在产品管理工作中，分析用户评论是一项重要且繁琐的任务。传统方法不仅耗时，还容易遗漏关键信息。本文将介绍如何利用飞书多维表格和DeepSeek R1的强大功能，搭建一个高效的“用户评论分析器”，实现对用户评论的批量分析和自动分类。

做产品经理，有个重要又繁琐的工作：分析用户的评论。

无论是 B 端还是 C 端产品，通过分析用户评论，我们能及时发现问题，挖掘用户的潜在需求，指导我们改进产品。

以前，我们做 App 时，每天都要看用户的评论，还要给评论打标签分类，统计数据。这个事难度不大，但工作量不小，关键是繁琐耗时。

现在，我用飞书多维表格搭一个「用户评论分析器」，调用 DeepSeek R1 分析每一条评论，同时批量分析几百条评论，自动分类，提炼出用户的潜在需求和改进建议。

搭建这个「用户评论分析器」，还挺简单的，只有 5 步：创建飞书多维表格 → 导入用户评论数据 → 创建 AI 分析字段 → 提取 AI 分析结果 → 搭建数据看板。接下来，一步步演示。

1. 创建飞书多维表格

打开飞书云文档网页版（客户端也行，网页更简单），在主页点击「新建」，选择「多维表格」。

在弹窗中，点击「新建多维表格」。

这样，我们就有了一个空白的多维表格。

2. 导入用户评论数据

接着，我们先整理好评论数据，再导入多维表格。

为了演示，我在七麦数据（https://www.qimai.cn/）平台上，下载一份某宝 App 的评论数据。

发现了吧？这个神器不仅能分析自家产品，还能分析竞品，别说我没提醒哈。

然后，点击多维表格左侧「导入Excel」右边的「 + 」号，导入Excel文件，得到一个填好用户评论数据的多维表格。

3. 创建 AI 分析字段

有了准备分析的评论数据，来到最关键的一步：创建 AI 分析字段，调用DeepSeek R1 分析评论内容，输出结果。

创建步骤：点击列首右侧的「 + 」号，在弹窗中填好标题，鼠标移动「探索字段捷径」，在左侧弹窗顶部搜索框输入「deepseek」，选择「Deepseek R1」。

选完会看到，弹窗出现好几个配置项：

① 关联账号，是关联你用来调 DeepSeek 的账户（后续得充值），人家部署开源大模型也是要机器和显卡的，花点钱也应该。目前可以先不关联，飞书给用户提供免费 100 万token，用完后，根据操作指南再关联就行。

②「输入指令」，就是填写给 DeepSeek 的提示词。

③「引用字段」，选择引用哪些字段给 DeepSeek 分析。

④ 其他配置项： 直接默认全部勾选、打开就行，配置完，点击「确定」按钮即可。

说人话，你想让 AI 分析哪些数据，如何分析。

这里，我直接把这个案例的提示词开源出来，你直接拿走就能用，也可以根据需求再优化。

你是一名资深产品经理，请根据以下要求分析该产品的用户评论，生成结构化分析报告（禁止添加解释性内容）。
【产品信息】
1、产品：腾讯元宝是依托于腾讯混元自研T1、DeepSeek R1等大模型，基于跨知识领域和自然语言理解能力的大模型AI产品。元宝期望通过AI能力帮助用户在逻辑推理、职场办公、知识学习、趣味创作、生活百科等多个领域提高效率和生活辅助。
2、功能：腾讯混元T1-深度推理、直连腾讯文档、DeepSeek R1-联网满血版、临时对话记录无痕、收藏续创、腾讯混元T1、DeepSeek R1-拍图识万物、AI搜索智搜一触即达、AI阅读文档精读助手、AI写作 灵感速达。
【分析内容】
请全面分析以下用户评论：
标题：[引用标题字段]
内容：[引用内容字段]
【输出格式】
情感倾向：[正面/负面/中性/混合]
评论类型：[可多选：正向反馈/功能建议/Bug反馈/体验问题/使用咨询/其他]
具体问题：[总结描述用户遇到的具体问题，如无则填”无”，30字以内]
改进建议：[从用户评论中提取的具体改进建议，如无则填”无”，30字以内]
潜在需求：[分析用户可能未直接表达但隐含的需求，30字以内]
提及功能：[用户评论中提到的产品功能点]
提及竞品：[用户评论中提到的与腾讯元宝功能类似、可替代的AI工具类产品，如无则填”无”]

然后，你就会看到 DeepSeek 开始干活，输出「思考过程」和「输出结果」两个字段。

至此， DeepSeek 批量分析的活就干完啦，你可能会有疑问：这密密麻麻的，怎么看呀？

往下看，马上解决这个问题。

4. 提取 AI 分析结果

前面的提示词中，我们让  DeepSeek 按格式输出分析结果，包括 7 个维度：情感倾向、评论类型、具体问题、改进建议、潜在需求、提及功能、提及竞品。

接下来，再创建 7 个字段，分别提取这 7 个维度的分析结果，进行分类统计。

第 1 字段：情感倾向

点列首右边「 + 」号新增字段，填写标题，选择「字段捷径-智能标签」，点「添加标签」（输入：正面/负面/中性/混合），选择「评论分析.输出结果」字段匹配标签，在「自定义标签要求」输入框中填：「根据“情感倾向”内容匹配标签」，开启「自动更新」，点击「确定」即可。

第 2 个字段：评论类型

点列首右边「 + 」号新增字段，填写标题，选择「字段捷径-智能标签」，点「添加标签」（输入：正向反馈/功能建议/Bug反馈/体验问题/使用咨询/其他），选择「评论分析.输出结果」字段匹配标签，在「自定义标签要求」输入框中填：「根据“评论类型”匹配标签」，开启「自动更新」，点击「确定」即可。

第 3 个字段：具体问题

点列首右边「 + 」号新增字段，填写标题，选择「字段捷径-信息提取」，选择「评论分析.输出结果」为提取字段，提取信息“具体问题”；开启「自动更新」，点击「确定」即可。

剩下 4 个字段：改进建议、潜在需求、提及功能、提及竞品，创建步骤与「具体问题」字段相同，这里不再赘述。

全部字段配置完，你将拥有这样一份自动分类、提炼用户问题、潜在需求的详细分析表格。

5. 搭建数据看板

经过 DeepSeek 的分析，有了基础数据，就可以用多维表格的仪表盘，搭建数据看板，统计评论数据，还方便深入分析重点问题。

你可以根据实际情况创建不同的图表，这里演示 3 个常用的图表。

1）评论类型分布分析用户评论，要找出用户反馈的重要问题，比如产品的Bug，要第一时间处理。

对评论进行分类统计，可以直观看到这些评论的种类，快速找到重要的问题。

创建步骤：打开「仪表盘」页面，点击「添加组件」按钮，选择「饼图」。

在配置弹窗中，数据源和数据范围保持默认；图表类型选环形图，扇区分组选「评论类型」，勾选「多项拆分统计」，扇区数值选「统计记录总数」，点击「确定」就搞定啦。

2）各版本评分分布每个版本的用户评论数量是不一样的，为了分析版本优化的效果，还需要分析每个版本评分级别的分布。

创建步骤：点击「添加组件」，创建一个「柱状图」。

在配置弹窗中：

1. 数据源和数据范围保持默认；
2. 「图表类型」选「百分比堆积柱状图」；
3. 横轴选择「版本号」字段，下方勾选「汇总相同的类别」；
4. 纵轴选择「统计记录总数」，勾选「分组聚合」，下方选择「评分」字段；
5. 点击「确定」即可。

3）用户声音词云用户的评论都是文字，用词云可以帮我们快速看到用户反复提到的关键词。

创建步骤：点击「添加组件」，创建一个「词云」组件。

进入配置弹窗：

1. 数据源和数据范围保持默认；
2. 关键词字段选择「内容」，分词方式默认「智能分词」，勾选「过滤常用词」，点击「确定」即可。

到这里，这个「用户评论分析器」就搭建完啦。

有这个工具，后续只需把新增的评论复制添加到这个多维表格中，分析和统计都是自动完成。

我们可以把更多时间和精力，用来处理用户反馈的问题。

最后，我决定把这个「用户评论分析器」开源出来，打开下方链接，点击「使用该模板」，就能用。

https://e6dt7abvz2.feishu.cn/base/MXvUbElXPayZxKsbSKRcrIOSnyg

欢迎一起共创出更多有用的产品，期待你分享实操的感受。