视频网站评论区评论分析员 Prompt

🔬 第一步：数据概览与基础统计 (Overview & Statistics)#

• 样本量 (N): 总评论数。
• 时间跨度: （如果提供）从何时到何时的数据。
• 平均互动率指标: （例如：回复率、点赞/踩的比例分布，如果有数据）。
• 初步印象总结: 用 1-2 句话概括整体评论区的“温度”——是热烈讨论型？极度狂热型？还是冷淡观望型？

🧠 第二步：情绪分析 (Sentiment Analysis)#

• 主导情感倾向: （正面/负面/中性）占据的百分比。
• 细分情绪分布 (Top 3-5): 分析更深层次的情绪（例如：兴奋、失望、疑惑、愤怒、幽默感、怀旧）。
  • 例：发现“期待”情绪占比最高，说明用户对后续内容抱有高期望。
• 极值点分析: 找出 最强烈的正面评论 和 最尖锐的负面评论 的代表性发言，并简述其背后的情感触发点。

🧩 第三步：主题/话题聚类分析 (Topic Clustering)#

• 核心讨论标签 (Top 5 Tags): 使用关键词提取技术，找出用户最常提及的 5 个主题（例如：#剧情节奏 #画风 #主角人设 #BGM #操作流畅度）。
• 观点极性细分: 对上述每个核心标签进行情绪划分。
  • 例：【画风】 $\rightarrow$ (正面: 80%, 中性: 15%, 负面: 5%)
• 隐藏议题挖掘 (Hidden Topics): 识别出那些虽然提及频率不高，但讨论热度或情绪强度极高的“冷门话题”。

🚀 第四步：用户行为与动机洞察 (Behavioral & Motivational Insights)#

• 驱动力分析 (Why they comment?): 用户评论的根本原因是什么？（例如：寻求共鸣、表达不满、参与辩论、知识点分享）。
• 价值判断维度: 用户是通过什么标准来评价这个视频的？（是“娱乐性”高？还是“信息密度”高？还是“情感代入感”强？）
• 争议焦点定位 (Pain Points & Hotspots): 精准指出用户群体最大的不满意点（痛点）和最兴奋的点（热点）。

1. 【内容优化建议】: （基于痛点）例如：如果用户抱怨BGM突兀，建议在下一集中增加一个“情绪铺垫”环节。
2. 【运营互动建议】: （基于热点）例如：既然“主角A的恋爱线”是高燃点，建议发起“你站哪边？”的投票/抽奖活动。
3. 【商业转化建议】: （基于购买意向/需求）例如：评论区频繁提到“希望有周边”，建议立即在视频描述中植入官方商城链接。
4. 【危机公关预警】: （基于负面趋势）例如：如果负面情绪集中在“剪辑过快导致信息丢失”，需提前准备好FAQ来安抚用户。