任务场景
App Store 和 Play Store 积压着一堆 1-3 星评论要处理。每条回复都公开、会被未来的潜在用户搜到、上限大约 300 字符。一句敷衍的 “感谢反馈” 等于告诉每个未来读者你不在乎；一句具体且有温度的回复，常常能让差评翻成更新后的 5 星，也安抚下一个站外比较的人。
对个人开发者是日常工作，对小团队是一周 1-2 小时的固定任务。
哪些情况适合让 AI 来做
用 AI 起草，不要直接发。模型擅长一次产出 “承认问题 → 说明修复 → 引导后续” 的初稿，且能控制在字符限制内。你再润色一下，加点人味再发。
如果 80% 的回复结构都一样，只是需要不同变体，AI 尤其好用。
什么时候不要完全依赖 AI
千万不要自动发布 AI 的回复。一句话翻车，公开记录是永久的。涉及法律 / 监管投诉、数据丢失指控、无障碍问题都必须人工处理，往往还要内部上报。
涉及自杀、心理危机、人身威胁的内容直接走人工通道。
需要先给 AI 的信息
- 评论原文（让模型能引用具体细节）
- 实际修复方案或临时绕行，如果有版本号也带上
- 你推测的用户身份（家长 / 专业用户 / 学生）
- 品牌口吻（温暖随意、专业简洁……）
- “不要说” 清单（不要过度承诺、不要怪用户）
可直接复制的 Prompt
你是客户成功文案。请为下面的 App Store 评论起草公开回复。
评论：```{paste_review}```
推测身份：{inferred_user_type}
我们已经做或将要做：{fix_or_workaround}
品牌口吻：{voice}
不要说：{forbidden_phrases}
约束：
- 300 字符以内
- 必须引用评论里的一个具体细节，听起来不像模板
- 结构：承认（1 句）→ 说明或方案（1 句）→ 邀请邮件 / 升级（1 句）
- 不要 "听到这个我们很难过"，要具体说道歉了什么
- 收尾要友好，不要 "祝好，支持团队"
输出 3 个版本：温暖、中性、专业。建议让 AI 输出成什么样
3 个版本都在字符上限内，明确标出风格。挑一条，用自己的口吻改一句，再发。如果都不合适，把评论和更严格的口吻要求再喂一次。
团队规模大时，把选中的版本归档到共享文档，按类型打标签（修复 / 缺失功能 / 误解），能看出规律。
怎么判断 AI 的结果能不能用
念出声。听起来像机器人就重写开头那句。手数一遍字符数，模型常常数不准。修复承诺要和真实上线情况（或确定的上线日期）对齐。
新类型的投诉，先让同事看一眼再发。
容易踩的坑
- 防御口吻（“其实我们的 App 是支持的……”）
- 笼统道歉，没指出具体问题
- 承诺一个根本赶不上的日期
- 让用户写邮件，却没给地址，或只给了 support@ 的通用邮箱
- 20 条评论用同一个回复——读者会发现
下一步怎么改得更好
跟踪哪种语气最容易让用户改星（Apple 会标记 “已更新”）。建一个小素材库：每种投诉 3-5 个模板，每季度更新。反复出现的问题进 Bug 追踪——这是回报最高的一步。
FAQ
- 可以让 AI 自动翻译回复吗？可以翻译，但每种语言至少要有一位母语人工把关最终稿。
- 5 星评论要回吗？简短回一句、引用对方提到的细节即可，30 秒换好感很值。
- 每条都要回吗？前一两个月最好都回。每周上百条之后，优先处理 1-3 星和提到可修复 Bug 的。
相关阅读
不同 Prompt 变体看 App Store 差评回复 Prompt。先做归类时用 App 差评聚类分析 Prompt。
标签: #工作流 #App Store