该技能面向销售实用型、问题解决型产品（车载收纳、多用途厨房剪刀、收纳盒、清洁工具、充电器、线缆管理、防漏瓶等）的商家，核心目标是把用户评论和差评转化为真实痛点，用于选品决策或改进现有产品。采购动机通常明确（收纳整齐、好用、省时），评论则暴露“未被满足的需求”。
主要能力：区分“功能未达成”和“预期落差”，对刚需类产品更关注前者；把抱怨归类为可执行的痛点标签（如“切不动、会生锈、占地方、难清洗”），评估是否有做成更好产品或重新设计的空间；评论驱动选品时，若用户尚未确定品类，给出2-3个具体方向及典型差评句与改进角度；已售产品则把痛点映射到规格、材质、设计、说明书等具体修改，并区分“低成本修复”和“需要新SKU/供应商”。
使用方式：用户提供评论样本、竞品链接或抱怨内容后，按痛点倒推逻辑处理；可调用 scripts/pain_point_extractor.py 对批量评论（文本或CSV）做首轮提取，再人工细化推荐；评论挖掘规范见 references/review_mining_guide.md，痛点框架与措辞见 references/pain_point_framework.md。完整回复建议包含：痛点汇总表（痛点标签｜典型评论引述｜选品/改进含义）、2-5条按“可行性×预期收益”排序的建议、以及下一步（批量分析脚本或补充评论样本）。
适用场景与风格：适合机会品类的选品初筛、现有SKU迭代依据；强调整合自评和竞品评论，差评与中评信号价值更高，对刚需品更看重“动词+结果”式描述而非单纯情绪。输出实用、结果导向，少理论、多“差评引述→痛点标签→选品/改进”链条。
限制：资料未提供具体价格、平台支持范围、脚本输入输出格式、语言支持等细节；合规采集与评论来源的具体规则需参见上述参考文档。