亚马逊评论抓取：全量速览 vs 星级桶

云端抓取的运行机制

每个任务对应一个 ASIN，支持九个站点（美国、德国、英国、澳大利亚、墨西哥、印度、埃及、阿联酋、加拿大——从粘贴的链接自动识别）。提交即刻返回；抓取在队列中执行，按任务查看进度。评论大约每页 10 条，单个任务每条承载页数的行最多 10 页。

拿回来的是原始评论池：每条评论的星级、正文与元数据，无论之后是否生成报告，都可以 CSV 或 JSON 直接下载。从提交到报告的完整流程见快速上手指南。

两种模式并排看

两种模式互斥——一个任务要么跑一条速览行、要么跑一组星桶行，绝不会混跑。按任务选择即可，没有任何锁定。

两种模式按页完全同价——每页 5 积分加每 ASIN 1 积分基础费——所以模式选择关乎数据形状，与价格无关。完整计费逻辑见积分与计费。

全量速览：广度即目的

速览跨星级抓最新评论——这同时也是它诚实的短板：4.6 星的商品上，样本自然偏向 4 星和 5 星，最近零星几条 1 星可能进不了样本。当问题是「评论池整体长什么样」时这没有问题——情感结构、定位核查、新 ASIN 的初看诊断、或给报告喂一份通用样本。

• 适合：入场前验证品类、核查供应商产品、自己 Listing 的第一次分析。
• 不适合：已经知道星级、要弄清为什么——重度 5 星商品上 10 页速览对 1 星根因几乎无话可说。

星级桶：星级平衡的深度

桶模式把每个勾选的星级段当作独立样本、各自设页数。因为各段互不重叠，1 星抓 3 页 + 5 星抓 2 页保证两种声音都按你选的比例在场——低星根因不可能被海量好评稀释。报告引擎正是围绕这个模式建的：投诉池够密，根因聚类才有发挥空间。

两个值得知道的机制：

• 探路行：桶任务先跑一次廉价的探路、读取商品真实的星级分布，桶深度对着现实设——基础费就挂在这条 0 页行上，不会按桶重复收。
• 空桶退款：探路发现某星级段没有评论（4.9 星的商品几乎没有 1 星）时，该桶被证伪、页费自动全额退回。探路自身的基础费保留——探路执行了真实工作。

深度上限是五桶 × 10 页 × 每页约 10 条——约 500 条，即单个任务覆盖的天花板。

怎么选：三个算例

• 进入新品类——先对两三个候选 ASIN 各跑 5 页速览，读情感结构，再决定是否值得桶模式深挖。到这里的花费：每 ASIN 26 积分。
• 自己的商品 4.3 星——直接上桶：1 星 2 星各 3~4 页（挖根因），5 星 2 页（守住承诺）。大约 41~51 积分换一份能直接给工厂的诊断。
• 拆 1.9 星竞品——速览就够：评论池本来就全是投诉，加桶只加成本不加信号。

更长的决策框架——抽样原理、稀释数学与更多案例——见博客深挖文全量速览 vs 星级桶。想看星级平衡数据长出来的报告长什么样，随便打开一份诊断示例报告。

抓取模式常见问题

继续阅读