亚马逊产品开发过程中，用户评价的分析是耗时且细碎的工作。通常情况下，为了获得全面且准确的用户信息，我们需要阅读大约2000条左右的评价。
在这2000条评价中，我会分析6个方面内容，包括使用人群、场景、时间、方法、用户反馈和产品建议。我之前查看评价的方式是，这2000条评价基本都是逐条查看。
我一天最多只能阅读分析500条信息，超过500条的话，我就会专注力下降，效率降低。因此这1500条和2000条评价，我分析完并做出一定的总结、输出产品方向，至少需要一周的时间。我一直在思考如何高效地获取用户评价中我所需要的各种。
在这期间我用过市面上的各种AI评价分析软件，但是都不是很满意。这些软件输出的内容要么过于宽泛笼统，要么关键信息缺失，对比我原来自己一条条看评价时候获得的信息，完全不能比。
现在我总结了一套人工与AI相结合的方式来看评价，效率有了大幅提升。至少现阶段符合了我的需求。一下是我现阶段总结的一些步骤。
首先， 需要非常明确的知道自己需要在评价中获取的信息，我产品开发做的比较多，所以我希望在评价中获取：使用人群，使用场景，使用时间，使用方法，效果评价/用后感受，产品改进建议等信息。
第二，需要给AI规定获取的数据源与格式，让AI知道从哪几列获取信息，并在哪几列输出出来。让AI用表格形式输出，并要求与原内容一一对应，尽量让输出的内容放在对应的评价旁边，方便后期人工核对输出结果。
第三，让AI将输出的特定内容进行分类，并进行一定的数据统计，分析出个人群的占比，场景占比等信息。同时，要求AI在做内容分类时候，原始内容在表格的那几行也标记出来， 这样做也是为了方便后期人工检查。
以上三部是要求AI的结果输出，但是在AI输出结果后，我自己还需要再次进行核对。按现在的经验，AI输出的内容基本正确。当然，也有极少数也需要调整。但是已经大大节省了我的评价阅读时间。我现在基本上只要2天就能干完原来一周的工作量。