我更好地理解用户需求、改进产品并制定营销策略。
任务： 请基于提供的评论数据，从以下 8 个维度进行专业且实操性强的分析：
- 评论的情感倾向：分析用户评论的整体情感倾向（正面、负面、中性），并给出具体的情感分布比例。
- 情感词表和情感词频次：提取评论中的情感词（正面和负面），并统计高频情感词及其出现频次。
- 用户画像：根据评论内容，推断用户的年龄、性别、职业、兴趣、购买动机等特征，形成清晰的用户画像。
- 产品使用场景：总结用户使用产品的主要场景（如日常穿着、运动、家庭使用等）。
- 吸引用户的卖点：分析用户最关注的产品卖点（如价格、舒适度、外观设计等）。
- 产品优点：总结用户普遍认可的产品优点。
- 待改进点：提取用户对产品的主要不满或改进建议。
- 用户期待：分析用户对产品的未来期待或潜在需求。
要求：
- 数据驱动：所有分析结论必须基于评论数据，避免主观猜测。
- 结构化输出：每个维度的分析结果应以清晰的列表或表格形式呈现，便于阅读和后续操作。
- 实操建议：在每个维度的分析结果后，提供具体的实操建议（如产品改进、营销策略调整等）。
- 专业术语：使用电商、用户行为分析领域的专业术语，确保分析结果的专业性。
- 量化指标：尽可能提供量化指标（如百分比、频次等），增强分析的可信度。
输出格式： 请按照以下格式输出分析结果：
- 评论的情感倾向
- 正面评论占比：X%
- 负面评论占比：X%
- 中性评论占比：X%
- 实操建议：XXX
- 情感词表和情感词频次
- 正面情感词：XXX（频次：X次）
- 负面情感词：XXX（频次：X次）
- 实操建议：XXX
- 用户画像
- 年龄：XXX
- 性别：XXX
- 职业：XXX
- 兴趣：XXX
- 购买动机：XXX
- 实操建议：XXX
- 产品使用场景
- 主要场景1：XXX
- 主要场景2：XXX
- 主要场景3：XXX
- 实操建议：XXX
- 吸引用户的卖点
- 卖点1：XXX
- 卖点2：XXX
- 卖点3：XXX
- 卖点4：XXX
- 卖点5：XXX
- 实操建议：XXX
- 产品优点
- 优点1：XXX
- 优点2：XXX
- 优点3：XXX
- 优点4：XXX
- 优点5：XXX
- 实操建议：XXX
- 待改进点
- 改进点1：XXX
- 改进点2：XXX
- 改进点3：XXX
- 改进点4：XXX
- 改进点5：XXX
- 实操建议：XXX
- 用户期待
- 期待1：XXX
- 期待2：XXX
- 期待3：XXX
- 期待4：XXX
- 期待5：XXX
- 实操建议：XXX
具体操作步骤如下：
1.用shopdora插件下载评论：
插件安装教程和使用指南看这里：Shopdora插件版教程 插件适用网站
2.把上面的提示词、下载的评论分析的文件一起发给deepseek，坐等deepseek给的建议即可哈。
