商品页面只显示一个评分和一份评论列表。对有变体的商品来说，这份列表由家族里的所有变体共用。
所以「这个商品差评很多」往往是一句不准确的话。 准确的说法是：「这个家族有差评，它们分布不均，说的也不是同一件事」。做两次拆分就能看清：按变体拆，按抱怨的内容拆。
取出中差评
评论接口可以按星级筛选，所以可以只请求值得细读的那些评论：
curl --request POST \
--url https://ecommercedataapi.com/v1/amazon/review \
--header "Content-Type: application/json" \
--header "X-API-Key: ${ECOMMERCE_DATA_API_KEY}" \
--data '{
"marketplace": "US",
"asin": "B08CK5Z5Q1",
"page": 1,
"stars": [1, 2, 3]
}'每条评论都带着 star、title、content、date 和 skus，其中 skus 是评论者购买的变体。有了这个字段，第一次拆分才做得了。
一份真实样本，拆两次
2026 年 10 月 12 日，我们取了美国站一个狗用饮水机家族的中差评。返回显示一到三星的评论共 388 条。我们读了最新的 20 条，这 20 条全部是实际购买评论。
第一次拆分：按变体。
购买的变体（skus） | 评论数 |
|---|---|
| 饮水机配标准滤芯套装 | 13 |
| 饮水机配更多滤芯的套装 | 4 |
| 替换水泵，作为同一个商品的变体出售 | 3 |
二十条里有三条说的根本不是饮水机。 它们说的是挂在同一个家族下的一个配件。这些评论会计入买家在饮水机页面上看到的评分，而扫一眼列表的人会把它们当成对主商品的抱怨。
第二次拆分：按抱怨的内容。 我们按每条评论的主要问题归类：
| 主题 | 评论数 | 1 星 | 2 星 | 3 星 |
|---|---|---|---|---|
| 用了几个月内坏掉或动力不足 | 12 | 9 | 3 | 0 |
| 宠物不肯用，或者设计不适合宠物 | 6 | 1 | 0 | 5 |
| 难以清洁 | 2 | 1 | 1 | 0 |
横着读每一行，两次拆分就开始互相解释了。
一星评论和三星评论描述的是不同的问题。 十一条一星评论里有九条说的是商品坏了。五条三星评论说的全是适配问题：狗被它吓到，或者碗的形状不适合大型犬。其中好几位评论者还说商品本身做工看起来不错。
这两类问题要用不同的办法应对。耐用性问题是产品和供应商的问题。适配问题往往是商品信息的问题：页面没有说明这个商品不适合谁。
多数故障是在几个月后才被反映的，不是几天内。 在写明时间的评论者里，多数说的是一到九个月之间。这已经过了常规的退货期，所以抱怨最后变成了一条评论，而不是一次退货。
五步做法
1. 只取中差评。 stars 传 [1, 2, 3]。靠读五星评论来找问题是浪费调用。
2. 先按 skus 分组。 一个字都没读之前，先数每个变体各有多少条评论。把其实是另一个商品的变体单独放一边：配件、替换装、组合装。
3. 给每条评论标一个主要主题。 主题列表要短，最多五六个。一条评论提到两个问题时，取评论者先说的那个。
4. 把主题和星级交叉。 集中在一星评论里的主题，是让买家生气的事。集中在三星评论里的主题，是让买家失望的事。两者很少相同。
5. 加上日期。 date 是毫秒时间戳。按月分组，看一个主题是不是在增多，或者是不是从某个时间点（比如换了一批货）之后才开始的。
手工做的话，标主题是最慢的一步。如果主题事先定好，并且明确告诉 AI Agent 把评论文字当作数据而不是指令，这也是它做得不错的一类工作。这种用法见给 AI Agent 用的电商数据 API。
从一堆评论到可以落地的结论，更完整的方法见亚马逊评论怎么分析。API 返回什么、官方 API 不返回什么，见用 API 获取亚马逊评论。
每种结果对应怎么做
| 你发现了什么 | 它指向什么 |
|---|---|
| 差评集中在某一个变体上 | 是那个尺码、颜色或批次的问题，不是整条产品线的问题 |
| 差评落在家族里的配件上 | 考虑它是否应该放在同一个商品下 |
| 某个主题在一星评论里占主导 | 最先要修的缺陷 |
| 另一个主题在三星评论里占主导 | 商品信息里应该事先说明的预期 |
| 故障在退货期之后才被反映 | 是保修和售后的问题，不只是质量问题 |
| 竞品上也有同样的主题 | 这类商品的共同弱点，也是可以做差异化的地方 |
最后一行是这件事变成选品研究的地方。对销量最好的两三个竞品做同样的拆分。品类里每个商品都有的抱怨，就是这个品类还没满足的需求。
这些数据不能告诉你什么
一个问题实际有多普遍。 评论是愿意写的人写的，而不满意的买家写得更多。二十条里有十二条说坏了，不代表百分之六十的商品会坏。
原因。 「不工作了」说的是症状。是哪个部件坏了，要看退回来的实物，不是看评论。
凭最新 20 条推断全部 388 条。 最新的评论显示的是现在大家在说什么，它们不是整个历史的样本。
一条评论是否公允。 有些评论描述的是使用不当。把它们当作反馈来读，不要当作结论。
三点实操说明
- 计划全量拉取之前先看
pages。 我们的测试里每页返回 20 条评论，388 条就是 20 页，而每次成功调用消耗一个计费单位。对多数问题来说，最新的几页就够了。 - 评论来源要分开。 Vine 评论和实际购买评论是不同的证据，原因见亚马逊评论的四种来源。
- 开始之前先了解这个家族。 查一下这个商品，读它的变体列表，这样配件出现在
skus里时你能认出来。家族结构见父 ASIN 和子 ASIN 的区别。
常见问题
能只取某一个变体的评论吗？
一个家族的评论是一起返回的。拿到之后按 skus 筛选。
要读多少条评论才够？ 读到主题不再变化为止。第一轮通常读 40 到 60 条中差评就能看出主要的几个主题。
三星评论算差评吗？ 单独读它们。上面的样本里，它们描述的问题和一星评论不一样。
能对竞品的商品这样做吗？ 可以。这个接口接受支持站点内的任意 ASIN。