现在做产品挖需求，很多人都会去小红书看。
尤其是独立开发、AI 工具、出海工具这类产品，越来越多人会在小红书做 GTM。正文能看产品怎么讲，但评论区更有意思：用户会直接问功能、吐槽流程、说自己的使用场景。
但问题是，一个个翻评论太慢了。
看到有价值的内容，还要复制、整理、分类。最后很容易变成“看过很多，但什么都没沉淀下来”。
所以我最近试了一套小流程：先用媒讯助手采集小红书评论，再自动沉淀到飞书多维表里。每天花几分钟，把竞品和独立开发者笔记下面的评论收集起来，再交给 AI 做需求和竞品初筛。
这篇就分享一下，我怎么把零散评论变成一张可以持续积累的产品需求情报表。
小红书评论区，比正文更接近真实需求
我以前看小红书，更多是看标题、封面和内容结构。但最近做 AI 产品和独立站选题时，我越来越觉得，真正有价值的东西，很多时候不在正文里，而在评论区。
有人会问：“这个能不能批量处理？”
有人会吐槽：“这个流程太麻烦了。”
有人会直接问：“有没有类似工具？”
也有人会把自己的使用场景说得很具体，比如自己现在用什么方法、卡在哪一步、为什么现有工具不够用。
这些评论，对做产品的人来说，其实就是需求线索和竞品反馈。
当然，我不是说看到一条评论就可以直接做产品。单条评论只是线索，不是结论。但如果很多不同笔记、不同博主下面都反复出现类似问题，它就值得被记录下来。
先选笔记，再抓评论
真正要做评论分析，第一步不是立刻抓评论。
更合理的做法，是先抓一个产品账号或独立开发者账号的笔记列表，看看哪些内容更值得继续分析。
比如我这次看的是一个 AI Skill 产品账号。它的笔记里有上线帖、功能更新帖、Pro 版预告、补丁说明，也有一些和用户反馈相关的内容。
这种账号就比普通生活内容更适合拿来做需求观察。
因为上线帖下面，往往能看到用户第一次接触产品时在问什么；功能更新帖下面，能看到用户对新能力是否买账；补丁帖下面，则可能直接出现“用户反馈怎么影响产品迭代”的痕迹。
所以我的流程不是“随便抓一堆评论”，而是先从笔记列表里筛出值得分析的产品节点，再去抓这些节点下面的评论。
用工具把评论先沉淀到飞书多维表
真正执行的时候，卡住人的往往就是这一步。
你要先找到笔记，点进去看评论，再把有价值的问题复制出来，最后整理到表格里。刷几篇还行，真要看几十个独立开发者、几十篇产品笔记，很快就会放弃。
而且手动看还有一个问题：看完很容易就忘了。
很多时候我当时会觉得“这个评论挺有意思”，但如果没有马上沉淀到表格里，后面就很难再找回来。最后需求判断还是会变成一种模糊印象：我好像看到过有人这么问，但到底多少人问、在哪些场景里问，其实说不清楚。
所以我最近试了一套更省事的办法：
用 媒讯助手 采集小红书上其他独立开发者和工具产品下面的评论，再自动沉淀到 飞书多维表 里。
这个过程对我来说很有价值的地方，不是“抓了多少条评论”，而是它省掉了反复复制粘贴。评论先进入表格，后面我再慢慢筛、打标签、做分析。
飞书多维表也比较适合承接这类数据。它不是单纯导出一个 Excel，而是可以继续做字段、视图、筛选、分组，后面也方便接 AI 和自动化。
真正让我觉得这套流程值得用，是看到评论直接进了飞书多维表以后。
它不再是一次性的采集结果，而是一个可以持续追加、筛选、打标签，再交给 AI 分析的需求库。
这一步跑通以后，我对这套流程的理解就变了。
它不是一个简单的“评论采集工具”，更像是先帮我搭了一个数据入口。原来散在小红书评论区里的反馈，可以先被集中到一个地方。
把评论放进表格，只是第一步
评论进表以后，真正的工作才开始。
如果只是把评论采下来，但后面不整理，那也只是多了一堆数据。对做产品来说，关键不是评论数量，而是能不能从评论里看出问题。
所以我会在飞书多维表里加一些字段，比如：
- 评论类型
- 用户场景
- 真实问题
- 竞品或替代方案
- 需求强度
- 是否值得继续验证
- 可转成的内容选题
比如一条评论只是说“好用”，它对产品判断的帮助有限。但如果有人说“能不能批量处理”“有没有适合某个场景的版本”“现在这个流程太麻烦”，这种评论就更值得记录。
我会先让 Codex 通过飞书 CLI 读取多维表里的评论，做初步整理。
不是让 AI 直接告诉我该做什么产品，而是让它先做脏活：分类、摘要、提炼问题、找重复出现的场景。
比如它可以先帮我判断：
- 这条评论是在表达需求，还是单纯情绪？
- 用户现在的替代方案是什么？
- 这条评论更像产品机会，还是内容选题？
- 有没有多个评论都在重复类似问题？
最后真正要不要做，还是要回到人的判断。
对我来说，这才是这张“产品需求情报表”的意义：不是替我做决定，而是让我做决定之前，多一层真实用户反馈。
从手动采集，到自动化采集和分析
现在这套流程，我先把手动链路跑通了。
也就是：我自己找小红书笔记或博主，用媒讯助手采集评论，结果写入飞书多维表，再让 AI 做初步分类和摘要。
下一步我想把它接到龙虾里，让这个动作更自动化一点。
理想状态是：我给它关键词或小红书链接，龙虾自动触发采集任务，媒讯助手把评论采下来，结果继续写进飞书多维表，再交给 AI 做分类和摘要。
简单说就是：
关键词 / 小红书链接 → 龙虾触发采集 → 媒讯助手采集评论 → 写入飞书多维表 → AI 分类和摘要 → 需求线索 / 竞品洞察 / 内容选题
这里有个边界要说清楚：我不想把它包装成“自动帮你找到好需求”。
需求判断这件事，还是要人来做。
自动化更适合处理重复动作：定期采集、入表、分类、摘要。真正哪个需求值得做，哪个只是噪音，还是要结合产品方向、用户画像和自己的判断。
但即便只是做到这一步，对我来说已经够有用了。
以前做需求和竞品判断，很容易靠感觉。现在至少可以先把评论、问题和竞品线索沉淀下来，再决定下一步要不要做。
外贸独立站，也可以换数据源复用这套流程
这套流程对我真正有用的地方，不是“多抓几条评论”，而是把原来很碎的小红书评论区，变成了一张可以持续积累的产品需求情报表。
它不能替我判断哪个需求一定值得做，但它能帮我少靠感觉，多看真实反馈。
如果你也在做 AI 产品、独立开发或者外贸独立站，应该也会遇到类似问题：知道要看用户反馈，但没时间一条条刷；知道评论区有价值，但很难持续整理。
这套流程可以按业务换数据源。
做 AI 产品、独立开发，建议先从小红书评论开始。
如果你做外贸独立站或跨境电商，也可以把同样的流程换成 TikTok 评论、Amazon 评论，看用户为什么买、为什么不买、吐槽什么、还想要什么功能。
我这篇先用小红书举例，是因为我自己实际跑下来，小红书评论采集更顺，也更适合做产品需求挖掘。后面也会根据我的独立站去采集一些竞品数据看看。
想自己跑一遍，我把操作步骤整理好了
想要这份实操清单？后台回我「媒讯助手」，或者加我微信：liangxiao-20。
你会拿到：
操作步骤：小红书评论怎么采集到飞书多维表
抓取词根/关键词：怎么找到值得抓评论的笔记和账号。
AI 初筛提示词：评论进表后怎么做需求初筛。
如果你后面想继续用这个工具，我也会把套餐优惠码一起发你。
你可以先找 3-5 篇同类产品笔记，照着跑一遍，看看评论里能不能挖出真实需求。
我是良逍，最近主要在折腾 AI 产品、独立开发和出海工具。
这个号会记录我自己实测过的工具、踩过的坑，以及从想法到产品上线的过程。想交流这些方向，可以加我微信：liangxiao-20。