HelloRuru 評論聲音專案（google-map-voices）— 評論抓取 + 分析
從 Google Maps 抓取店家評論，分析成可直接使用的情報。 獨立積木 — FB 貼文要客人金句？接。Blog 要 EEAT 社會證明？接。品牌健診要負評分析？接。
適用範圍
- 用途：新客戶接案前評論偵察、FB 貼文素材、Blog/SGE 的 EEAT 社會證明、品牌健診
- 不適用：寫文案（交給 client-fb-copywriter）、寫文章（交給 sge-article-pipeline）、存客戶資料（讓使用者確認再存）
觸發詞
「開評論」「抓評論」「抓 Google 評論」「評論分析」「查評價」「Map Voice」
安裝（第一次用要做）
pip install -r requirements.txt
如果跑腳本掛在 No module named 'websockets.protocol'，把 websockets 升級到 13+：
pip install --upgrade "websockets>=13"
工作流（Phase 1-3）
Phase 1：抓取
輸入（擇一）：
- 店家名稱 + 地區（例：「美龍食品行 頭份」）
- Google Maps URL
執行：
python scraper.py "店家名稱 地區" --sort all --max 60 -o reviews.json
關鍵參數：
--sort all：四種排序合併去重（推薦，最大化評論數）--max 60：每種排序最多抓 60 則--show：顯示瀏覽器（除錯用，預設無頭）
輸出：JSON 檔（評論者、星等、時間、全文、review ID）+ 終端的星等分布摘要
Phase 2：分析
讀取 Phase 1 的 JSON，依照分析模板產出報告。
詳細分析指南：references/analysis-guide.md（金句提取四條件、六大分類表、EEAT 馬賽克格式、負面三種歸類、產業特殊處理）
概覽：
- 基本統計 — 總評論數、星等分布
- 正面金句 — 從 4-5 星挑出有畫面/情緒/細節/故事的，按六大分類歸類
- EEAT 格式 — 金句轉成馬賽克名 + 日期 + 引用格式，Blog 直接貼
- 負面歸類 — 真痛點（要避開）+ 反轉金句（表面抱怨其實是有力證據）+ 無效抱怨（忽略）
- 重要發現 — 一句話點出最關鍵的洞察
Phase 3：存檔（雙資料庫）
- 已是客戶（clients-database.md 有段落）→ 自動存入對應段落
- 偵察中（找不到段落）→ 存入
memory/reviews-inquiries.md（僅 HelloRuru 內部使用）
跟其他 Skill 的接口
| 下游 Skill | 怎麼接 |
|---|---|
| client-fb-copywriter | 金句速查表（按分類）→ 建人設 + 嵌入金句 |
| sge-article-pipeline | 顧客實證表（馬賽克名 + 日期 + 金句）→ EEAT 社會證明直接貼 |
| clients-database.md | Phase 3 自動存檔 |
限制與已知問題
- Google Maps 每種排序約 20 則，
--sort all合併最多 60-80 則 - 無法抓到全部評論（345 則店家最多抓 50-60 則）
- 抓取時間：單一排序約 1 分鐘，
--sort all約 3-4 分鐘 - 第一次跑會自動下載 chromedriver（30 秒，正常現象）