NanoSkill
Skill einreichen

Sentiment-Analyse-Agenten-Skill

vonphuryn26KGitHub-SterneGitHub

Analysieren Sie Nutzerfeedback in großem Maßstab mit diesem Sentiment-Analyse-Skill: Segmentieren Sie Nutzer nach Stimmung und JTBD, erhalten Sie priorisierte Produkt-Insights. Starten Sie kostenlos in Sekunden.

ForschungSicherheitsprüfung bestanden
Ergebnisvorschau

Vollständige Demo

Sehen Sie einen Sentiment-Bericht mit Segment-Anzeigen, segmentübergreifenden Schmerzpunkten und einer Build-First-Shortlist.

Loslegen

Erste Aufgabe ausführen

  1. the step of sentiment analysis agent skill
    01

    Installieren

    Fügen Sie den Sentiment-Analyse-Skill zu Ihrem KI-Agenten hinzu.

  2. the step of sentiment analysis agent skill
    02

    Feedback-Daten hochladen

    Stellen Sie Rezensionen, Umfragen oder Social-Listening-Exporte bereit.

  3. the step of sentiment analysis agent skill
    03

    Erhalten Sie Ihren Sentiment-Bericht

    Erhalten Sie verhaltensbasierte Segmente mit Sentiment-Scores und Prioritäten.

Installationsbefehl

$ npx skills add https://github.com/phuryn/pm-skills/tree/main/pm-market-research/skills/sentiment-analysis

Installationssignale

Installationsaktivität

Überblick

Die Sentiment-Analyse verwandelt rohes Nutzerfeedback in segmentierte Produkt-Insights. Produktmanager, UX-Forscher und Gründer nutzen diesen Skill, um Rezensionen, Umfragen und Support-Daten zu verarbeiten und erhalten dann klare Segmentprofile, Zufriedenheitswerte und priorisierte Verbesserungsmöglichkeiten.

Zu den Kernfunktionen des Skills gehören die automatische Segmentidentifikation, thematische Analyse, Sentiment-Bewertung auf einer Skala von -1 bis +1 und die Priorisierung nach Auswirkungen. Er geht über die allgemeine Stimmung hinaus, indem er Jobs-to-be-done, Schmerzpunkte und Produkt-Segment-Fit verbindet, sodass Teams sowohl sehen können, was Nutzer lieben, als auch was Abwanderung verursacht.

Verwenden Sie ihn während der Roadmap-Planung, bei Churn-Reviews oder beim Feedback-Triage nach dem Launch. Füttern Sie ihn mit App-Store-Rezensionen, Umfrage-Exporten oder Social-Listening-Berichten, und er liefert segmentbezogene Empfehlungen, die Quick Wins von strategischen Initiativen trennen, mit direkten Zitaten, sofern verfügbar.

Wichtige Funktionen

Was ihn stark macht

  • Stimmungsanalyse in großem Umfang durchführen

    Erfasst CSV-, PDF-, Umfrage-, Bewertungs- und Social-Listening-Daten und fasst Feedback in klare Segmentprofile zusammen.

  • Stimmung nach Segment bewerten

    Weist jedem Segment einen Stimmungswert von -1 bis +1 und einen NPS-Proxy zu, um die Zufriedenheit zu quantifizieren und Abwanderungsrisiken zu erkennen.

  • JTBD und Schmerzpunkte extrahieren

    Extrahiert Jobs-to-be-done, gewünschte Ergebnisse, Hauptbeschwerden und unerfüllte Bedürfnisse aus qualitativem Feedback, mit direkten Zitaten, sofern verfügbar.

  • Produktverbesserungen priorisieren

    Ordnet Erkenntnisse nach Häufigkeit, Schweregrad und Geschäftsauswirkung, um schnelle Erfolge von strategischen Initiativen zu trennen.

Anwendungsfälle

Wann du ihn einsetzen solltest

  • Produktbewertungen analysieren

    Produktmanager führen Stimmungsanalysen für App-Store-, G2- oder Trustpilot-Bewertungen durch, um segmentbezogene Zufriedenheitstreiber und Kritikpunkte zu identifizieren.

  • Umfrageantworten zusammenfassen

    UX-Forscher wandeln offene Umfrageantworten in JTBD-Erkenntnisse und priorisierte Schmerzpunkte um, ohne manuelles Tagging.

  • Social-Listening-Berichte überwachen

    Marketingfachleute und Community-Leiter verarbeiten Erwähnungen und Feedback-Threads, um frühzeitig Unzufriedenheit und Funktionsanforderungen nach Segment zu erkennen.

SKILL.md

Sentimentanalyse

Zweck

Analysieren Sie groß angelegte Nutzerfeedback-Daten, um Marktsegmente zu identifizieren, die Zufriedenheit zu messen und Produktverbesserungsmöglichkeiten aufzudecken. Diese Fähigkeit synthetisiert Feedback zu umsetzbaren Erkenntnissen, organisiert nach Nutzersegment, Stimmung und Auswirkung.

Anleitung

Sie sind ein erfahrener Nutzerforscher und Feedback-Analyst, spezialisiert auf qualitative Datensynthese und Stimmungsanalyse im großen Maßstab.

Eingabe

Ihre Aufgabe ist es, Nutzerfeedback-Daten für $ARGUMENTS zu analysieren und Marktsegmente mit zugehörigen Stimmungs-Erkenntnissen zu identifizieren.

Wenn der Nutzer CSV-Dateien, PDFs, Umfrageantworten, Bewertungsdaten, Social-Listening-Berichte oder andere Feedback-Quellen bereitstellt, lesen und analysieren Sie diese direkt. Extrahieren Sie Muster, Themen und Stimmungssignale aus den Daten.

Analyseschritte (Schritt für Schritt denken)

  1. Datenerfassung: Lesen Sie alle Feedback-Quellen und erstellen Sie eine Arbeitsinventur
  2. Segmentidentifikation: Identifizieren Sie mindestens 3 unterschiedliche Nutzersegmente oder Personas aus dem Feedback
  3. Thematische Analyse: Extrahieren Sie wiederkehrende Themen, Schmerzpunkte und positives Feedback pro Segment
  4. Stimmungsbewertung: Weisen Sie Stimmungswerte (-1 bis +1) für die Gesamtzufriedenheit pro Segment zu
  5. Auswirkungsbewertung: Priorisieren Sie Erkenntnisse nach Häufigkeit, Schweregrad und Geschäftsauswirkung
  6. Synthese: Erstellen Sie Segmentprofile mit konsolidierten Erkenntnissen

Ausgabestruktur

Für jedes identifizierte Segment:

Segmentprofil

  • Name/Bezeichner und gemeinsame Merkmale
  • Nutzeranzahl oder Anteil im Feedback-Datensatz
  • Primärer Anwendungsfall oder Kontext

Jobs-to-be-Done

  • Kernaufgabe, die dieses Segment zu erledigen versucht
  • Zugehörige gewünschte Ergebnisse

Stimmungswert & Zufriedenheitsniveau

  • Gesamtstimmungswert (-1 bis +1)
  • Wichtigste Zufriedenheitstreiber und -minderer
  • Net Promoter Score (NPS)-Proxy, falls zutreffend

Top-Themen für positives Feedback

  • Was dieses Segment an $ARGUMENTS liebt
  • Wichtigste Stärken aus Nutzerperspektive
  • Beispiele für erfolgreiche Anwendungsfälle

Top-Schmerzpunkte & Kritik

  • Häufigste Beschwerden oder Frustrationen
  • Unerfüllte Bedürfnisse oder fehlende Funktionen
  • Reibungspunkte in der User Journey
  • Direkte Zitate aus dem Feedback, sofern verfügbar

Bewertung der Produkt-Segment-Passung

  • Wie gut $ARGUMENTS die Bedürfnisse dieses Segments erfüllt
  • Potenzial zur Verbesserung der Passung durch Produktänderungen
  • Risiko von Abwanderung oder Unzufriedenheit

Umsetzbare Empfehlungen

  • 2-3 Verbesserungen mit der höchsten Wirkung pro Segment
  • Schnelle Erfolge vs. strategische Initiativen
  • Segmente, die priorisiert oder zurückgestellt werden sollten

Bewährte Praktiken

  • Stützen Sie alle Erkenntnisse auf tatsächliches Nutzerfeedback; zitieren Sie Quellen
  • Identifizieren Sie sowohl Mehrheits- als auch Minderheitsperspektiven innerhalb der Segmente
  • Unterscheiden Sie zwischen Funktionsanfragen und grundlegenden Schmerzpunkten
  • Berücksichtigen Sie Kontext und Einschränkungen, denen Nutzer ausgesetzt sind
  • Kennzeichnen Sie Segmente mit kleinen Stichprobengrößen oder unsicherer Stimmung
  • Suchen Sie nach segmentübergreifenden Mustern und universellen Schmerzpunkten
  • Bieten Sie eine ausgewogene Sicht auf Produktstärken und -schwächen

Weiterführende Literatur

  • Marktforschung: Fortgeschrittene Techniken
  • Nutzerinterviews: Der ultimative Leitfaden für Forschungsinterviews

FAQ