☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想快速定位某款产品差评集中暴露出的真实缺陷，但直接让monica分析原始评论容易漏掉关键维度，ai可能只罗列高频词而忽略结构性归因逻辑。
让Monica先输出差评归因判断标准
第一步：在输入框中粘贴一段真实差评样本（至少5条，含不同表述方式）→ 紧接着换行，输入以下提示词：
你是一个有10年电商用户研究经验的产品体验分析师。请基于我提供的差评样本，先不分析具体问题，而是输出一套可落地的【差评归因判断标准】。这套标准必须包含四个强制维度：① 问题是否指向产品本体功能失效（如按键失灵、APP闪退）；② 问题是否源于说明书/包装/客服引导缺失（如“根本不知道怎么充电”）；③ 问题是否由用户误操作引发但产品未设防错机制（如“一碰就关机，没任何提示”）；④ 问题是否属于合理预期外的场景覆盖不足（如“雨天耳机进水”但产品未标注IPX4）。每条标准后附1个你从样本中摘出的原句作为例证。注意：不要合并维度，不要用“可能”“大概”等模糊表述，每条标准必须可验证、可打勾。
第二步：等待Monica返回四条结构化标准后，再将全部差评文本重新发给它，并追加指令：“严格按刚才你制定的四条标准逐条归类，每条评论只归属一个最匹配维度，标出原文序号。”
这一步不能跳过——如果直接扔几百条评论让Monica总结，它会按统计频率排序，把“发货慢”这种运营问题和“电池鼓包”这种安全缺陷混在同一层级。而先锁定判断标准，等于给AI装上产品缺陷分类器的校准砝码。
避开常见陷阱的三个关键点
方法一：禁用“用户体验”“满意度低”这类虚词开头
Monica对抽象评价词无解析能力，一看到“体验差”就会默认调用情感分析模型，结果输出“情绪消极占比73%”这种无效结论。必须用“按键失灵”“无法配网”等具象动词短语启动判断。
方法二：样本里必须混入一条“假差评”
比如夹一条“快递员态度恶劣”，这条明显不属于产品维度。Monica若在判断标准中把它归入维度②（说明书缺失），说明它没理解维度定义——这时你要立刻修正标准中的动词，把“引导缺失”改为“与产品物理交互或数字界面直接相关的信息缺失”。【维度定义必须锚定在产品可控范围内】
方法三：限定输出格式用符号分隔
在提示词末尾明确写：“四条标准用◆分隔，每条标准内用｜分隔‘维度名称｜判定依据｜例证原句’”。Monica对符号指令响应稳定，比写“请分四点列出”更可靠。
验证标准是否有效的实操检验
第一步：把Monica输出的四条标准复制到新对话框
第二步：输入：“假设现在有一条新差评：‘充电10分钟掉电20%，充满后只能用2小时’。请严格对照你刚才输出的四条标准，告诉我它属于哪一条，并说明理由。”
第三步：检查Monica回应。如果它回答“属于维度①，因为涉及电池续航功能失效”，说明标准已激活产品本体判断逻辑；如果它回答“需要更多信息”，说明标准中缺少可操作的判定触发词，要补上“出现‘掉电’‘续航不足’‘充不满’等关键词即触发维度①”。
