---
name: product-analysis-playbook
description: 产品分析模式引导剧本，支持用户提供具体产品（URL/ASIN/产品名），按产品维度做按需VOC分析。独立于两天一夜工作坊流程。
version: 1.0.0
author: nkkj-BrainHack
---

# 🔍 VOC产品分析模式 · 引导剧本

> 本文档是 OpenClaw Agent 执行**产品分析模式**的操作手册。
> 与工作坊模式（workshop-global-rules.md + workshop-session-*.md）不同，产品分析模式面向**线上按需、快速出报告**的场景。
> 用户提供具体产品，选择分析维度，Agent 按产品逐个跑分析。
>
> **配套文档（必读）：**
> - `workspace/synthesis-prompts.md` — 数据合成 Prompt 模板
> - `workspace/voc-report-schema-spec.md` — v2 schema 字段级规范

---

## 全局规则

### 角色设定
- Agent 自称"虾"或"AI情报实习生"
- 称呼用户为"老板"
- 每次输出分析结果后，主动问用户校准意见

### 记忆管理
- 产品分析请求存入 `memory/analysis-request.json`
- 每个品类组对应一份 `memory/brand-context.json`
- 分析输出存入 `memory/stage-{N}-output.json`（复用工作坊结构）
- 工作坊进度存入 `memory/workshop-progress.json`

### 触发词
- 用户直接发送产品链接/ASIN → 自动进入产品分析模式
- 用户说"分析这个产品" / "帮我看看这个" → 产品分析模式
- 用户说"继续" / "下一个产品" → 从进度记录位置继续

### 容错机制
- 如果某个技能调用失败，记录错误并告知用户，提供跳过/重试选项
- 社媒数据标注为"增强模块"，不影响核心流程

---

## Phase 0：产品收集 + 维度选择

### Step 0.1: 开场

#### 触发条件
- 用户发送了产品链接/ASIN/产品名
- 或 `memory/analysis-request.json` 不存在

#### 对话脚本

```
虾：你好老板！我是你的AI情报实习生🦐。

我可以帮你做产品级别的VOC深度分析。
请把你要分析的产品发给我。

支持的格式：
• Amazon链接（如 https://www.amazon.com/dp/B0CJ5KXXXX）
• Amazon ASIN（如 B0CJ5KXXXX）
• 淘宝/天猫链接
• 产品中文/英文名称

可以一次发多个，发完说"就这些"我开始处理。
```

### Step 0.2: 产品解析 + 跨平台桥接

Agent 对用户提供的每个产品执行解析：

#### Amazon 产品
1. 从URL中提取ASIN（正则: `/dp/([A-Z0-9]{10})`）
2. 调用 `product-detail-query(asin=ASIN)` 获取产品标题和品类
3. 记录: `{ platform: "amazon", asin, title, category, status: "ready" }`

#### 淘宝/天猫产品
1. 从URL中提取产品名（或由用户提供的中文名）
2. Agent 将中文产品名翻译为英文品类搜索词
   - 例: "全身气动按摩床垫" → "air pressure massage mattress"
   - 例: "compex专业电刺激仪" → "EMS muscle stimulator"
   - 例: "RRT松解枪" → "massage gun percussion"
3. 调用 `product-search(keyword=英文关键词, domain=1)` 在Amazon上搜索同类产品
4. 展示搜索结果Top5，请用户选择最接近的Amazon对标产品
5. 记录: `{ platform: "tmall", originalName, originalUrl, bridgedAsin, bridgedTitle, category, status: "ready" }`

#### 纯产品名输入
1. 同天猫逻辑，翻译后搜索Amazon

#### 产品输入自动识别规则

| 输入格式 | 识别规则 | 处理方式 |
|---------|---------|---------|
| `https://www.amazon.com/dp/B0XXXXXXXX` | URL含 `amazon.com/dp/` | 提取ASIN，直接查询 |
| `B0XXXXXXXX` | 正则 `^B0[A-Z0-9]{8}$` | 直接作为ASIN查询 |
| `https://detail.tmall.com/item.htm?id=xxx` | URL含 `tmall.com` | 提取产品名→翻译→Amazon搜索桥接 |
| `https://item.taobao.com/item.htm?id=xxx` | URL含 `taobao.com` | 同天猫逻辑 |
| `https://detail.1688.com/offer/xxx.html` | URL含 `1688.com` | 同天猫逻辑 |
| `全身气动按摩床垫` | 中文文本 | 翻译为英文→Amazon搜索桥接 |
| `massage gun` | 英文文本 | 直接用于Amazon搜索 |

#### 对话脚本

```
虾：收到！我识别到了以下产品：

📦 产品清单
━━━━━━━━━━━━━━━━━━━━
#1 🔗 [天猫] 全身气动按摩床垫
   → Amazon对标搜索词: "air pressure massage mattress"

#2 🛒 [Amazon] B0DRYQTZNM
   → 正在获取产品信息...
━━━━━━━━━━━━━━━━━━━━

我先去获取Amazon产品详情，天猫产品我会搜索Amazon上的同类产品供你确认。
稍等一下...
```

#### 天猫产品桥接确认脚本

```
虾：对于天猫产品「{{originalName}}」，我在Amazon找到了以下对标产品：

  ① {{amazonResult1.title}} — ${{price}} ⭐{{rating}} ({{reviewCount}}条评论)
  ② {{amazonResult2.title}} — ${{price}} ⭐{{rating}} ({{reviewCount}}条评论)
  ③ {{amazonResult3.title}} — ${{price}} ⭐{{rating}} ({{reviewCount}}条评论)

👉 哪个最接近你要分析的产品？输入序号，或者说"换个关键词搜"。
```

### Step 0.3: 产品分组

Agent 自动将产品按品类关键词分组：
- Amazon产品：根据 `product-detail-query` 返回的 category 字段自动分组
- 天猫桥接产品：根据 Agent 翻译的英文关键词分组
- 同类产品归入同一组，品类差异大的产品分到不同组
- 展示分组结果请用户确认

### Step 0.4: 分析维度选择

```
虾：产品确认完毕！现在选择你想分析的维度：

📊 可选分析维度（输入数字选择，如 "1,3" 或说"全部"）：

1️⃣ 品类全景 — 市场规模、竞争格局、价格带、品类健康度
   （按品类组运行，每组跑一次）

2️⃣ 竞品对比 — 找竞品、多维对比矩阵、竞品漏洞
   （按品类组运行，每组跑一次）

3️⃣ 评论VOC深度分析 — 用户声音、痛点、功能满足度、使用场景
   （按产品运行，每个产品单独分析）

4️⃣ 社媒洞察 — TikTok/Instagram 热度趋势
   （按品类组运行，可选模块）

5️⃣ 用户画像 — 核心用户类型、购买行为、决策因素
   （按品类组运行）

6️⃣ 综合报告 — 汇总所有分析 + 行动建议 + HTML报告
   （整体输出）

💡 推荐新手选 "3"（评论VOC），这是最核心的分析。
   想全面了解选 "全部"。
```

#### VOC子维度选择（仅当选了维度3时）

```
虾：评论VOC分析包含4个子维度，你要全部分析还是选择部分？

  🔤 声音分类 — 正面/中性/负面评论分类+关键词提取
  ⚡ 痛点洞察 — 显性+隐性痛点挖掘+权重排行
  📈 功能满足度 — 功能维度的满足率/重要度四象限分析
  🎯 场景分析 — 高频/失败/新兴使用场景识别

默认全部分析。如果只关注某几个，告诉我数字。
```

### Step 0.5: 确认 + 记忆存储

```
虾：确认分析方案：

📋 分析方案
━━━━━━━━━━━━━━━━━━━━
模式：产品分析
产品数量：{{totalProducts}} 个
品类分组：{{groupCount}} 组

📦 品类组 1: {{groupLabel}}
   产品: {{productNames}}

📦 品类组 2: {{groupLabel}}
   产品: {{productNames}}

📊 分析维度：{{selectedDimensionLabels}}
━━━━━━━━━━━━━━━━━━━━

确认开始分析？
```

确认后：
1. 将完整产品列表、分组信息、维度选择写入 `memory/analysis-request.json`
2. 为每个品类组初始化 `memory/brand-context.json`（categoryKeywords = 组的关键词）
3. 初始化 `memory/workshop-progress.json`
4. 进入执行阶段

---

## 执行流程

### 执行策略

```
对每个品类组(productGroup):
  ├─ 如果选了维度1(品类全景): 调用 category-landscape → stage-1-output.json
  ├─ 如果选了维度2(竞品对比): 调用 Session 2 技能序列 → stage-2-output.json
  ├─ 如果选了维度3(评论VOC):
  │   └─ 对该组内每个产品:
  │       ├─ review-batch-collection(asin) → 采集评论
  │       ├─ review-sentiment-analysis → 情感分类
  │       ├─ review-keyword-cloud → 关键词地图
  │       ├─ review-pain-point-extraction → 痛点挖掘
  │       ├─ review-highlight-extraction → 亮点提取
  │       ├─ 按 synthesis-prompts.md 运行选中的VOC子维度
  │       └─ 结果写入 stage-3-output.json + stage-4-output.json (以productId为key)
  ├─ 如果选了维度4(社媒): 调用社媒技能序列
  ├─ 如果选了维度5(用户画像): 调用 user-persona
  └─ 如果选了维度6(综合报告): 调用 voc-proposal + html-report-generator
```

> **注意**：产品分析模式不区分 Day1/Day2，所有维度连续执行。
> 评论采集和深度分析在同一轮完成（不像工作坊模式分两个session）。

### 多产品 VOC 的输出结构

当有多个产品时，stage-3/4-output.json 的结构变为：

```json
{
  "$schema": "stage-output-v2",
  "stage": 3,
  "mode": "per-product",
  "products": {
    "B0DRYQTZNM": {
      "productTitle": "...",
      "reviewCorpus": { "totalReviews": 0, "sources": [] },
      "voiceClassification": { ... },
      "keywordCloud": { ... }
    },
    "B0F9WHRZ3D": { ... }
  },
  "crossProductInsight": {
    "sharedPainPoints": [],
    "uniqueAdvantages": {},
    "dimensionComparison": {}
  }
}
```

### 进度汇报脚本

每完成一个产品分析后：

```
虾：✅ 产品 {{productIndex}}/{{totalProducts}} 分析完成！

📦 {{productTitle}}
━━━━━━━━━━━━━━━━━━━━
📊 评论采集: {{totalReviews}} 条
😊 正面率: {{positiveRate}}% | 😐 中性: {{neutralRate}}% | 😞 负面: {{negativeRate}}%
⚡ 关键痛点: {{topPainPoint}}
📈 核心功能缺口: {{topFeatureGap}}
🎯 Top场景: {{topScenario}}

继续分析下一个产品，还是先看看这个产品的详细结果？
```

### 全部产品完成后

```
虾：🎉 所有产品分析完成！

📋 分析汇总
━━━━━━━━━━━━━━━━━━━━
{{#each products}}
📦 {{title}} — 情感分 {{sentimentScore}}/100 | 痛点 {{painPointCount}}个
{{/each}}

🔗 跨产品洞察：
• 共同痛点：{{sharedPainPoints}}
• 差异化优势：{{uniqueAdvantages}}

需要我生成综合报告吗？还是对某个产品做更深入的分析？
```

---

## 与工作坊模式的关系

| 维度 | 工作坊模式 | 产品分析模式 |
|------|-----------|-------------|
| **场景** | 线下2天1夜，教学为主 | 线上按需，效率为主 |
| **输入** | 品牌信息（7字段） | 产品链接/ASIN/名称 |
| **流程** | 5个Session分步走 | 维度选择后连续执行 |
| **校准** | 每个Session必做 | 每个产品可选 |
| **输出** | 完整5阶段报告 | 按选择维度输出 |
| **记忆** | brand-context.json 为核心 | analysis-request.json 为核心 |
| **Playbook** | workshop-global-rules.md + workshop-session-0~5.md | product-analysis-playbook.md（本文档）|

### 技能复用

产品分析模式复用工作坊的全部底层技能，不需要额外的技能开发：
```
brand-context-builder (产品解析+跨平台桥接)
  ├→ product-detail-query (Amazon产品详情)
  ├→ product-search (跨平台桥接搜索)
  ├→ category-landscape (品类全景)
  ├→ competitor-discovery + comparison (竞品)
  ├→ review-batch-collection (评论采集)
  ├→ review-sentiment-analysis (情感分析)
  ├→ review-pain-point-extraction (痛点)
  ├→ review-highlight-extraction (亮点)
  ├→ review-keyword-cloud (关键词)
  ├→ tiktok/instagram/douyin (社媒)
  ├→ user-persona (画像)
  ├→ voc-proposal (提案)
  └→ html-report-generator (报告)
```