小红书评论分析 SocialDataX 评论回复
专为小红书评论分析设计的AI工具，助力口碑洞察与高效回复。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：小红书评论分析 SocialDataX 评论回复。 它的用途是：专为小红书评论分析设计的AI工具，助力口碑洞察与高效回复。 完整的 Skill 内容见：https://321skill.com/skills/小红书评论分析-socialdatax-评论回复/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“这里有一份我们新品‘XX精华’在小红书上的前500条评论，请帮我分析用户的主要好评点和吐槽点分别是什么，并总结出三个最突出的产品痛点。” 它会先进行数据清洗和情感分类，然后提取高频关键词进行归类，最后生成一份包含数据支撑的痛点总结报告。或者
对AI说：“针对这条抱怨‘快递包装破损’的评论，生成三条不同风格（诚恳道歉、积极解决、幽默化解）的回复话术。” 它会结合常见的客服场景和网感语言，快速提供可选的回复方案。
介绍
本Skill专注于小红书（Xiaohongshu / XHS / RedNote）平台的海量用户评论分析。它能够自动处理原始评论数据，帮助用户从嘈杂的社媒反馈中提炼出有价值的用户洞察，包括产品痛点、口碑风向、内容讨论热点等，并支持生成针对性的回复建议，从而提升品牌与用户的互动效率和质量。
使用方式非常直接：用户只需提供需要分析的小红书评论数据（例如从SocialDataX社媒数据助手导出的数据集），或直接描述分析需求，AI便会执行分析任务。它可以进行情感倾向判断、高频关键词提取、问题归类、竞品对比等，并最终生成结构化的分析报告或具体的回复话术草稿。
该Skill非常适合需要深度理解用户、优化产品或内容策略的从业者，例如品牌营销人员、社媒运营、电商选品师、产品经理以及内容创作者。他们可以利用此工具快速把握市场脉搏，将零散的用户反馈转化为可执行的商业洞察。
建议用户在使用前尽可能准备结构化的评论数据（如CSV格式），并明确分析目标（如“分析某新品口碑”或“总结用户对包装的吐槽”），这样AI能提供更聚焦、更深入的分析结果。同时，生成的具体回复建议仍需人工审核和润色，以确保符合品牌调性。
核心特点
核心区别在于其深度聚焦于小红书这一特定平台的评论生态，分析逻辑和输出模板更贴合小红书用户的语言习惯和互动模式，而非通用的文本情感分析工具。同时，它直接对接SocialDataX的数据源，在数据理解和处理上更具针对性。
注意事项
不适合分析非文本类内容（如图片、视频）或小红书平台以外的社交媒体评论。
常见问题
这个Skill需要我自己有小红书评论数据吗？
是的，您需要提供待分析的评论数据，可以来自SocialDataX等数据平台导出，或手动整理。
它能自动回复小红书评论吗？
不能直接操作小红书账号进行回复，但可以基于分析结果，为您生成高质量的回复建议文案，供您参考和手动发布。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/小红书评论分析-socialdatax-评论回复/raw/index.md 读取 小红书评论分析 SocialDataX 评论回复 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/小红书评论分析-socialdatax-评论回复/raw/index.md（查看排版版本）