用 AI 写商品卖点时，直接让它夸产品，往往写出一堆空话。换个思路，先读差评，从用户抱怨的地方反推卖点，写出来的文案反而更贴近真实需求。

先从差评里找真实痛点

以一款保温杯为例，差评里反复出现三句话：盖子难拧开，装热水后杯身烫手，放在包里会漏水。如果只看好评，卖点会写成保温时间长、外观好看，这些话每个保温杯都能说。差评指出的却是用户每天都会碰到的麻烦，恰恰是最有力的卖点来源。

把差评整理成清单后，再反向翻译成卖点：盖子难拧开对应单手可开的按压盖，杯身烫手对应双层隔热不烫手，漏水对应倒置不漏的密封圈。翻译时要保留差评里的场景词，比如单手开盖、放包里不漏，这样用户读到立刻能对上自己的使用场景。

给 AI 的提示词怎么写

可以这样给 AI 下指令：先列出三条差评原文，再要求针对每条差评写一句卖点，每句不超过二十字，并保留场景词，不许用绝对化词语。拿到初稿后人工再核一遍，凡是涉及材质、保温时长等可验证的说法，必须和商品详情页核对，不确定的标注以官方为准，不要让 AI 编数字。

同一款保温杯改写后的卖点可以是：按压盖单手就能开，上下车不用两手拧；双层杯身装热水也不烫手；密封圈倒置测试不漏水，放包里更安心。三句话都来自差评反推，读起来具体可感，比保温效果好这类空话更有说服力。

这个方法的关键是先读评价再写文案，而不是先写文案再找理由。每周抽半小时翻一次新增差评，卖点库就能持续更新，文案也不会越写越雷同。

除了差评，好评里提到的意外优点也可以反向利用，比如有用户说杯子放在车载杯架里刚好，这个尺寸细节就可以写进卖点。把差评反推和好评亮点结合起来，卖点既解决了痛点又有惊喜，文案的可信度会更高一层。