周末做一个小工具，最容易出现的场景是这样的：你被某件事折磨过，于是让 AI 连夜写出第一版。页面能打开，按钮也能点。发给几个朋友，他们的第一反应却是：这个问题，原来的工具不是已经能做了吗？
这时候再去看竞品评论区，往往会看到另一幅画面。用户并不一定讨厌那个工具，他们只是反复卡在一个很小的地方：订阅后才发现导出受限，换设备后资料没了，某个动作要多点三次，或者更新后原来的流程断掉了。
公开评论很适合拿来找这些摩擦。它不适合直接替你宣布“市场需要一个新产品”。中间还差一张表。
我现在更愿意把 AI 放在这张表的后面：先把评论变成能回看的问题证据，再让它归类、找重复和提出下一步要核对的假设。这样做慢不了多少，却能少掉很多“模型总结得很有道理，原话根本不是那个意思”的返工。
评论不是功能投票箱
一条一星评论可能写着“太难用了”。这句话几乎没有用。它没有告诉你用户是谁，在哪一步卡住，和上一版有没有关系，更没有告诉你换一个新产品他会不会付钱。
反过来，一条四星评论也可能很值钱。比如有人说：“日常记录够用，但每次准备周报时都得把数据重新抄进表格。”它不一定是愤怒的差评，却交代了使用频率、具体任务和现有替代方案。这个比“希望增加更多功能”更接近能研究的问题。
Apple 的开发者说明把评分和书面评论放在产品页的具体地区与版本语境里；Google Play 的开发者帮助也允许按日期、语言、评分、版本和设备查看评论。Apple 和 Google Play 的这些规则提醒了一件很朴素的事：评论从来不是一堆脱离上下文的句子。
所以别把几百条文本整段贴进对话框，然后问 AI：“帮我找用户痛点。”它大概率会给你一份漂亮的主题清单，但你很难知道每个主题来自哪里，是否只是同一位用户的情绪，还是某个旧版本的遗留问题。
先做四列，再开模型
不用一开始就抓很多数据。找一个你真正想研究的工具，手动选 20 到 30 条公开可见的评论就够了。优先保留能说清场景的评论，删除昵称、头像、订单信息和任何没必要交给模型的个人资料。
每条评论先落到四列：
| 列 | 你要记什么 | 为什么不能省 |
|---|---|---|
| 原话与链接 | 原文、公开页面链接、日期 | AI 的概括跑偏时，能回去核对。 |
| 使用场景 | 用户当时想完成什么任务 | 同一句抱怨，在不同任务里是不同问题。 |
| 具体摩擦 | 卡在哪一步、用了什么替代办法 | 防止把情绪词误当功能需求。 |
| 反证与待问 | 有没有相反评价、是否可能是旧版本或误用 | 防止少数抱怨被包装成普遍结论。 |
这张表不需要做得像研究报告。它的目标只有一个：让每一条“发现”都能倒着找到原始评论。
一个小例子：别把“想要导出”听成同一个需求
假设你在研究一个习惯追踪 App。AI 从评论里抓到“导出”出现了很多次，很容易建议你做一个“更强大的导出功能”。这一步太快了。
把原话放回表里，可能会发现至少有三种完全不同的情况：
- 有人月底要报销或交作业，需要一份能发给别人的 PDF。
- 有人习惯在自己的表格里继续算数据，只想要 CSV。
- 还有人只是担心换手机后记录丢失；他说“导出”，真正需要的是备份或迁移。
如果只看关键词，这三类都会被压成“用户想导出”。如果先看场景，下一步就清楚得多：PDF 是分享和呈现问题，CSV 是继续处理问题，迁移是数据控制感问题。它们未必应该由同一个功能解决。
这正是 AI 有用的地方。不是让它替你拍板做什么，而是让它把证据表里的描述先按场景拆开，并标记模糊项。你再挑每一类的两三条原话回看，确认它没有把自己的语言塞回用户嘴里。
让 AI 做“整理员”，别做“裁判”
表格准备好后，可以这样问：
下面是一组公开评论的证据表。
请不要直接给产品建议，也不要估计市场规模。
先按“用户要完成的任务”和“具体摩擦”把评论归类。
对每一类输出：
1. 类别名称（不用营销词）
2. 支持它的评论编号
3. 共同场景
4. 彼此冲突或信息不足的地方
5. 下一步最值得人工核对的问题
如果一类只有一条评论，请明确标为个案，不要写成普遍需求。这里有两个限制很重要。
第一，要求它带上评论编号。没有编号的总结再顺，也很难复核。第二，明确禁止它先给功能方案。模型一旦跳到“你应该做一个……”就会自动补全很多没有证据的用户动机；先把问题定义稳，后面的方案才有意义。
最后只做三个动作
完成第一轮归类后，不要把表格当结论，做三个很小的检查：
- 抽样回看。 每个高频类别至少回看两条原话，检查 AI 有没有改写掉关键条件。
- 找反例。 专门找一两条相反评价。它可能说明问题只发生在旧版本、特定设备，或者只是某种使用习惯。
- 补一个外部证据。 看更新记录、帮助文档、价格页或产品公开回应，确认这是不是已经被解决的旧问题。
到这一步，你得到的不是“需求已验证”，而是一张下一步值得继续问的清单。若真要做产品，可以拿它去找几位符合场景的人聊一次；若只是写内容，也能把观点落在真实摩擦上，而不是凭空替用户设想痛点。
还有两条边界值得留住：不要把公开吐槽者当成可随便联系的线索，更不要用评论去推断对方身份、付费能力或联系方式；也别绕开平台规则批量抓取。公开能看到，不等于可以任意收集和使用。
竞品评论不是免费的产品需求书。它更像一叠带着噪声的现场记录。先把出处、场景、摩擦和反证放在一起，AI 才能帮你把它们理顺；最后该不该做、为谁做，还是得回到人和真实任务上。