# Sentiment-Analyse-Agenten-Skill > 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. - Canonical: https://nanoskill.ai/de/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/de/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: de - Source type: github - Popularity signal: 25845 ## Sources - https://github.com/phuryn/pm-skills/tree/main/pm-market-research/skills/sentiment-analysis ## Install ```shell npx skills add https://github.com/phuryn/pm-skills/tree/main/pm-market-research/skills/sentiment-analysis ``` ## About 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. ## Key features - **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. ## Use cases - **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. ## Result preview Sehen Sie einen Sentiment-Bericht mit Segment-Anzeigen, segmentübergreifenden Schmerzpunkten und einer Build-First-Shortlist. ![the demo of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-demo-1.png) ![the demo of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-demo-2.png) ![the demo of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-demo-3.png) ![the demo of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-demo-4.png) ## Result walkthrough ### Installieren Fügen Sie den Sentiment-Analyse-Skill zu Ihrem KI-Agenten hinzu. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### Feedback-Daten hochladen Stellen Sie Rezensionen, Umfragen oder Social-Listening-Exporte bereit. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### Erhalten Sie Ihren Sentiment-Bericht Erhalten Sie verhaltensbasierte Segmente mit Sentiment-Scores und Prioritäten. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # 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](https://www.productcompass.pm/p/market-research-advanced-techniques) - [Nutzerinterviews: Der ultimative Leitfaden für Forschungsinterviews](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### Was ist Sentiment-Analyse für Nutzerfeedback? Es handelt sich um eine Methode, Bewertungen, Umfragen und Support-Daten zu lesen, um Nutzersegmente zu identifizieren und Zufriedenheitswerte zuzuweisen, damit Sie erkennen können, welche Gruppen ein Produkt lieben oder damit Schwierigkeiten haben. ### Wie analysiert diese Fähigkeit Nutzerfeedback-Daten? Sie folgt sechs Schritten: Datenerfassung, Segmentidentifikation, thematische Analyse, Stimmungsbewertung auf einer Skala von -1 bis +1, Auswirkungsbewertung und Synthese zu Segmentprofilen und Empfehlungen. ### Welchen Stimmungswert verwendet sie? Jedes Segment erhält einen Gesamt-Stimmungswert von -1 bis +1, wobei 1 für positiv und -1 für negativ steht. Außerdem wird ein NPS-Proxy hinzugefügt, wenn die Daten dies unterstützen. ### Welche Nutzersegmente identifiziert sie? Der Skill identifiziert mindestens drei verschiedene Nutzersegmente oder Personas aus dem Feedback, einschließlich ihrer Merkmale, ihres Anteils im Datensatz und des primären Kontexts. ### Funktioniert es mit CSV-, PDF- und Umfragedaten? Ja. Es kann CSV-Dateien, PDFs, Umfrageantworten, Bewertungsexporte, Social-Listening-Berichte und andere Feedbackquellen lesen und direkt analysieren. ### Kann ich es für Produktbewertungen oder Social Listening verwenden? Ja. Der Skill ist für Nutzerfeedback in großem Umfang konzipiert, einschließlich Bewertungen, Umfragen und Social-Listening-Berichten, und markiert Segmente mit kleinen Stichprobengrößen oder unsicherer Stimmung.