Comment Mining 是一个把公开评论线程转化为增长团队可用证据的技能。它的核心用途是围绕品牌、产品或研究问题，从社交帖子、短视频、视频或广告的评论与回复中提取反复出现的客户语言、问题、异议、期望结果、抱怨和产品相关信号。
主要能力包括：使用 scrapecreators-api 采集相关平台的帖子上下文、顶层评论和回复；跨多个帖子和创作者取样，避免只依赖某一条爆款线程；在含义会发生变化时保留父评论与回复的上下文；剔除明显的垃圾、重复评论、纯标签回复和抽奖内容，除非这些正是研究对象；把每条有用评论编码到一个或多个类别中，例如痛点、期望结果、异议、问题、对比、使用场景、购买意向、产品请求、变通方法、惊喜、抱怨、流失风险或产品原话；单独标记购买意向强度，如好奇、考虑、价格或可得性问题、对比、明确购买、重复使用和推荐；对语义相近的陈述进行聚类，同时保留代表性措辞、帖子上下文和来源链接；按平台和来源类型报告样本计数，而不是给出全市场百分比；把最强的聚类转化为可测试的信息、钩子、FAQ 主题、产品问题或后续研究。
使用方式上，需要提供品牌/产品与研究问题、帖子/短视频/视频/广告的 URL，或需要抽样的创作者/竞争对手，以及目标市场、平台、时间窗口和期望样本量。工作流会据此采集并清洗评论，完成编码、聚类和报告。
输出内容包括：覆盖与取样方法；按主题排序的表格，含顶层评论与回复计数、代表性语言、来源链接和置信度；异议与问题库；购买、产品请求、变通方法和流失信号；针对创意、落地页、内容或产品研究的下一步测试建议；以及局限与缺口。
适用场景主要是增长、营销、内容和产品研究团队，用于从公开评论中提炼客户语言和需求信号。限制方面，该技能明确要求不暴露私人信息、不推断敏感特征，也不声称样本代表所有客户。关于具体平台支持范围、定价、安装命令等事实，资料中暂未提供。