评论管理
用于评论分析、声誉管理、回复草稿、投诉/举报草稿、产品洞察挖掘、上传的评论 CSV 分析以及评分提升策略。
MCP 工作流程
- 使用
app-store-connect-mcp。 - 单条评论：使用
get_review_data读取。 - 评论列表：使用
get_reviews_data读取。 - 使用
unansweredOnly、badRatingOnly和maxRating缩小评论列表范围。 - 使用项目上下文来决定语气、支持链接、已知问题和回复策略。
- 分析评论健康度、主题、回复机会以及投诉/举报资格。
- 使用
validate_ai_companion_data以review或reviewList为目标进行验证。 - 如果要求应用草稿，使用
fill_review或fill_reviews填写草稿。
填写字段
单条评论：
responseBodycomplaintReasonconcernType
评论列表：
reviews：按reviewId索引的数组或映射，每个元素包含responseBody、complaintReason和/或concernType。
CSV 评论分析
当用户上传或引用包含所有评论的 CSV 时使用此模式。除非用户希望将回复/投诉填写回 ASO.dev，否则 CSV 分析不需要 MCP。
分析前：
- 识别 CSV 列。常见列：评论 ID、评分、标题、正文/文本、语言环境/国家、应用版本、日期、开发者回复、回复日期、设备/平台。
- 标准化日期、评分、语言环境、版本和空值。
- 按评论 ID 或完全匹配的标题/正文/日期去重。
- 按评分、语言环境/国家、应用版本、时间段、已回复/未回复状态和评论长度进行分段。
- 如果 CSV 很大，抽样引用示例，但按整个文件计算计数和主题。
分析内容：
- 情感：按评分和文本分为正面、中性、负面、混合。
- 主题：Bug/崩溃、UX 摩擦、定价/付费墙、新手引导、性能、账户/登录、本地化、支持、内容质量。
- 功能请求：缺失的能力、重复出现的“希望它有……”模式、竞品比较。
- 产品风险：按应用版本/日期出现的回归、严重 Bug、退款/取消意向、信任/隐私问题。
- ASO 语言：用户用来描述价值、结果和用例的短语。
- 支持机会：未回复的低星评论、过时的回复、高影响力的回复。
CSV 输出应包括计数和代表性示例。不要粘贴大量原始评论转储。
评论分析框架
主题分类：
| 主题 | 含义 | 行动 |
|---|---|---|
| Bug/崩溃 | 技术故障、流程中断、回归 | 升级修复，仅回应已知状态 |
| 功能请求 | 用户要求缺失功能 | 跟踪频率和用户群体 |
| UX 投诉 | 令人困惑、缓慢、沮丧、难以使用 | 优先进行 UX/产品审查 |
| 定价/付费墙 | 太贵、订阅不清晰、试用混淆 | 如果重复出现，使用 monetization-strategy |
| 赞赏 | 价值、愉悦、喜爱的功能 | 感谢并学习转化语言 |
| 竞品提及 | 比较或切换原因 | 挖掘定位差距 |
评论健康度信号：
- 平均评分及趋势（如有）
- 近期低星评论数量
- 未回复的负面评论
- 回复率和回复新鲜度
- 重复出现的 Bug/UX/定价主题
- 投诉/举报候选评论
回复规则
- 保持冷静、具体、简洁。
- 优先及时回复；运营条件允许时，对高影响力的负面评论目标在 24-48 小时内回复。
- 不要与评论者争辩。
- 不要透露内部数据。
- 除非确认修复，否则不要承诺修复。
- 不要在公开回复中索要个人信息。
- 对于愤怒的评论，先承认问题，然后引导至支持渠道。
- 不要要求用户更改评分。
- 不要在大量评论中复制粘贴完全相同的回复。
回复框架
对负面评论使用 HEAR 框架：
- Hear（倾听）：承认具体问题。
- Empathize（共情）：表明您理解对方的沮丧。
- Act（行动）：说明已知情况、已修复或正在调查中的事项。
- Resolve（解决）：提供正确的联系路径邀请直接支持。
模板仅为起点：
- Bug：承认，仅在确认时提及已知修复版本，邀请更新/支持。
- 功能请求：感谢，说明已分享给团队，避免承诺路线图。
- 模糊负面：简略道歉，通过支持渠道询问详情。
- 正面：感谢并回应用户提到的益處。
投诉/举报规则
- 仅在评论看起来辱骂、垃圾、欺诈、无关或违反政策时进行举报。
- 不要仅仅因为评分低就举报有效的负面反馈。
- 保持投诉理由事实准确且简短。
评分提示策略
仅用于建议；此 MCP 技能填写评论草稿，不修改应用代码。
- 仅在正面价值时刻之后触发。
- 避免首次会话、新手引导、错误、崩溃、支付失败或支持挫败时刻。
- 好的触发时刻：完成任务、达成目标、连续使用、节省时间/金钱、成功恢复/导出/分享。
- 遵守平台限制，不要激励评论。
- 如果差评是由于产品问题引起的，在增加提示频率之前先修复问题。
产品洞察挖掘
从评论中提取：
- 最受喜爱的功能及用户准确用语，用于元数据/截图。
- 最常见的 Bug 或 UX 失败。
- 变现方面的异议和订阅困惑。
- 功能需求频率。
- 被提及的竞品及切换诱因。
功能请求评分：
| 信号 | 含义 |
|---|---|
| 频率 | 多少条评论提及该请求 |
| 评分影响 | 该请求是否出现在低星或流失风险评论中 |
| 群体 | 出现的语言环境、版本、用户类型或国家 |
| 战略契合度 | 是否与应用定位和路线图匹配 |
| 工作量/风险 | 是否需要产品、后端、设计、定价或政策方面的工作 |
输出
# 评论健康度和回复工作
应用：
模式：
评分/趋势：
筛选条件：
CSV 来源：
## 健康度摘要
- 加载评论总数：
- 低星评论数：
- 未回复评论数：
- 主要风险：
## 情感分析
| 分类 | 正面 | 中性 | 负面 | 混合 | 备注 |
|---|---:|---:|---:|---:|---|
## 主题分析
| 主题 | 数量 | 评分影响 | 证据 | 行动 |
|---|---:|---|---|---|
## 缺失功能 / 请求
| 请求 | 数量 | 用户群体 | 证据 | 产品建议 |
|---|---:|---|---|---|
## 草稿
| 评论 ID | 评分 | 主题 | 行动 | 草稿 |
|---|---:|---|---|---|
## 产品洞察
| 洞察 | 证据 | 建议负责人/行动 |
|---|---|---|
## 评分提升计划
1.
2.
3.
## 验证
- CSV 列映射完成：
- 基于完整数据的计数：
- 语气安全：
- 无私人数据：
- 投诉理由正当：
- MCP 验证通过：
- 准备填充：