<blockquote><p>在短视频内容创作的浪潮中，一种新颖的小丑自嘲文案风格迅速走红，仅用3天就实现了500万播放量。文章《3天500万播放量，小丑自嘲文案火了！（附详细教程）》深入解析了这一现象背后的创作秘诀，并提供了一套详细的制作教程。通过结合经典小丑形象和触动人心的文案，这种内容形式不仅吸引了观众的注意，也激发了广泛的共鸣。本文将引导你了解如何利用AI工具和创意提示词，制作出同样引人入胜的短视频，为你的内容创作之路提供新思路。</p> </blockquote>  文章目录 1. 拆解案例展示 2. 制作工具介绍 3. 先模仿：生成竞品 4. 再超越：自己创作（附赠提示词）1拆解案例大家最近有没有刷到这样的短视频：  也不知道哪个鬼才想出来的，将小丑IP与扎心的自嘲文案结合，这想不火都难啊！毕竟小丑这个角色，太深入人心了，尤其是癫狂跳舞这一段，再配上经典的BGM，早已成就影史经典符号！ ![]() 这个赛道刚火起来不久，现在赶紧加入，还能得到流量的眷顾。最起码我目前在抖音上是搜到了一些账号在发布这类短视频，公众号上面，目前还没怎么看到。我们今天就来详细拆解，这种视频是怎样制作的！还是老规矩，想要学习的小伙伴，先准备一下工具。 1. 提示词反推工具：豆包  2. 图片制作工具：即梦AI  3. 短视频制作工具：可灵AI  4. 视频剪辑工具：剪映 3先 模仿：生成竞品step1：反推提示词截取视频中的图片，然后丢给豆包：（记得打开深度思考哦~） 我们得到这样一段提示词 一个绿发、妆容夸张的小丑身着棕色西装，嘴叼香烟，立于雨夜城市街头，脚下散落多个啤酒瓶。背景是石墙，上方广告牌醒目显示文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。昏暗路灯洒下微光，地面潮湿反光，营造出压抑却蕴含力量的氛围，整体色调偏暗，突显雨夜街头的孤寂与坚韧感。step2：文生图打开我们的即梦AI，把提示词丢进去：  然后，得到了以下的结果： 整体感觉还好，就是文案部分，感觉读起来有点吃力！我们来把提示词，庖丁解牛地分析一下，看看怎么优化一下：一个绿发、妆容夸张的小丑身着棕色西装，嘴叼香烟，立于雨夜城市街头，脚下散落多个啤酒瓶。背景是石墙，上方广告牌醒目显示文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。昏暗路灯洒下微光，地面潮湿反光，营造出压抑却蕴含力量的氛围，整体色调偏暗，突显雨夜街头的孤寂与坚韧感。 （1）风格昏暗路灯洒下微光，地面潮湿反光，营造出压抑却蕴含力量的氛围，整体色调偏暗，突显雨夜街头的孤寂与坚韧感。 （2）主体一个绿发、妆容夸张的小丑身着棕色西装，嘴叼香烟。 （3）场景立于雨夜城市街头，脚下散落多个啤酒瓶，背景是石墙。 （4）文案上方广告牌醒目显示文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。我们刚才也看到生成的图片了，除了文案看起来有点吃力之外，其他的还好。 我们可以参考竞品的图片，把文案部分调整一下： 上方有一个黄色的广告牌，上面醒目显示着黑色的文字 “路是自己选的，怪不了任何人，生活没有输赢，只有值不值得，你可以在夜里崩溃，天一亮继续努力，好好生活”。我们把修正过的提示词，丢给即梦，再试一下：  我们来看结果： 这感觉就好多了，如果你还是嫌文案看起来有点吃力的话，那么可以再花一个积分，将图片搞成超清的：  大家自己看，这是不是就很OK了~  step3. 图生视频用即梦也可以图生视频，但效果没有可灵好，我们直接用可灵给大家演示一下：打开可灵AI（我用的是国际版的，可以白嫖积分的那种，白嫖攻略，文末课程当中整理的有，有需要的，可以自行查看）  然后输出生成短视频的提示词：男人抽着烟，低头踱步  我们来看一下，生成的效果：是不是感觉还可以，再配上BGM，那感觉就来了，我们继续。 step4. 短视频剪辑我们打开剪映，其实小丑文案的精髓，有两部分： 1. BGM也就是《that girl》那种歌，音乐一想，就总能想起，小丑在台阶上跳疯癫舞蹈的画面。  这个很好找，直接添加一下就行。 2. 笑声小丑的笑声，那绝对是这个IP的精髓。  但小丑的笑声，在音效库里面，就没找到合适的了，这个时候咋办？再教给大家一种方法，贼简单好用，总共分三步： （1）去抖音搜索关键字“小丑笑声癫狂”  （2）找一个可下载的短视频，将其保存到本地  （3）打开剪映，点击“音频提取”，这样我们就可以获取到既有《that girl》又有小丑笑声的BGM啦！  将这个BGM加到我们自己的短视频当中，我们来看一下最终的成果：（我换了一个场景，我觉得这个更有感觉，哈哈哈） 4再超越：自己创作之前教过大家，要对提示词进行分析，哪些是可以改动的，自己根据实际情况调整，就可以产出无数种可能。这里，再送大家三个非常哇塞的提示词，给大家提供灵感： ### 提示词 一个穿着棕色西装的小丑躺在路上天空下着小雨，两边路灯嘴里叼着烟凌乱的啤酒瓶看着路上的广告牌“不愧疚吗？在我最信任你的时候拿我当傻子耍了又耍”画面伤感一点  ### 提示词 蝙蝠侠里面的小丑人物形象，站在欧式风格的街道上，站在雨中，密集的雨滴洒落到小丑身上，滑落到地面，溅起水花  小丑抽着烟，头顶上是一个巨大广告牌，广告牌上写着  从眼里流下谢谢两个字 尽管叫我疯子 不准叫我傻子。 ### 提示词 ###  在一个雨夜下，路边的石墙上醒目的大广告牌，广告牌正面展示：“ 未经他人苦，莫劝他人善。 ”，一个孤独的菲尼克斯版小丑站在广告牌下，仰着头抽着烟闭着眼，脚边散落着几瓶啤酒，广告牌正面展示。 本文由人人都是产品经理作者【晓庄同学】，微信公众号：【晓庄AI创业笔记】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

烘焙赛道的 “轮替周期” 短暂，这次，海底捞能成吗？

<blockquote><p>在数字营销时代，用户购后评论数据蕴含着巨大的商业价值。本文通过实操案例，展示了从数据收集、标签体系构建到洞察提炼的全过程，深入探讨了如何利用人工智能（AI）技术对这些数据进行深度分析，以洞察用户的真实需求和市场趋势。</p> </blockquote>  从海量用户评价中剖析出市场需求，无异于沙里淘金。 一方面在于用户评价很多时候是不痛不痒的「中评」，看不出来顾客到底想表达什么？ 另一方面在于「海量」，评价太多了，根本看不完，如果用传统的python等工具分析，工作量又非常大。 更不用说： 1. “标准统一吗？”——主观判断的困扰： 不同的人对同一条评论的理解可能千差万别。今天A同学打的标签，明天B同学可能就不认同。这种“尺子”不统一的问题，导致分析结果的准确性和可信度大打折扣。 2. “挖得深吗？”——表面现象的迷雾： 传统的关键词统计或许能告诉你用户在讨论什么，但很难揭示这些讨论背后的深层原因、情感倾向以及不同用户群体的差异化需求。我们往往只能停留在“用户提到了XX”的层面，难以形成真正驱动决策的洞察。 幸好，AI来了。 但即使在AI时代，很多人做用户评论分析的方法就是直接把采集到的用户评论一股脑扔进AI里，让AI自己去分析得出结论。基本上这样的结论，要么是数据幻觉严重，要么是时好时坏，跟买彩票一样。 那么，如果你想稳定得到有效的用户评论洞察分析报告，就需要有一套方法框架，然后在这个基础上搭建一个AI工作流。今天我们就来做这样的实践。 下图就是此次实操做的用户购后评论AI洞察报告： 它不仅能做正确的数据统计，还能实现评论打标后的频次与交叉分析，最终得出关键洞察与行动建议。 （此次分析是基于业务场景来做的，报告结果也得到了业务的认可，具体可见文末。）  在正式开始之前，我们做分析还是要带入真实的业务场景。 假设我们是卖下面这块自动理毛器的。  产品地址：https://www.amazon.com/PawSwing-AutoComb-Automatic-Surround-biomimetic/dp/B0DMSVNTC1/ref=cm_cr_arp_d_product_top?ie=UTF8 可以看到，亚马逊上的评论内容都很丰富，很适合拿来做评论洞察分析。 用户购后评论 ## 洞察分析方法论 在做任何分析之前，必须有「章法」也就是方法论、理论框架。 以下就是我们做用户购后评论洞察分析的方法论，图片是总结。  往下，可以看到这个方法论是怎么把一大块一大块的用户评论，逐渐拆解成多个标签，然后再基于标签做交叉洞察分析，得出我们想要的业务建议的。 ### 核心目标 通过深度分析用户购买后留下的真实评论，洞察用户在实际使用中的满意点、痛点、未被满足的需求以及潜在期望，从而指导目标人群画像优化、产品迭代/创新及精准内容营销。 ### 分析框架 基于产品的4大用户价值层级： 1. 人群 + 场景 (Crowd + Scenario): 用户是谁？他们的猫是什么样的？他们在什么情况下使用/期望使用这款猫咪自助理毛器？ 2. 功能价值 (Functional Value): 这款自助理毛器解决了用户的什么核心问题（如减少猫毛、猫咪自娱自乐）？各项宣称功能（如模仿猫舌、收集猫毛、智能喂食器）表现如何？ 3. 保障价值 (Assurance Value): 产品的材质质量、耐用性、安全性（对猫友好）、品牌服务（如说明书、配件）如何？ 4. 体验价值 (Experience Value): 用户（和猫）在安装、引导、日常使用、清洁过程中的整体感受如何？（便捷性、猫咪接受度、产品设计美观度、噪音等） ## 落地步骤 ### 阶段一：准备与规划 **Step 0: 明确分析目标与范围** 目标：本次分析是为了优化AutoComb自助理毛器的用户体验，并为下一代产品寻找创新点，同时提炼更精准的营销沟通信息。 产品范围：明确分析亚马逊上 “AutoComb Automatic Cat Self Groomer, 360° Surround Self Grooming For Cats…” (白色款) 的评论。 时间范围：选取产品上市以来至近一个月的所有评论。 平台范围：亚马逊美国站。 ### 阶段二：数据收集与处理 **Step 1：购后评论数据收集** 渠道：从亚马逊该产品页面的“Customer reviews”模块获取数据。 工具：可使用亚马逊后台评论导出、第三方评论分析工具或浏览器插件。 内容：收集评论文本、星级评分、Verified Purchase标识、评论图片/视频、评论日期、用户名（用于识别是否多猫家庭的线索）等。 **Step 2：构建分析标签体系核心原则** 围绕4大用户价值层级，结合AutoComb产品特性，设计细化标签。 标签示例 (以AutoComb为例)： 1）人群+场景： - 养猫人群特征：长毛猫主、多猫家庭、猫咪体型(大/小)、猫咪性格(胆小/好奇)、猫咪年龄(幼猫/成年猫/老年猫)、猫主人经验(新手/老手)、对猫毛困扰程度(高/中/低)。 - 使用场景/期望：减少家中浮毛、猫咪自娱自乐、替代人工梳毛、猫咪躲避空间/小窝、猫咪行为训练(结合零食机)、作为猫咖/救助站用品。 2）功能价值： - 核心理毛功能：理毛效果(去浮毛量)、模仿猫舌设计感受、自清洁刷毛、360°环绕理毛。 - 智能喂食功能：零食机引诱效果、零食机易用性、零食机充电/续航、零食机记录功能(QR码)。 - 猫毛收集功能：猫毛收集便利性、猫毛毡化元素(趣味性)。 - 适应性：适应不同体型猫咪、入口大小调节。 - 供电方式：无需电力(理毛部分)。 3）保障价值： - 产品材质/质量：材料质感(如毛毡、塑料)、结构稳固性、耐用性(如按扣、刷毛)、配件质量(如充电线)、产品有无异味。 - 品牌服务/支持：安装说明清晰度(如超大说明书)、配件提供(如额外刷头)、客服响应。 - 猫咪安全性：材质对猫安全、无锐利边角、刷毛温和度。 4）体验价值： - 安装体验：安装便捷度(如按扣设计)、是否需要工具、安装耗时。 - 猫咪接受度/使用体验：猫咪初次反应、猫咪适应过程/时长、猫咪是否喜欢/主动使用、猫咪在内部停留时长/行为(睡觉/观察)、猫咪是否会玩耍/互动。 - 主人操作体验：入口大小调节便捷性、零食机操作便捷性、清洁便利性(特别是底部)、产品移动便携性(重量vs便携)。 - 感官体验：产品外观设计、产品体积/占空间、运行噪音(若有)、零食机屏幕可读性。 - 价格感知：性价比、价格是否过高。 - 情感价值：是否减轻主人负担、是否增进人宠互动(反向，如评论中提到的“disconnects you from bonding time”)、趣味性(如猫毛毡化)、推荐意愿。 情感倾向标签：为每个细分标签点再打上正面、负面、中性/建议的情感倾向。 **Step 3：评论逐条打标与归因方法** 可以借助飞书多维表格的「快捷指令」来完成。 示例评论： <blockquote><p>“Great quality and works well to help groom my very long haired Siberian cat. He’s quite big and he still has no issues making himself comfortable in it. It’s also his hidy-hole… He loves getting treats in it as well… this does help with the amount of cat hair that we usually have to clean up.”</p></blockquote> 打标： - 保障价值 -&gt; 产品材质/质量 -&gt; 正面 - 功能价值 -&gt; 理毛效果(去浮毛量) -&gt; 正面 - 人群+场景 -&gt; 长毛猫主 -&gt; 中性 - 人群+场景 -&gt; 猫咪体型(大) -&gt; 中性 - 体验价值 -&gt; 猫咪接受度/使用体验(舒适/藏身处) -&gt; 正面 - 功能价值 -&gt; 智能喂食功能(零食机引诱效果) -&gt; 正面 ### 阶段三：数据分析与洞察提炼 **Step 4：数据量化与统计分析** 频次统计：统计“安装便捷度(正面)”提及20次，“安装便捷度(负面，如按扣难扣)”提及5次。 交叉分析： - 人群 x 需求点：分析多猫家庭评论中，对零食机引诱效果的评价是正面居多还是负面居多。 - 场景 x 需求点：分析期望减少家中浮毛的用户，对理毛效果的满意度如何。 - 痛点与亮点：“猫咪适应过程(需要耐心引导)”可能是常见中性/建议点，“零食机引诱”是亮点，“价格过高”是常见痛点。 趋势分析 (可选)：分析早期评论和近期评论中，对“安装便捷性”的反馈是否有变化（可能与产品批次或说明书更新有关）。 **Step 5：洞察提炼与解读** 围绕4大价值层级进行总结： - 人群+场景洞察：购后评论显示，产品对长毛猫和多猫家庭有一定吸引力，但猫咪性格(胆小)是接受产品的一大挑战。部分用户将其视为猫咪的私密空间而非纯粹的理毛工具。 - 功能价值洞察：零食机引诱功能被普遍认为是引导猫咪使用的有效手段。理毛效果方面，用户反馈不一，部分认为有帮助减少浮毛，但不能完全替代人工刷毛。入口大小调节功能受到好评。 - 保障价值洞察：用户对产品使用的材料质感（如毛毡的稳固性）评价不一，部分认为“well built”，部分认为“flimsy”。安装说明清晰度有提及，但按扣的安装体验是负面反馈点之一。 - 体验价值洞察：安装过程（特别是按扣）是一些用户的痛点。猫咪适应过程需要主人耐心和正确引导，遵循说明书很重要。产品体积较大、底部不易清洁是体验上的不足。价格感知普遍偏高。 识别关键问题与机会： - 核心痛点：猫咪接受度与训练成本、部分组件安装困难、底部清洁不便、性价比感知。 - 独特优势：零食引诱与理毛结合的创新概念、猫咪的“私密小窝”属性。 - 未满足需求：更简易的安装方式、更易清洁的底座材质、针对不同性格猫咪的更细化引导方案、更具竞争力的价格。 ### 阶段四：洞察应用与行动 **Step 6：将洞察应用于业务决策** 1）目标人群画像 优化/生成： 输入：Step 5中用户常说的“hidy-hole”、“treat dispenser is key”、“takes time to acclimate”、“helps with cat hair”、“hilarious cat hair felting”。 输出： - 优化画像：更强调“愿意投入时间训练猫咪的爱猫人士”，而非“追求一劳永逸的懒人猫主”。 - 细分画像：“科技养宠尝鲜者”，他们对新奇产品感兴趣，愿意为“智能化”、“自动化”付费，但对实际效果和易用性有较高期待。 - 画像描述应包含：养宠情况（猫品种、数量、性格），养宠痛点（猫毛、猫咪独自在家的娱乐），对新产品的态度，对价格的敏感度，以及对产品功能、体验的期望（如易于引导猫咪使用、真实有效的理毛效果）。 2）产品开发： 老品优化： 输入： Step 5中关于“按扣安装困难”、“底部毛毡不易清洁”、“零食机屏幕难读”、“部分猫咪对刷头不适或理毛效果不佳”的反馈。 输出： - 功能价值：研究更有效的刷毛材质和结构，优化入口调节机制以适应更多猫咪。 - 保障价值：改进按扣设计或采用其他更稳固便捷的连接方式，考虑使用更耐用的毛毡或提供可更换的毛毡部件。 - 体验价值：底座改为可拆卸清洗的防水材质，增大零食机屏幕或优化显示，提供更详细的猫咪引导视频教程。 新品机会挖掘： 输入：用户对“更低价格但保留核心引诱和轻度理毛功能”的潜在需求，或对“模块化设计，可单独购买喂食模块或理毛模块”的兴趣。 输出： 概念1: “AutoComb Lite”，简化版，专注于零食引诱和基础理毛，价格更亲民。 概念2: “智能猫咪互动站”，强化娱乐和喂食功能，理毛作为辅助，增加App互动和远程控制。 3）内容营销： 输入：Step 5中关于“长毛猫主”、“多猫家庭主人”、“对猫咪行为训练有耐心的主人”的洞察，以及他们对“减少浮毛”、“猫咪娱乐与奖励”、“产品耐用性”的关注。 输出： - 卖点提炼与沟通：强调“零食引诱，让猫咪爱上梳毛”、“不仅是理毛器，更是猫咪的私享空间”、“有效减少家中飞毛”。 - 痛点共鸣与解决方案呈现：制作“如何快速让猫咪适应AutoComb”的教程视频/图文，强调遵循说明书的重要性。针对“价格高”的顾虑，可以突出其多功能性（理毛+喂食+娱乐+猫窝）和长期使用的价值。 - 场景化内容：“长毛猫换毛季的救星：AutoComb实测”、“多猫家庭和谐养宠，从共享AutoComb开始”。 - 用户证言收集：筛选那些成功引导猫咪使用并看到效果的正面评价，特别是包含猫咪可爱使用视频/图片的评论。 - FAQ与客服脚本优化：针对“安装困难”、“猫不进去怎么办”、“清洁问题”等高频疑问，提供标准答案和解决方案。 关键考量 - 样本量：确保分析的评论数量足够代表整体用户，避免因样本过小导致结论偏差。 - 评论时效性：优先分析较新的评论，更能反映当前用户的心声。 - 去伪存真：注意识别和过滤无效评论、恶意差评或刷好评。 - 动态迭代：用户需求和市场环境是变化的，购后评论洞察应定期进行，标签体系和分析重点也可能需要随之调整。 - 结合其他数据：将评论洞察与其他数据（如销售数据、客服反馈、调研数据、行业报告）结合，进行多维度验证，使结论更可靠。 ## AI评论分析实践 OK，看了理论之后，我们就对用户评论洞察有了概念，但如果让你直接上手去做，就会发现有很多卡点。不着急，我们来逐个解决。 （这里跳过数据采集部分，可以参考上一期我介绍的AI爬虫，也可以用RPA去采集。） ### 从问题说起 做用户评论的关键在于给评论打多个不同维度的标签，也称为「打标」，具体执行上，我们可以把评论逐个发给AI，让AI返回打标结果给我们。 但问题来了。 每次发评论给ai都是独立的，也就是说ai每次打标签的标准是不统一的，包括标签的名字也不一样，这个怎么解决？ 理论上说，应该先设计一套标签体系，再让ai在这个标签范围内去挑选打标签，但每次产品都不同，或者情况都不同，怎么才能快速用ai建立好标签体系呢？而且还是一个符合业务落地的标签体系。 这里就特别需要AI的能力： 先把一部分评论扔给AI（如果量少的话直接全部扔进去都行，需要长上下文的王者支持，例如Gemini、KIMI等），然后再人工调整。 ### 生成标签体系 下面是我这次用到的提示词，有几个关键地方： 1. 理论学习，要把我们的理论框架扔给AI，它才能跟我们同频 2. 标签设计原则，标签不是随便打的，至少要符合MECE原则 3. 输出示例与结果格式，最终我们得到的标签体系是要扔给AI继续做下一步的，所以最好拿到JSON的格式 <blockquote><p># AI提示词：构建用户评论分析标签体系</p> <p>## 您的任务：<br/> 您是一位经验丰富的产品分析专家和自然语言处理专家。您的任务是基于我提供的一批用户购后评论文本，为该产品构建一个结构化的、多层级的分析标签体系。这个标签体系将用于后续对每条评论进行细致的分类和打标，以便深入洞察用户需求和反馈。</p> <p>## 核心理论知识（请先学习并理解）</p> <p>1. 用户价值层级模型： 我们将从用户的角度出发，将他们对产品的关注点和评价归纳到以下四个核心价值层级。您的标签设计需要围绕这些层级展开：<br/> * 人群与场景 (Crowd &amp; Scenario): 描述的是“谁”在“什么情况下”使用或提及产品。这包括用户的身份特征、所处环境、使用产品的具体情境或期望达成的目标。<br/> * 功能价值 (FunctionalValue): 指产品为了解决用户的核心问题所提供的具体功能、性能表现以及操作特性。<br/> * 保障价值 (AssuranceValue): 涉及产品的质量、耐用性、安全性、可靠性，以及品牌提供的售前、售中、售后服务和支持。<br/> * 体验价值 (ExperienceValue): 涵盖用户在与产品交互的整个生命周期中的主观感受，包括感官体验（外观、声音、气味等）、操作便捷性、情感连接等。</p> <p>2. 标签设计原则：<br/> * 层级性： 标签体系应具有清晰的层级结构（一级标签、二级标签、三级标签）。<br/> * 覆盖性： 能够尽可能全面地覆盖评论中用户提及的主要议题。<br/> * 互斥性（理想状态）： 同一级下的标签应尽可能互斥，避免语义重叠过多。<br/> * 简洁性： 每个标签的名称应简洁明了，尽量不超过5个汉字。<br/> * 客观性： 标签本身不应包含情感倾向（如“效果好”、“质量差”），仅客观描述讨论的主题（如“清洁效果”、“产品材质”）。情感分析将在后续打标步骤中独立进行。<br/> * 可扩展性： 体系应具备一定的灵活性，方便未来根据新的评论内容进行补充和调整。</p> <p>标签体系层级结构定义：</p> <p>* 一级标签 (Level1Tag): 必须是以下四个固定维度之一：<br/> 1.`人群场景`<br/> 2.`功能价值`<br/> 3.`保障价值`<br/> 4.`体验价值`</p> <p>* 二级标签 (Level2Tag): 是对一级标签的进一步细分，代表了该价值层级下的主要关注领域。<br/> * 示例（针对一款“猫咪自助理毛器”产品，仅作启发，您需要根据提供的实际评论生成）：<br/> * 一级标签：`人群场景`<br/> * 二级标签：`养宠特征` (如猫品种、数量、年龄、性格)<br/> * 二级标签：`使用期望` (如减少浮毛、猫咪娱乐)<br/> * 一级标签：`功能价值`<br/> * 二级标签：`理毛功能` (如理毛效果、刷毛设计)<br/> * 二级标签：`喂食功能` (如零食引诱、机器操作)<br/> * 二级标签：`猫毛收集`<br/> * 一级标签：`保障价值`<br/> * 二级标签：`产品质量` (如材质、耐用性)<br/> * 二级标签：`品牌支持` (如安装说明、配件)<br/> * 二级标签：`猫咪安全`<br/> * 一级标签：`体验价值`<br/> * 二级标签：`安装体验`<br/> * 二级标签：`猫咪反应` (如接受度、使用行为)<br/> * 二级标签：`主人操作` (如清洁、调节)<br/> * 二级标签：`感官感受` (如外观、体积、噪音)<br/> * 二级标签：`价格感知`</p> <p>* 三级标签 (Level3Tag): 是对二级标签的具体化，代表了用户评论中实际讨论到的、更细致的主题点。这是您需要根据提供的评论文本重点设计的部分。<br/> * 示例（续上例，针对“猫咪自助理毛器”）：<br/> * 一级标签：`功能价值`<br/> * 二级标签：`理毛功能`<br/> * 三级标签：`理毛效果`<br/> * 三级标签：`刷毛材质`<br/> * 三级标签：`入口调节`<br/> * 二级标签：`喂食功能`<br/> * 三级标签：`零食引诱`<br/> * 三级标签：`喂食机操作`<br/> * 三级标签：`喂食机续航`<br/> * 一级标签：`体验价值`<br/> * 二级标签：`安装体验`<br/> * 三级标签：`安装便捷`<br/> * 三级标签：`安装耗时`<br/> * 三级标签：`按扣设计`<br/> * 二级标签：`猫咪反应`<br/> * 三级标签：`猫咪喜欢`<br/> * 三级标签：`猫咪害怕`<br/> * 三级标签：`适应过程`</p> <p>您的具体操作指令：</p> <p>1. 仔细阅读并分析我稍后提供的一批用户购后评论文本。<br/> 2. 基于上述理论知识、层级结构定义和设计原则，为这批评论所讨论的产品生成一个三级标签体系。<br/> 3. 一级标签和二级标签的类别和名称，您可以参考我给出的示例进行扩展或调整，使其更贴合实际评论内容，但一级标签必须是固定的四个维度。<br/> 4. 三级标签是您创造性的核心，需要您从评论中提炼用户实际讨论的具体议题点，并用简洁的词语命名。<br/> 5. 确保每个三级标签都归属于一个明确的二级标签和一级标签。<br/> 6. 输出格式要求：请以结构化的JSON格式输出您设计的标签体系。 这样便于我直接将其用于后续的AI打标任务。格式如下：</p> <p>“`json<br/> [<br/> {<br/> “level_1_tag”: “人群场景”,<br/> “level_2_tags”: [<br/> {<br/> “level_2_tag_name”: “养宠特征”, // (示例二级标签，请您根据文本生成)<br/> “level_3_tags”: [<br/> “猫咪品种”, // (示例三级标签，请您根据文本生成)<br/> “猫咪数量”,<br/> “猫咪年龄”<br/> ]<br/> },<br/> {<br/> “level_2_tag_name”: “使用期望”, // (示例二级标签)<br/> “level_3_tags”: [<br/> “减少浮毛”,<br/> “猫咪娱乐”,<br/> “替代人工”<br/> ]<br/> }<br/> // … 更多该一级标签下的二级标签及其三级标签<br/> ]<br/> },<br/> {<br/> “level_1_tag”: “功能价值”,<br/> “level_2_tags”: [<br/> {<br/> “level_2_tag_name”: “核心功能A”, // (示例二级标签，请替换为具体功能，如 理毛功能)<br/> “level_3_tags”: [<br/> “功能A效果”, // (示例三级标签，如 理毛效果)<br/> “功能A设计”, // (示例三级标签，如 刷毛设计)<br/> “功能A参数” // (示例三级标签，如 入口大小)<br/> ]<br/> },<br/> {<br/> “level_2_tag_name”: “辅助功能B”, // (示例二级标签，如 喂食功能)<br/> “level_3_tags”: [<br/> “功能B效果”, // (示例三级标签，如 零食引诱)<br/> “功能B操作” // (示例三级标签，如 喂食机操作)<br/> ]<br/> }<br/> // … 更多该一级标签下的二级标签及其三级标签<br/> ]<br/> },<br/> {<br/> “level_1_tag”: “保障价值”,<br/> “level_2_tags”: [<br/> // … 请您根据文本设计二级和三级标签<br/> ]<br/> },<br/> {<br/> “level_1_tag”: “体验价值”,<br/> “level_2_tags”: [<br/> // … 请您根据文本设计二级和三级标签<br/> ]<br/> }<br/> ]<br/> “`</p> <p>请确认您已理解以上所有要求。在我提供用户评论文本后，请开始您的分析和标签体系构建工作。</p></blockquote> ### 逐个评论打标签 得到标签体系后，我们就要逐条评论给AI打标。 注意这里打标，不是说给几个标签就完事了，是要让AI针对不同的维度分别打标，这样的标签才丰富，后续才能聚合做分析。效果长这样：  这么复杂的工程该不会有人一条一条发给AI吧？？？？ 这里我们可以借助飞书多维表格里的「字段捷径」来实现。 先把数据上传到飞书多维表格里，然后针对每个「二级标签」来新建字段，选择「字段捷径」里的「智能标签」 它能用Deepseek 来对内容进行打标。  新建字段后，又有新的问题了，每个二级标签下这么多的三级标签，难道要一个一个填吗？ 这里每个字段的参考示例、标签要求怎么填？不填效果不好  这里我们又要借助AI的能力来帮我们完成。 提示词： <blockquote><p>接下来，下一步，需要你生成用于我逐条评论发给AI打标签的提示词。同样需要给示例，我需要用如图的飞书多维表格来处理，所以还需要给我对应的每个部分的示例和标签要求，按以下标签体系的二级标签，一个二级标签对应：一个输入参考示例、一个自定义标签要求、一个添加的选项描述（就是介绍这个列是什么，然后列出所有的三级标签）</p> <p>以下是标签体系：<br/> “`<br/> 把前面生成好的标签体系放进来<br/> “`</p></blockquote> 这样我们就生成了每个字段下需要的选项和示例、标签要求。 <blockquote><p>一级标签：人群与场景<br/> A. 二级标签：人群特征<br/> – 添加的选项描述 (列描述及可选标签)：<br/> 描述：识别评论中提及的与猫主人或猫咪本身相关的身份、特征或所属群体。<br/> 可选三级标签：长毛猫主, 多猫家庭, 大型猫主, 短毛猫主, 幼猫猫主, 老猫猫主, 胆小猫主, 掉毛多猫主, 猫不爱零食, 猫咖/救助站</p> <p>– 输入参考示例 (Few-shot Learning Example)：<br/> 评论文本：”Great quality and works well to help groom my very long haired Siberian cat. He’s quite big…”<br/> 对应标签：长毛猫主, 大型猫主</p> <p>– 自定义标签要求 (Constraints for AI)：<br/> 如果评论中明确提到猫的品种、毛发长度、体型、年龄、数量或主人身份（如救助站），请选择对应标签。一条评论可能对应多个“人群特征”标签。</p> <p>B. 二级标签：使用场景/期望<br/> – 添加的选项描述 (列描述及可选标签)：<br/> 描述：识别评论中用户描述的实际使用产品的情境、环境，或他们购买产品时期望达成的目的或应用场景。<br/> 可选三级标签：减少浮毛, 猫咪自娱, 代替人工梳毛, 保持清洁, 日常梳理, 猫咪适应期, 提供躲避空间, 收集猫毛</p> <p>– 输入参考示例 (Few-shot Learning Example)：<br/> 评论文本：”I have two inside/outside cats and thought this would be great to help keep them cleaner… It’s also his hidy-hole…”<br/> 对应标签：保持清洁, 提供躲避空间</p> <p>– 自定义标签要求 (Constraints for AI)：<br/> 关注用户提及购买产品的主要原因或期望解决的问题。如果提到猫咪在里面的特定行为（如躲藏），也请选择。</p> <p>…后面太长了就忽略了，都是一样的结果。</p></blockquote> 接下来要做的就是逐个字段去新建、填入，例如： 1. 新建「人群特征」列 2. 在标签的位置选择「AI生成选项」 3. 然后把标签描述扔到左边，生成后点「采纳」  4. 把参考示例、标签要求填进去下图对应位置 5. 选择字段那里，选择「用户评论」也就是你放评论的那列  点确定后，它就会开始每行去打标签  最终就得到了理论框架里的4个维度下的12个二级标签里的多个三级标签。  至此，我们最困难的打标签工作已经完成了。 虽然看起来很复杂，但实际上需要用到人脑的地方很少，都是交给AI去完成。工作量至少缩至30%数据分析 接下来攻克下一个难点——对标签进行 ### 数据分析 开头说过了，直接把表格扔给AI去做数据分析，绝大部分情况下都是不靠谱的，数据都会有幻觉，也就是错的。 （虽然我不信邪，接连测试了Gemini 2.5 pro、Claude 3.7，最终得到的结果全是错的。所以你们不要再去试了） 现在的解决方案就是把表格扔给AI，让它学习表格结构后，生成Python代码，再去跑代码。不懂编程不要紧，基本上不怎么会报错，跟着执行就行了。 这里，我们可以用编程屠榜的gemini 2.5 pro 也可以用Claude 3.7，毕竟不是很复杂的代码需求。 提示词： <blockquote><p>我在做用户购后评论洞察分析，现在已经完成了前两个阶段，得到了当前的表格，需要你帮我完成 `阶段三：数据分析与洞察提炼 (Data Analysis &amp; Insight Extraction)`</p> <p>具体的方法论如下（注意这个是通用方法论，是让你学习后再来分析我的表格的，而不是直接用里面的内容）<br/> “`<br/> 把前面的方法论扔给AI学习<br/> “`<br/> 只需完成 `阶段三：数据分析与洞察提炼 (Data Analysis &amp; Insight Extraction)`即可</p> <p>其中人群/场景标签是：人群特征、使用场景/期望<br/> 功能价值是：核心功能表现、辅助特色功能、操作控制相关<br/> 保障价值是：产品质量耐用性、品牌服务支持、安全性可靠性<br/> 体验价值是：价格感知情感价值、感官体验、日常使用便携性、安装体验</p> <p>你的分析必须是基于对我的表格数据的统计</p> <p>忽略「无匹配标签」</p> <p>请给我做数据分析的python脚本完成定量数据分析的部分，注意，不需要做定性文字分析</p> <p>不要生成图片，生成markdown形式的数据分析表格结果就行了</p></blockquote> 注意，这里的要点是最后的生成Markdown格式的结果，这个结果不是给我们自己看的，是方便给下一个AI来做分析。  直接运行python脚本后，就会得到下图中的md文件，里面全是python做的各个维度标签的统计和多个维度标签交叉统计的数据结果。 换成Excel的话，也就是很多个sheet 这里可以简单自行做一下数据验证，我做过数据是正确的。  接着的事就简单了，直接把数据分析结果md文件扔给AI，记住是同一个对话框，因为前面AI已经学得了我们的分析框架，所以这里直接让它完成剩余步骤就好了。 这样我们就完成了数据分析的定性洞察。  最后让AI做一个HTML分析报告，完结！ HTML的部分可以参考我之前这篇文章，得到一个动态的数据分析报告。  ### 业务落地 饼干哥哥的风格从来不是讲虚的。这次分析案例之所以选择这个产品也是因为有朋友在做，跟她沟通后，也认可了此次分析报告结果，跟他们人工做的差不多，也能直接在营销策略上落地。对业务指导意义的话，反而是Step 5: 洞察提炼与解读会更有用一些。 当然，是否能在业务落地，还是要看不同公司的情况。 总结来说，需要遵循「以终为始」的逻辑：先从业务落地场景出发，倒推出分析框架和标签体系，再去做方案执行，就万无一失了。 本文由人人都是产品经理作者【饼干哥哥】，微信公众号：【饼干哥哥AGI】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图由作者提供

山岳型景区的标配。

打架者的背后最可恨的是挑事者。

中国跨境电商企业到美国生产是否成为了一种新的可能？

<blockquote><p>在当今商业环境中，企业家个人IP的打造已成为企业成功的关键因素之一。文章分析了雷军、俞敏洪等成功案例，并指出在媒体去中心化时代，企业家IP对企业的重要性。同时，文章也提出了企业家IP打造的策略和注意事项，为企业家提供了实用的指导和洞见。</p> </blockquote>  随着雷军、俞敏洪、周鸿祎、刘强东等企业家通过个人IP的影响力，为企业带来了远超所有人预期的影响力和商业价值；吸引了越来越多的企业家主动下场，探索如何打造个人IP为企业赋能。 在传统媒体时代，通过企业家IP为公司建立良好形象和影响力的现象就一直存在，但那时候更多的作用是锦上添花。 然而随着媒体去中心化，权威人士现身说法的方式比广告投放更具说服力，据埃森哲2024年《全球消费者洞察报告》显示，83%的消费者认为“真实可信的个体推荐”比品牌广告更具决策影响力。  这标志着企业跟用户之间的链接和互动方式，由“品牌中心化”已经逐步向“人格化沟通”转型，因此对于绝大多数行业的企业来说，打造企业家IP已经从“可选项”变成了“必选项”。 ## 为什么必须做企业家IP 一个成功的企业家IP其价值是全方位存在的，主要体现在“商业价值和影响力”“品牌信任快速建立”“用户感受和体验”三个大的方面。 企业家的时间精力和身上与生俱来的优秀精神，是一家企业最为贵重和稀缺的资源之一；因此所蕴含的商业价值潜力，是衡量企业家是否值得亲自下场操盘的关键。 而一个优质的企业家IP所带来的商业价值，毫无疑问已经得到了充分验证；企业家IP既是最佳代言人、又是流量密码、甚至还能充当最有效的带货达人。  在传统的认知当中，一家企业的品牌建设需要长时间的积累和投入，因为用户对一个品牌从认知到行动到推荐，走完整个营销链路的周期是比较长的，且在这个过程中需要得到正向的体验才能形成整个闭环。 现如今却可以通过企业家IP的方式，让用户对品牌信任的建立过程大为缩短；相对于企业和产品，企业家是一个更加鲜活立体的人，其身上所具备的优秀精神品质和标签更容易被用户吸收接受。 当企业家具备一定的IP用户信任基础之后，只需要把这些优秀的精神和标签嫁接到企业文化之中，即可产生爱屋及乌的效果，让企业快速获得用户的信任；当然前提是企业的产品和服务能够立得住，否则也可能会适得其反。 从中心媒体时代到个人媒体时代，企业和用户之间的沟通方式已经发生了本质的变化；传统那种企业单向发声的方式已经不被用户接受，也无法得到用户的真实反馈。 虽说大部分企业都开通了自媒体账号，但从无论是跟用户互动还是舆情发声，企业账号跟用户之间始终存在一定的隔阂；而企业家亲自下场发声和互动的方式显得更加诚恳，用户也认为自己得到了足够的重视和尊重，情绪价值直接拉满。  小米汽车能够后来居上，在厮杀激烈的电动车市场站住脚跟，就是把雷军个人IP商业价值和影响力发挥到淋漓尽致的体现。去年小米汽车发布第一款车型时，当雷军喊出那句“这是我人生最后一个创业项目,我愿意押上一生为小米汽车而战!”，他已然成为小米汽车当之无愧的最佳代言人。 而后雷军和小米汽车每一次有新的行动，都能在电动车行业引发消费者和媒体的高度关注，以低成本的方式为小米汽车带来源源不断的流量；而相比对广告投放带来的流量，这些主动关注的流量具备了一定的信任背书和认知基础，因此其转化效率也要更高。 在小米SU7首批车主的交付仪式上，雷军甚至亲自现身为车主打开车门，并在个人账号上感谢所有车主的支持，让车主的情绪价值直接被拉满，再次迎来一波流量高潮。 ## 如何才能做好企业家IP 企业家下场做IP具备关注度和传播资源等天然优势，然而要打造一个真正具备商业价值的企业家IP，其关键在于企业家本身的人格魅力、以及如何找到企业家人格魅力和企业文化特征的链接之处。 当挖掘到两者之间相连的内核之后，企业家IP的战略定位就会变得比较清晰，而接下来所有的战略配称动作都将围绕着这个内核而开展。 老泡总结了一套企业家IP打造的黄金圈战略法则，从战略定位的制定到战略配称的落地进行细致的指导。  （企业家IP打造黄金圈法则） ### 【战略定位】 很多时候我们做事情容易落入一个误区，那就是为了做而做，看到他人拿到了成果就盲目跟风；却没有想清楚为什么要做，适不适合做，以及希望拿到什么样的结果。 在做企业家IP之前，同样需要考虑清楚这几个问题：是为了扩展新的销售渠道？为企业寻找新的增长机会或商业模式？建立良好的形象和口碑？还是为了更好地了解用户需求和反馈？ 另外还要思考企业目前所处的阶段，是否适合做企业家IP？比如在产品质量和商业模式没有完全得到市场验证的情况之下，盲目跟风做IP可能会让企业和企业家都失去用户的信任，带来反噬效果。 在确定要做且适合做企业家IP之后，第一步就是明确IP的人设定位；需要先剖析企业家自身的性格特征、人生经历、使命愿景等，虽然IP的打造需要一定程度上的包装，但如果脱离了真诚则很难打动粉丝且迟早会露馅。 同步需要挖掘企业的文化特征和业务优势，然后找到企业家和企业之间相通的连接点，以此确立企业家IP的人设定位；因为这时候两者之间是一种相互绑定的关系，如果出现企业家人设和企业文化的脱节，会给用户造成认知上的混乱。  比如刘强东因为自己是农村穷苦出身，一路努力学习和创业打拼才实现了阶级的跃迁；而京东的创业成长过程同样是一部升级打怪的奋斗史，并且京东的业务离不开无数快递小哥的日夜奔走。 因此刘强东在互联网上一直展现的是“亲民草根、坚韧打拼、践行兄弟文化“的人设形象，这不仅为刘强东本人带来了良好的口碑，也增强了京东内部的凝聚力、塑造了有社会责任感的企业形象。 ### 【IP传播】 明确了人设定位这个战略内核之后，紧接着要考虑如何通过不同的内容和渠道，将企业家IP的影响力进行传播扩散，而这其中最重要的就是做什么样的内容。 由于国内有视频号、抖音、小红书等多个主流的自媒体平台，每个平台因风格定位、用户构成、流量分发机制的差异，导致不同的平台适合不一样风格的内容；因此如果在资源有限的情况下，需要根据前面的人设定位，选择其中一个平台作为内容传播的主阵地。 同时能够制造具有冲突性的内容，是屡试不爽的流量密码；比如罗永浩就是制造冲突性内容的高手，在锤子手机失败刚开始转型做直播带货时，他不断强调自己欠债金额巨大，在直播间上演了“真还传”且段子频出，这些内容最终成为了很好的传播素材。  除了内容之外，策划公关事件和打造IP符号（周鸿祎号称红衣大叔）也是值得尝试且非常典型的IP传播方式，这里着重举例介绍下公关事件策划。 刘强东最近宣布进军外卖领域本身只是一种商业竞争行为，然而刘强东却亲自下场派送外卖、结束后还跟兄弟们聚餐畅饮，并举杯邀请美团和饿了么的骑手加入，视频被爆出来后瞬间引发热议和赞誉，让京东外卖的订单实现激增。 即使存在一定程度上的炒作嫌疑，但东哥的这种行为跟他以往长期营造的亲民人设是吻合的，因此并不会引发大家的反感，反纷纷而为他一直践行的兄弟文化竖起大拇指。 ### 【流量运营】 人设定位和IP传播的目标都是为了撬动更大的流量和影响力，承接住这些泼天的流量并转化为产品销量，则是企业家IP最能直观展现商业价值的一环。 关于把企业家IP的流量转变为销量，在诸多优秀企业家各显神通之下，已经有很多招式取得了效果；这里着重介绍“激发用户主人翁意识”和“企业家现身带货”这两种能够直接产出收益，且经过市场和时间验证的方式。 第一个方法就是充分激发用户的主人翁意识，甚至参与到产品的设计中来。都知道在社交媒体时代，企业和用户之间不再是一种单向信息灌输的方式，而是需要在企业和用户之间搭建沟通的桥梁，以便企业最好地为用户服务满足用户需求。 毫无疑问在这方面，小米和蔚来是最值得学习的对象。小米会开放自己的产品研发过程，用户可以在论坛上发表自己对产品的看法，而小米也会认真地听取用户的建议进行产品的迭代优化。 蔚来的李斌和高层，会亲自去APP听取用户的反馈、跟用户进行直接沟通，甚至把一些企业的重大决策权交给用户。这都是在提升用户的参与感，培养用户的主人翁意识。  而另一个更加普遍的做法就是企业家亲自现身带货，特别是针对那些希望利用企业家IP提升销量的企业来说，这已经成为了一种频繁的基础操作。 今年小米SU7 Ultra在开售2小时内大定数量突破10000台，轻松超过了绝大部分新能源实力一个月的销量；这样的成绩让全行业为之一震，不仅为小米节省了上亿级别的营销费，小米的股价也随之水涨船高，可谓是一举三雕的神迹。 同样在今年民营企业家大会上因跟雷军同框而意外走红的海尔总裁周云杰，为了接住这泼天的富贵顺应广大网友的呼吁开通了社交账号，甚至带领海尔高管集体出道。 最终海尔相关产品在电商平台的搜索量激增217%，品牌声量提升189%；随即举办的家电及消费电子博览会上，大量博主涌向海尔展台，花式宣传和种草海尔产品。 ### 【舆情维护】 当企业家的个人IP与企业深度捆绑之后，两者之间将会形成一荣俱荣一损俱损的关系；为了避免被预料之外的黑天鹅事件所反噬，积极维护网络舆情、提前建立危机预案是不可或缺的操作。 比如前两年丈母娘粉认为董宇辉受委屈了，在网络上声讨东方甄选和俞敏洪，导致俞敏洪个人声誉和新东方股价均遭受重创，即使董宇辉本人多次出来澄清也无济于事。 董明珠这些年虽然为格力带来了很多的流量，但格力把线下门店改成“董明珠健康家”的操作，迎来了消费者的疯狂吐槽，甚至嘲讽格力搞个人崇拜主义。 造成这些负面后果就是因为在享受企业家IP带来的成果时，没有提前建立相应的预案，导致负面舆情出现时措手不及，让事件的影响力超出了企业的管控能力。  企业家IP虽好，但也不要盲目迷恋；为了避免被流量反噬产生适得其反的效果，有以下几个雷区是在做企业家IP的过程中需要注意的： 1.个人言论可能放大企业危机。前段时间董明珠在股东大会上“绝不用海龟派”的歧视性个人言论，引发了轩然大波和社会上的广泛批评，影响了格力的企业形象。 2.IP定位与业务脱节。花费大量时间和精力打造企业家IP，其根本目标还是希望能够为业务助力，IP的定位作为整个事项的内核，如果不能跟业务保持同频则毫无价值。 3.剧本化内容遭反感。真诚是永远的必杀技，且群众的眼睛是雪亮的；切勿用剧本化的内容来试图迷惑用户的眼睛，否则企业和IP均会失去用户的信任。 4.产品力不足被流量反噬。常说好的产品会自己说话，其实劣质产品也会说话；如果产品力无法承接住IP带来的巨大流量，负面口碑也会被成倍放大。 本文由人人都是产品经理作者【老泡】，微信公众号：【老泡OG】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

帕金森病，可能比你想象的更常见。

出走与归来。

餐饮的“引进来”与“走出去”。

解码场景革命2.0的情感密码。

一家中国AI公司的价值重估：Meta的技术追求、Adobe的产品刀法、腾讯的生态野心。

法拉第未来公布了2025年第一季度的业绩，这段时间里他们交付了两辆FF 91 2.0，这是他们首次进入美国东海岸市场，用户分别来自加州和纽约。**虽然收入只有30万美元，但这主要是来自FF 91 2.0的交付和租赁收入。** 不过，运营净亏损达到了4380万美元，与去年同期持平，经营现金流出2030万美元，比去年同期增长了38%，融资现金流入2460万美元，连续第三个季度融资现金流入超过经营现金流出。 总运营费用为2280万美元，比去年同期减少了20万美元。 FF还计划在6月底左右召开FX Super One的首次产品发布会，并开启B2C线上付费预订。 他们的目标是在发布后48小时内获得近10,000台的付费预订，这包括有法律约束力的B2B大客户付费预订单和定金可退的B2C预订单。 他们的目标是在2025年年底前让首车下线。虽然亏损依旧，但FF在朝着他们的宏伟目标稳步前进。  [查看评论](https://m.cnbeta.com.tw/comment/1498418.htm)

**目前胖东来的和田玉不止要线上约号购买，****而且还标注进货价和毛利。**据网友反映，**胖东来和田玉商品吊牌上标注了进货价和毛利率。工作人员表示，和田玉商品从5月8日起吊牌上会明确标注进货价和售价。**  经许昌市市场监督管理局检查，许昌市胖东来唯初珠宝有限公司2025年1至4月份共销售和田玉商品4177件，销售金额2959.2175万元，**平均毛利率不超过20%。** 近期，胖东来玉石事件引发社会关注，但风波后时代广场和田玉专柜更加火爆，不少网友称，已经连续几天不到中午，和田玉大部分款式就售罄了。 据许昌胖东来时代广场珠宝区工作人员透露，**目前和田玉销售已改为线上预约制，每月仅可预约一次，而翡翠等商品仍需现场排队取号。** 工作人员表示“每天仅开放50个名额，但受近期网络热议影响，顾客越来越多。” 胖东来表示，凡在珠宝部自营区购买的和田玉、翡翠商品，如顾客对价格或品质存疑，可前往第三方权威机构鉴定或向行政部门申请评估。 若需退货，只需商品无损坏、保留购物凭证及鉴定证书，即可全额退款，不收取任何手续费或税费。 [查看评论](https://m.cnbeta.com.tw/comment/1498416.htm)

5月9日消息，美国食品药品监督管理局（FDA）当地时间周四宣布，**在完成面向科学审评人员的新生成式AI试点项目后，FDA所有下属中心将立即启动人工智能内部部署，并计划于6月30日实现全面整合。** [](https://static.cnbetacdn.com/article/2022/03/d6cd17721d7c8f6.jpg) FDA在收到新药审批申请后，通常需在6到10个月内作出审批决定。FDA表示，这些生成式人工智能工具能让科学家及各领域专家减少耗时的重复性工作，从而加快审评流程。 FDA在声明中指出：“未来将重点提升工具可用性、扩展文档整合，并根据各中心的具体需求定制输出结果，同时严格遵循信息安全规范和FDA政策要求。” 周三有报道称，FDA近期正与OpenAI探讨人工智能应用。报道称，知情人士称，近几周OpenAI团队已经与FDA及埃隆·马斯克（Elon Musk）所领导“政府效率部”两位成员举行了多轮会谈。 FDA将持续评估人工智能系统性能、收集用户反馈并优化功能，以适应内部人员不断变化的需求。更多人工智能应用细节与更新将在6月对外公布。 [查看评论](https://m.cnbeta.com.tw/comment/1498410.htm)