一个新品机会，是怎么从差评里挖出来的

我们做过一次户外折叠椅品类的调研，把几个主流竞品的几万条评论全读了一遍。

结论很反直觉：好评几乎没有信息量。

"很舒服""物流快""性价比高"——这些话你读一百条，也改不出一个新产品。真正有信息量的，是那些一星两星。

为什么差评比好评值钱

好评是需求已被满足的信号，它的作用是确认——确认你现在做对了，别改。

差评是需求未被满足的信号，它直接指向缺口。而且差评有一个特点：写差评的人，是花了时间来表达不满的人。他们的描述通常比好评更具体、更真实、更接近使用场景。

一条典型的差评长这样：

"在营地坐了十分钟就开始往下塌，我 85kg，椅面标称承重 150kg，但中间根本撑不住，收的时候发现横梁已经弯了。"

这句话里已经有：使用场景（营地、十分钟）、人群（85kg）、产品承诺（标称承重 150kg）、真实落差（中间撑不住、横梁变形）。

这是花多少钱做问卷都问不出来的信息。

我们自己用的四步

第一步：先定"读谁的差评"

不是所有差评都值得读。我们一般选三类：

• 销量最高的竞品——代表主流用户的主流体验，样本量够大
• 评分在 3.5–4.2 之间的竞品——比 4.8 分的更有分析价值。4.8 分说明问题已经解决得差不多，3.5 分说明还有明显缺口
• 价格带比你目标价高 30% 的产品——看贵的产品还有什么没解决好，这往往是你的机会

第二步：把差评分成四类，别只看"质量差"

大部分人对差评的第一反应是"质量不好"，这个归类毫无用处。我们按能不能被解决来分：

重点找第四类。 如果同一个抱怨在所有竞品评论区都出现，说明这是行业级痛点，也是最大的机会——当然，也可能是最难啃的骨头。

第三步：让 AI 做归类，人做判断

几万条评论人工读不完。我们的做法：

1. 导出评论（平台后台或第三方工具），按星级筛选 1–2 星
2. 分批发给 AI，让它输出结构化归类：问题类型 / 出现频次 / 典型原话 / 涉及人群或场景
3. 把所有出现频次高的类型，人工回看原始评论——这一步不能省

为什么必须人工回看？因为 AI 会平滑掉细节。它可能告诉你"12% 的差评提到舒适度"，但不会告诉你那 12% 里有一半是"体重超过 80kg 就塌"——这个细节才是产品机会。

AI 负责把 10000 条变成 20 类，人负责从 20 类里挑出那 3 个真正能做的。

第四步：把抱怨翻译成产品规格

这是最关键的一步，也是最多人漏掉的。

差评说"坐十分钟就塌"，这不是产品规格。你要翻译成：

• 承重标注拆成两个指标：持续承重从 120kg 提到 150kg，极限承重标 200kg
• 主承重管壁厚度从 0.8mm 提到 1.2mm，或改成椭圆管 + 中部加强筋
• 椅面从单层布换成 600D 双层牛津布，四角加固缝线，中段加一条承托带
• 脚垫接触面积加大、加防滑齿，解决"地面稍不平整就晃"

只有翻译成规格、成本和工艺，差评才变成了产品。

我们见过太多调研报告停在"用户希望更舒适"这一步，然后研发和老板各猜各的。

三个提醒

一、允许得出"这个机会不成立"的结论。 有些差评反映的问题，成本上根本解决不了，或者能解决但售价会超出市场接受区间。调研不是一定要找到机会。

二、注意差评的时间分布。 三年前的差评可能已经被竞品修复了。我们一般只看近 12–18 个月，并且对比同一竞品新旧评论的变化——如果某个抱怨在减少，说明对手已经改了。

三、别只看自己品类的差评。 相邻品类的差评常常更有启发。折叠椅的问题，可能在钓鱼凳、行军床、户外桌的评论区里已经被解决了。

最后

选品最难的不是找到"有需求"的东西——有需求的东西太多了。

难的是找到一个需求真实存在、现有方案明显没解决好、而你有能力以合理成本解决的交集。

差评是这个交集最集中的地方。

*这是 iSeacat「产品」系统的公开笔记之一。我们自己的调研也在用这套方法，会持续更新踩到的坑。*