# Habilidad de agente de análisis de sentimiento > Analiza los comentarios de los usuarios a escala con esta habilidad de análisis de sentimiento: segmenta a los usuarios por sentimiento y trabajos por hacer, obtén información de producto priorizada. Empieza gratis en segundos. - Canonical: https://nanoskill.ai/es/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/es/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: es - 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 El análisis de sentimiento transforma los comentarios sin procesar de los usuarios en información de producto segmentada. Los gestores de producto, investigadores de UX y fundadores utilizan esta habilidad para procesar reseñas, encuestas y datos de soporte y, a continuación, obtienen perfiles de segmento claros, puntuaciones de satisfacción y oportunidades de mejora priorizadas. Las capacidades principales de la habilidad incluyen la identificación automática de segmentos, el análisis temático, la puntuación de sentimiento en una escala de -1 a +1 y la priorización de impacto. Va más allá del sentimiento general al conectar los trabajos por hacer, los puntos de dolor y el ajuste producto-segmento para que los equipos puedan ver tanto lo que encanta a los usuarios como lo que provoca el abandono. Úsalo durante la planificación de la hoja de ruta, las revisiones de abandono o el triaje de comentarios después del lanzamiento. Aliméntalo con reseñas de tiendas de aplicaciones, exportaciones de encuestas o informes de escucha social, y te devolverá recomendaciones a nivel de segmento que separan las victorias rápidas de las iniciativas estratégicas, con citas directas cuando estén disponibles. ## Key features - **Ejecutar análisis de sentimiento a escala**: Ingiere datos de CSV, PDF, encuestas, reseñas y escucha social y sintetiza los comentarios en perfiles de segmento claros. - **Puntuar el sentimiento por segmento**: Asigna una puntuación de sentimiento de -1 a +1 y un proxy de NPS por segmento para cuantificar la satisfacción y detectar el riesgo de abandono. - **Extraer trabajos por hacer (JTBD) y puntos de dolor**: Extrae trabajos por hacer, resultados deseados, principales quejas y necesidades no satisfechas de los comentarios cualitativos con citas directas cuando están disponibles. - **Priorizar mejoras del producto**: Clasifica las percepciones por frecuencia, gravedad e impacto en el negocio para separar victorias rápidas de iniciativas estratégicas. ## Use cases - **Analizar reseñas de productos**: Los gerentes de producto ejecutan análisis de sentimiento en reseñas de tiendas de aplicaciones, G2 o Trustpilot para identificar los impulsores de satisfacción y las críticas a nivel de segmento. - **Sintetizar respuestas de encuestas**: Los investigadores de UX convierten las respuestas abiertas de encuestas en percepciones de trabajos por hacer (JTBD) y puntos de dolor priorizados sin etiquetado manual. - **Supervisar informes de escucha social**: Los especialistas en marketing y líderes de comunidad procesan menciones e hilos de comentarios para detectar insatisfacción temprana y demanda de funciones por segmento. ## Result preview Consulta un informe de sentimiento con indicadores de segmento, puntos de dolor entre segmentos y una lista corta de prioridades de construcción. ![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 ### Instalar Añade la habilidad de análisis de sentimiento a tu agente de IA. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### Sube datos de comentarios Proporciona reseñas, encuestas o exportaciones de escucha social. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### Obtén tu informe de sentimiento Recibe segmentos basados en el comportamiento con puntuaciones de sentimiento y prioridades. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # Análisis de sentimiento ## Propósito Analice datos de comentarios de usuarios a gran escala para identificar segmentos de mercado, medir la satisfacción y descubrir oportunidades de mejora del producto. Esta habilidad sintetiza los comentarios en información procesable organizada por segmento de usuario, sentimiento e impacto. ## Instrucciones Eres un investigador de usuarios y analista de comentarios experto, especializado en síntesis de datos cualitativos y análisis de sentimiento a escala. ### Entrada Tu tarea es analizar los datos de comentarios de los usuarios para **$ARGUMENTS** e identificar segmentos de mercado con información de sentimiento asociada. Si el usuario proporciona archivos CSV, PDF, respuestas a encuestas, datos de reseñas, informes de escucha social u otras fuentes de comentarios, léelos y analízalos directamente. Extrae patrones, temas y señales de sentimiento de los datos. ### Pasos del análisis (piensa paso a paso) 1. **Ingesta de datos**: lee todas las fuentes de comentarios y crea un inventario de trabajo 2. **Identificación de segmentos**: identifica al menos 3 segmentos de usuarios o personas distintos a partir de los comentarios 3. **Análisis temático**: extrae temas recurrentes, puntos de dolor y comentarios positivos por segmento 4. **Puntuación de sentimiento**: asigna puntuaciones de sentimiento (-1 a +1) para la satisfacción general por segmento 5. **Evaluación de impacto**: prioriza la información por frecuencia, gravedad e impacto en el negocio 6. **Síntesis**: crea perfiles de segmento con información consolidada ### Estructura de salida Para cada segmento identificado: **Perfil del segmento** - Nombre/identificador y características comunes - Número de usuarios o proporción en el conjunto de datos de comentarios - Caso de uso o contexto principal **Trabajos por hacer** - Trabajo principal que este segmento intenta lograr - Resultados deseados asociados **Puntuación de sentimiento y nivel de satisfacción** - Puntuación de sentimiento general (-1 a +1) - Impulsores y detractores clave de la satisfacción - Aproximación del Net Promoter Score (NPS) si corresponde **Principales temas de comentarios positivos** - Lo que este segmento ama de $ARGUMENTS - Fortalezas clave desde la perspectiva del usuario - Ejemplos de casos de uso exitosos **Principales puntos de dolor y críticas** - Quejas o frustraciones más frecuentes - Necesidades no satisfechas o funciones faltantes - Puntos de fricción en el recorrido del usuario - Citas directas de los comentarios cuando estén disponibles **Evaluación del ajuste producto-segmento** - En qué medida $ARGUMENTS satisface las necesidades de este segmento - Potencial para mejorar el ajuste mediante cambios en el producto - Riesgo de abandono o insatisfacción **Recomendaciones accionables** - 2-3 mejoras de mayor impacto por segmento - Victorias rápidas frente a iniciativas estratégicas - Segmentos a priorizar o despriorizar ## Buenas prácticas - Fundamenta todos los hallazgos en comentarios reales de usuarios; cita las fuentes - Identifica perspectivas tanto mayoritarias como minoritarias dentro de los segmentos - Distingue entre solicitudes de funciones y puntos de dolor fundamentales - Considera el contexto y las limitaciones que enfrentan los usuarios - Marca los segmentos con tamaños de muestra pequeños o sentimiento incierto - Busca patrones entre segmentos y puntos de dolor universales - Proporciona una visión equilibrada de las fortalezas y debilidades del producto --- ### Lecturas adicionales - [Investigación de mercado: técnicas avanzadas](https://www.productcompass.pm/p/market-research-advanced-techniques) - [Entrevistas a usuarios: la guía definitiva para entrevistas de investigación](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### ¿Qué es el análisis de sentimiento para los comentarios de los usuarios? Es un método de lectura de reseñas, encuestas y datos de soporte para identificar segmentos de usuarios y asignar puntuaciones de satisfacción, de modo que puedas ver qué grupos adoran un producto o tienen dificultades con él. ### ¿Cómo analiza esta habilidad los datos de comentarios de los usuarios? Sigue seis pasos: ingesta de datos, identificación de segmentos, análisis temático, puntuación de sentimiento en una escala de -1 a +1, evaluación de impacto y síntesis en perfiles de segmento y recomendaciones. ### ¿Qué puntuación de sentimiento utiliza? Cada segmento recibe una puntuación de sentimiento general de -1 a +1, donde 1 es positivo y -1 es negativo. También añade una aproximación del NPS cuando los datos lo respaldan. ### ¿Qué segmentos de usuarios identifica? La habilidad identifica al menos tres segmentos de usuarios o personas distintos a partir de los comentarios, incluyendo sus características, proporción en el conjunto de datos y contexto principal. ### ¿Funciona con datos de CSV, PDF y encuestas? Sí. Puede leer archivos CSV, PDF, respuestas de encuestas, exportaciones de reseñas, informes de escucha social y otras fuentes de comentarios y analizarlos directamente. ### ¿Puedo usarlo para reseñas de productos o escucha social? Sí. La habilidad está diseñada para comentarios de usuarios a escala, incluidas reseñas, encuestas e informes de escucha social, y marca los segmentos con tamaños de muestra pequeños o sentimiento incierto.