用户反馈提示词：把几百条评价贴给 AI，一次分类、计数并排好优先级

用户反馈提示词最适合处理这种场面：应用商店评价、问卷开放题、客服工单和社群留言攒了几百条，老板问用户到底最不满意什么，团队却只能凭印象说好像是价格、好像是闪退。下面这段提示词把原始反馈一次拆成分类表格、高频问题和处理优先级，复制过去、换掉变量、再把反馈贴在最后就能用。

它和让 AI 写一段总结不一样。总结只给感受，这段提示词要求每条结论都带条数和原话出处，结果能直接拿去排需求、写周会材料。反馈不到二十条时不用这么麻烦，人工看更快；几百条起步、还要按渠道或版本对比时，它的优势才明显。

提示词正文（复制即用）

你是一位做用户研究的产品分析师。请处理我下面这批用户反馈，严格按要求输出：

1. 分类：按［分类维度，默认：功能问题 / 操作体验 / 价格收费 / 性能故障 / 内容服务 / 其他］逐条归类，一条反馈只进一个主类；同时涉及两类的，归入用户情绪更强的那一类，并在备注里写明次类。
2. 计数与情绪：统计每个类别的条数和占比，再分别统计正面、中性、负面条数。不许估算；条数多到数不清时，先逐条列出归类结果，再汇总计数。
3. 提炼高频问题：每个类别挑出出现次数最高的 3 个具体问题，每个问题附 1 条最典型的用户原话，原文照抄，不改写、不润色。
4. 排优先级：综合条数、负面强度，以及是否影响付费或续订，给每个高频问题标 P0、P1 或 P2，并用一句话说明排序理由。
5. 输出格式：先给一张汇总表（类别｜条数｜占比｜负面条数｜代表原话），再给高频问题清单，最后单独列出无法归类或信息不足的反馈有多少条。不要给出产品改进承诺，不要编造反馈里没有出现过的原因。

我的产品是［产品名和一句话介绍］，这批反馈来自［渠道，如：应用商店 / 客服工单 / 问卷］，时间范围是［起止日期］。

反馈原文如下（每条一行）：
［把反馈原文逐条粘贴在这里］

变量怎么换

结果到手后，再追问两句

第一句用来查错分类：「请列出你这次归类时最不确定的 10 条反馈，逐条说明原文、你放进的类别和拿不准的原因。」分类准不准，直接决定后面的计数可不可信；这 10 条人工复核一遍，比把几百条全看一遍省事得多。

第二句用来挖场景：「请把 P0 问题里提到的使用场景再拆细：用户在什么操作步骤、什么设备或版本上遇到的？反馈里没写清的，标注信息缺失，不要推测。」这样拿到的清单能直接转成复现条件，交给开发排查，而不是停在「用户说很卡」这一层。

三个容易踩的坑

第一，贴之前先脱敏。反馈原文里常混着手机号、订单号、真实姓名，先批量替换成「用户 A」这类代号再贴；公司内部对数据有规定的，优先用公司批准的 AI 工具处理。

第二，不要一次贴几千条。超出模型一次能认真读完的量，后半段会被草草归类，计数跟着失真。按每批 200 条左右拆开跑，最后把各批的汇总表再贴回去让它合并，数字要逐项对得上。

第三，条数多不等于最重要。吐槽价格的人通常更多，但真正让用户流失的可能是一条只出现几次的支付失败。提示词里要求结合付费影响排序，就是为了防这一点；最后定优先级时，仍要把计数表和流失、续订数据对照着看。

跑完一轮后，把分类维度固定下来，下一批反馈沿用同一套类别，两个月的计数放在一起，哪些问题在变好、哪些在恶化，一眼就能看出来。