Review Pain-Point Mining（竞品差评痛点挖掘）

1. 解决的问题

想进入"电动吸奶器"品类，但已有 Momcozy/Medela/Spectra 等强竞品

2. 核心算法逻辑

竞品的差评就是新品的机会——从竞品评论中自动提取「用户不满意什么」，这些未被满足的需求点就是你新品应该攻克的方向。Painsight 用无监督框架自动完成"情感分析 + 主题抽取 + 不满因子归因"，无需人工标注即可扩展到任何新品类。

3. 业务应用场景

业务问题： 想进入"电动吸奶器"品类，但已有 Momcozy/Medela/Spectra 等强竞品。与其凭感觉做"更好的吸奶器"，不如从竞品差评中精确找到"用户在骂什么"——然后针对性地做差异化产品。

数据要求： - Amazon US "electric breast pump" 品类下 Top 20 竞品 × 各 200+ 条评论 - Painsight 无监督运行，无需标注

预期产出： - 痛点雷达图（Top 5）： 1. 漏液/倒流（提及 23%，情感强度 0.85）→ 设计防倒流阀 2. 噪音大（提及 18%，情感强度 0.72）→ 静音电机 <40dB 3. 配件不兼容（提及 15%，情感强度 0.68）→ 兼容 Medela/Spectra 法兰 4. 清洗困难（提及 12%，情感强度 0.60）→ 全可拆卸+洗碗机安全 5. 吸力不足（提及 10%，情感强度 0.78）→ 医院级吸力 >300mmHg

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• ROI 预估：
• 产品成功率提升：30%→60%+（基于精准痛点定位）
• 单品差异化溢价：$500K→$800K+（解决真实痛点带来溢价空间）
• 年化 ROI：50-100 万元
• 实施难度：⭐⭐☆☆☆（2 星）— Painsight 无监督开源，无需标注数据，即装即用
• 优先级评分：⭐⭐⭐⭐⭐（5 星）— "数据驱动选品"从概念变为可执行工具

7. 代码模板

代码块数量：1 · 路径：未检测到

"""
Painsight — Review Pain-Point Mining Pipeline
基于 Painsight (WASSA@ACL 2023) 的简化实现

依赖: pip install transformers torch scikit-learn
模型: github.com/yukyunglee/Painsight
"""

import numpy as np
from collections import Counter
from typing import Dict, List, Tuple
from dataclasses import dataclass


@dataclass
class PainPoint:
    """痛点"""
    topic: str
    mention_ratio: float      # 提及占比
    sentiment_intensity: float # 情感强度 (0-1, 越高越负面)
    keywords: List[str]
    opportunity_score: float   # 机会评分 = mention × intensity


class PainSightMiner:
    """
    竞品差评痛点挖掘器
    
    生产环境使用 Painsight 的 BERT + LDA + Gradient Attribution 全管线
    当前为简化实现，用关键词匹配 + 情感词典模拟核心逻辑
    """
    
    # 母婴品类痛点关键词库（可扩展）
    PAIN_KEYWORDS = {
        "漏液/倒流": ["leak", "spill", "backflow", "milk waste", "drip", "leaking"],
        "噪音": ["noise", "loud", "quiet", "sound", "decibel", "hum", "buzz"],
        "配件兼容": ["compatible", "flange", "bottle", "adapter", "fit", "connector"],
        "清洗困难": ["clean", "wash", "sterilize", "dishwasher", "disassemble", "nook"],
        "吸力不足": ["suction", "weak", "pressure", "strength", "power", "hospital grade"],
        "电池续航": ["battery", "charge", "cordless", "portable", "last", "recharge"],
        "材质安全": ["BPA", "silicone", "plastic smell", "chemical", "toxic", "safe"],
        "佩戴不适": ["pain", "uncomfortable", "nipple", "sore", "fit", "size"],
    }
    
    def mine_pain_points(
        self, 
        reviews: List[Dict],
        category: str = "breast_pump",
    ) -> List[PainPoint]:
        """
        从竞品评论中挖掘痛点
        
        Args:
            reviews: [{text, rating, product_name, ...}, ...]
            category: 产品品类
        
        Returns:
            痛点列表，按机会评分降序
        """
        # 1. 筛选负面评论（rating <= 3 或 文本情感负面）

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。