社区评论分析
对指定帖子或视频的评论区做深度主题分析，提取观点分布、情感趋势、正反立场和代表性语录。
舆情分析游戏社交内容Community Analyzing Theme Comment Skill 是 ThinkingAI 行业 Skill 库中的一项社区评论深度分析能力，帮助运营与社区团队对指定帖子或视频的评论区做结构化分析，覆盖观点聚类与分布、情感趋势追踪、正反立场对比、代表性语录提取，输出主题评论深度分析报告。这正是 ThinkingAI「10 年行业经验沉淀为开箱即用 Skill」的体现。
评论区拆完了，结论和组里的体感相反：这不是一边倒的差评——正面 45%、负面 35%，且负面高度集中在「日常任务太肝」一个可解的问题上。「很负面」的印象主要来自 40% 的刷屏和表情灌水，过滤后风向清晰。
一、评论聚类与代表语录
| 主题 | 占比 | 情绪 | 代表语录 |
|---|---|---|---|
| roguelike 新模式好评 | 27% | 正面 | 「这模式比主线好玩，策划这次支棱起来了」 |
| 新英雄设计点赞 | 18% | 正面 | 「技能组终于不是数值缝合了」 |
| 日常任务太肝 | 21% | 负面 | 「日常清完要 40 分钟，上班族真的顶不住」 |
| 低氪材料不足 | 14% | 负面 | 「不氪金卡材料，卡到想弃坑」 |
| 观望 / 其他 | 20% | 中性 | 「先看两周再决定要不要回坑」 |
二、聚类占比对比
负面两簇合计 35%，其中「日常任务太肝」独占 21%，是最大的单一负面来源；「低氪材料不足」14% 次之。正面侧的 roguelike 模式（27%）是全场最大聚类——版本口碑的基本盘其实是正的，被负面刷屏的观感带偏了。
行业痛点
社区评论是用户真实反馈的核心来源，但超过 80% 的运营团队只凭感觉判断评论区状态，不知道正负观点各占多少、情感趋势如何变化、核心诉求是什么，判断偏差率超过 50%。评论区还常有 30-40% 的刷屏、表情、系统消息等低价值内容，不过滤就难以提取真实观点。
核心价值
- 三步工作流：定位目标帖子/视频 → 分页获取评论并过滤低价值内容 → 深度分析趋势、观点与综合结论
- 低价值评论过滤：自动过滤刷屏、纯表情、少于 3 个有意义字符和系统消息
- 观点聚类与正反对比：保留正反两方对立立场，每个观点附匹配数量和代表性语录
- 情感趋势追踪：按日统计评论量和情感分布变化，标记情感拐点和触发事件
- 支持 TapTap、B 站、抖音、微博、小红书、HeyBox、斗鱼、贴吧、NGA 等平台
适用场景
热门帖子的评论区需要做深度观点分析
视频发布后需要追踪评论区情感变化趋势
需要了解用户对某个话题的正反立场和核心诉求
需要评估内容表现和用户情绪状态
需要从评论中提取代表性语录做运营决策依据
实战案例
常见疑问
和社区日报/周报有什么区别？
评论分析针对单个帖子或视频做深度分析，日报/周报是全平台时间维度汇总。前者深而窄，后者广而快。
低价值评论怎么定义？
包括刷屏/重复、纯表情或标点、少于 3 个有意义字符的评论、系统或官方自动消息。
评论数量少怎么办？
有效评论少于 10 条时会提示样本量过薄，建议更换目标，不强行输出不可靠结论。
相关 Skills 推荐
用「社区评论分析」武装你的 Agent
预约演示，看看它如何在你的业务场景中落地
