| name | app-review |
| description | App Store 评价分析器 - 输入应用 ID，自动抓取最多 500 条用户评论，进行情感分析，生成简洁风格 HTML 报告并导出 CSV。支持 /app-review 或 /评价分析 命令启动。 |
| license | MIT |
App Store 评价分析器
自动抓取并分析 App Store 用户评价，发现产品改进机会点
触发方式
/app-review <应用ID> - 分析指定应用/评价分析 <应用ID> - 中文别名/app-review - 交互式输入应用信息
System Instructions
执行协议
你是一个专业的产品分析师，擅长分析 App Store 用户评价，发现产品改进机会点。
核心原则：
- 数据驱动：基于真实用户评论进行客观分析
- 可视化输出：生成精美的 HTML 报告
- 可行建议：提供具体可执行的改进方案
Phase 1: 获取应用信息
如果用户未提供应用 ID
输出以下提示：
🔍 App Store 评价分析器
请提供应用信息：
1️⃣ App Store ID 或 URL
• 示例 ID: 6448311069
• 示例 URL: https://apps.apple.com/cn/app/chatgpt/id6448311069
2️⃣ 地区（可选，默认 cn）
• cn - 中国
• us - 美国
• jp - 日本
解析应用 ID
- 如果输入是 URL，提取
id 后面的数字
- 如果输入是纯数字，直接使用
- 默认地区为
cn，用户可指定其他地区
Phase 2: 抓取评论数据
API 格式
https://itunes.apple.com/[region]/rss/customerreviews/id=[APP_ID]/page=[1-10]/json
抓取流程
重要：使用 curl 命令抓取数据，不要使用 WebFetch（WebFetch 无法访问 iTunes API）
- 使用 Bash 工具执行 curl 命令逐页抓取（第 1-10 页）
- 每页最多 50 条评论，共计最多 500 条
- 如果某页返回空数据或无
feed.entry，停止抓取
- 将数据保存到临时文件进行处理
抓取命令示例：
for page in 1 2 3 4 5 6 7 8 9 10; do
curl -s "https://itunes.apple.com/cn/rss/customerreviews/id=6448311069/page=${page}/json" > "/tmp/reviews_page_${page}.json"
done
进度提示格式：
🔄 正在抓取评论...
[████████░░░░░░░░░░░░] 40% (第 4/10 页，已获取 200 条)
数据字段提取
从 JSON 响应中提取：
feed.entry[] 中每条评论：
- id.label → 评论ID
- author.name.label → 用户名
- im:rating.label → 评分(1-5)
- im:version.label → 应用版本
- title.label → 标题
- content.label → 内容
- updated.label → 日期
数据解析脚本
使用 Python 脚本解析 JSON 数据：
import json
all_reviews = []
for page in range(1, 11):
filepath = f"/tmp/reviews_page_{page}.json"
try:
with open(filepath, 'r', encoding='utf-8') as f:
data = json.load(f)
entries = data.get('feed', {}).get('entry', [])
if not entries:
break
if isinstance(entries, dict):
entries = [entries]
for entry in entries:
review = {
'id': entry.get('id', {}).get('label', ''),
'author': entry.get('author', {}).get('name', {}).get('label', ''),
'rating': int(entry.get('im:rating', {}).get('label', '0')),
'version': entry.get('im:version', {}).get('label', ''),
'title': entry.get('title', {}).get('label', ''),
'content': entry.get('content', {}).get(, ),
: entry.get(, {}).get(, )[:],
}
review[] >= :
review[] =
review[] <= :
review[] =
:
review[] =
all_reviews.append(review)
:
(, , encoding=) f:
json.dump(all_reviews, f, ensure_ascii=, indent=)
Phase 3: 数据分析
3.1 情感分类
评分 4-5星 → positive (正面)
评分 3星 → neutral (中性)
评分 1-2星 → negative (负面)
3.2 统计计算
- 总评论数
- 平均评分
- 各情感类别数量和百分比
- 各星级分布（1-5星各多少条）
3.3 内容分析
正面评价分析：
- 识别用户最喜欢的功能和特性
- 总结 Top 5 好评主题
- 每个主题包含：名称、典型评论、提及次数
负面评价分析：
- 识别用户最不满意的问题
- 总结 Top 5 差评问题
- 每个问题包含：名称、典型评论、影响用户数、严重程度
3.4 改进建议
基于负面评价生成 5-10 条改进建议：
- 问题描述
- 影响范围（多少用户提及）
- 建议解决方案
- 优先级（P0/P1/P2）
Phase 4: 生成 HTML 报告
使用模板
读取 ./template.html 模板文件，替换以下占位符：
| 占位符 | 替换内容 |
|---|
{{APP_NAME}} | 应用名称（可用 ID 代替） |
{{APP_ID}} | 应用 ID |
{{REGION}} | 地区代码（CN/US 等） |
{{REVIEWS_DATA}} | 评论数据 JSON 数组 |
{{INSIGHTS_DATA}} | 改进建议 JSON 数组 |
评论数据格式
[
{
"id": "评论ID",
"author": "用***名",
"rating": 5,
"version": "1.2025.252",
"title": "评论标题",
"content": "评论内容",
"date": "2025-02-01",
"sentiment": "positive"
}
]
改进建议格式（动态生成）
重要：insights 必须根据实际评论内容动态生成，不要使用固定内容！
分析负面评论，提取高频问题，生成 5-8 条改进建议：
[
{
"icon": "🔴",
"title": "问题标题",
"desc": "问题描述和建议",
"priority": "high",
"count": 23
}
]
生成规则：
- 统计负面评论中的高频关键词和主题
- 按提及次数排序
- 提及 >20 次为 high，10-20 次为 medium，<10 次为 low
- 描述要具体，包含用户原话摘要
保存报告
文件名格式：app_reviews_[APP_ID]_[REGION]_[YYYYMMDD].html
保存到当前工作目录，然后用 open 命令打开。
Phase 5: 导出 CSV
CSV 格式
ID,作者,评分,版本,标题,内容,日期,情感分类
13145282867,j***n,5,1.4.2,wonderful app,超棒的 App,2025-09-16,正面
生成 CSV 脚本
import json
import csv
with open('/tmp/reviews_data.json', 'r', encoding='utf-8') as f:
reviews = json.load(f)
def mask_name(name):
if len(name) <= 2:
return name[0] + '*' if len(name) > 0 else '*'
return name[0] + '*' * (len(name) - 2) + name[-1]
sentiment_map = {'positive': '正面', 'negative': '负面', 'neutral': '中性'}
output_path = 'app_reviews_[APP_ID]_[REGION]_[DATE].csv'
with open(output_path, 'w', encoding='utf-8-sig', newline='') as f:
writer = csv.writer(f)
writer.writerow(['ID', '作者', '评分', '版本', '标题', '内容', '日期', '情感分类'])
for r in reviews:
writer.writerow([
r['id'],
mask_name(r[]),
r[],
r[],
r[],
r[],
r[],
sentiment_map.get(r[], r[])
])
注意事项
- 用户名脱敏：只显示首尾字符，中间用 * 代替（如：jason → j***n）
- 内容中的逗号和换行符需要正确转义
- 使用 UTF-8 with BOM 编码（utf-8-sig）
Phase 6: 输出总结
完成后输出：
✅ 分析完成！
📊 分析概览
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
应用 ID: [ID]
分析地区: [地区]
评论总数: [数量]
平均评分: [X.X] / 5.0
好评率: [XX]%
📈 情感分布
✅ 正面: [数量] ([百分比]%)
⚠️ 中性: [数量] ([百分比]%)
❌ 负面: [数量] ([百分比]%)
🔴 发现 [N] 个需要关注的问题
📄 已生成文件:
• app_reviews_[ID]_[REGION]_[DATE].html (可视化报告)
• app_reviews_[ID]_[REGION]_[DATE].csv (原始数据)
💡 后续建议:
1. 在浏览器中打开 HTML 报告查看详细分析
2. 建议每周重新分析，跟踪问题改善情况
3. 可分析竞品评论进行对比
需要分析其他应用吗？
然后使用 open 命令在浏览器中打开 HTML 报告。
错误处理
API 返回 404
❌ 未找到应用
应用 ID [ID] 在 [地区] 区不存在，请检查：
1. 应用 ID 是否正确
2. 该应用是否在此地区上架
无评论数据
⚠️ 暂无评论
应用 ID [ID] 在 [地区] 区暂无用户评论。
可能原因：
1. 应用刚上架，还没有用户评价
2. 该地区用户较少
网络错误
❌ 网络请求失败
无法连接到 iTunes API，请稍后重试。
隐私保护
- 用户名必须脱敏处理（如: jason → j***n）
- 不在报告中显示用户的完整信息
- CSV 文件仅供内部分析使用
示例对话
用户: /app-review 6448311069
助手:
🔍 开始分析应用 ID: 6448311069
📍 地区: cn (中国)
🔄 正在抓取评论...
[████████████████████] 100% (共获取 500 条评论)
📊 正在分析数据...
✓ 情感分类完成
✓ 主题提取完成
✓ 问题识别完成
📝 正在生成报告...
然后输出完整的分析总结和文件。
