NanoSkill
Soumettre votre skill

Compétence d'agent d'analyse des sentiments

parphuryn26Kétoiles GitHubGitHub

Analysez les retours utilisateurs à grande échelle avec cette compétence d'analyse des sentiments : segmentez les utilisateurs par sentiment et par tâches à accomplir, obtenez des informations produit hiérarchisées. Commencez gratuitement en quelques secondes.

rechercheAnalyse de sécurité réussie
Aperçu du résultat

Démo complète

Consultez un rapport de sentiment avec des jauges de segment, des points de friction transverses et une liste restreinte de priorités de construction.

Démarrer

Exécuter votre première tâche

  1. the step of sentiment analysis agent skill
    01

    Installer

    Ajoutez la compétence d'analyse des sentiments à votre agent IA.

  2. the step of sentiment analysis agent skill
    02

    Importer les données de retours

    Fournissez des avis, des enquêtes ou des exports d'écoute sociale.

  3. the step of sentiment analysis agent skill
    03

    Obtenez votre rapport de sentiment

    Recevez des segments basés sur le comportement avec des scores de sentiment et des priorités.

Commande d’installation

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

Signaux d’installation

Activité d’installation

À propos

L'analyse des sentiments transforme les retours utilisateurs bruts en informations produit segmentées. Les chefs de produit, les chercheurs UX et les fondateurs utilisent cette compétence pour traiter les avis, les enquêtes et les données de support, puis obtiennent des profils de segments clairs, des scores de satisfaction et des opportunités d'amélioration hiérarchisées.

Les capacités clés de la compétence incluent l'identification automatique des segments, l'analyse thématique, la notation du sentiment sur une échelle de -1 à +1 et la hiérarchisation de l'impact. Elle va au-delà du sentiment global en reliant les tâches à accomplir, les points de friction et l'adéquation produit-segment afin que les équipes puissent voir à la fois ce que les utilisateurs adorent et ce qui provoque l'attrition.

Utilisez-la lors de la planification de la feuille de route, des revues d'attrition ou du tri des retours après lancement. Fournissez-lui des avis de boutiques d'applications, des exports d'enquêtes ou des rapports d'écoute sociale, et elle renvoie des recommandations par segment qui distinguent les gains rapides des initiatives stratégiques, avec des citations directes lorsqu'elles sont disponibles.

Fonctionnalités clés

Ce qui la rend puissante

  • Effectuer une analyse des sentiments à grande échelle

    Ingère des données CSV, PDF, d'enquêtes, d'avis et d'écoute sociale et synthétise les retours en profils de segments clairs.

  • Évaluer le sentiment par segment

    Attribue un score de sentiment de -1 à +1 et un indicateur NPS par segment pour quantifier la satisfaction et détecter le risque d'attrition.

  • Extraire les JTBD et les points de friction

    Extrait les jobs-to-be-done, les résultats souhaités, les principales plaintes et les besoins non satisfaits à partir des retours qualitatifs, avec des citations directes lorsqu'elles sont disponibles.

  • Prioriser les améliorations produit

    Classe les informations par fréquence, gravité et impact commercial pour distinguer les gains rapides des initiatives stratégiques.

Cas d’usage

Quand l’utiliser

  • Analyser les avis produits

    Les chefs de produit effectuent une analyse des sentiments sur les avis de l'App Store, de G2 ou de Trustpilot pour identifier les facteurs de satisfaction et les critiques au niveau des segments.

  • Synthétiser les réponses aux enquêtes

    Les chercheurs UX transforment les réponses ouvertes aux enquêtes en informations sur les JTBD et en points de friction priorisés, sans codage manuel.

  • Surveiller les rapports d'écoute sociale

    Les responsables marketing et communautaires traitent les mentions et les fils de discussion de retours pour détecter rapidement l'insatisfaction et la demande de fonctionnalités par segment.

SKILL.md

Analyse des sentiments

Objectif

Analyser des données de retours utilisateurs à grande échelle pour identifier des segments de marché, mesurer la satisfaction et découvrir des opportunités d'amélioration du produit. Cette compétence synthétise les retours en informations exploitables organisées par segment d'utilisateurs, sentiment et impact.

Instructions

Vous êtes un chercheur utilisateur expert et analyste de retours, spécialisé dans la synthèse de données qualitatives et l'analyse des sentiments à grande échelle.

Entrée

Votre tâche consiste à analyser les données de retours utilisateurs pour $ARGUMENTS et à identifier des segments de marché avec les informations de sentiment associées.

Si l'utilisateur fournit des fichiers CSV, des PDF, des réponses à des enquêtes, des données d'avis, des rapports d'écoute sociale ou d'autres sources de retours, lisez-les et analysez-les directement. Extrayez des motifs, des thèmes et des signaux de sentiment à partir des données.

Étapes d'analyse (réfléchissez étape par étape)

  1. Ingestion des données : Lire toutes les sources de retours et créer un inventaire de travail
  2. Identification des segments : Identifier au moins 3 segments d'utilisateurs ou personas distincts à partir des retours
  3. Analyse thématique : Extraire les thèmes récurrents, les points de friction et les retours positifs par segment
  4. Notation du sentiment : Attribuer des scores de sentiment (-1 à +1) pour la satisfaction globale par segment
  5. Évaluation de l'impact : Prioriser les informations selon la fréquence, la gravité et l'impact commercial
  6. Synthèse : Créer des profils de segments avec des informations consolidées

Structure de sortie

Pour chaque segment identifié :

Profil de segment

  • Nom/identifiant et caractéristiques communes
  • Nombre d'utilisateurs ou proportion dans l'ensemble de données de retours
  • Cas d'usage principal ou contexte

Travaux à accomplir (Jobs-to-be-Done)

  • Tâche principale que ce segment essaie d'accomplir
  • Résultats souhaités associés

Score de sentiment et niveau de satisfaction

  • Score de sentiment global (-1 à +1)
  • Principaux moteurs de satisfaction et facteurs de mécontentement
  • Approximation du score de promoteur net (NPS) le cas échéant

Principaux thèmes de retours positifs

  • Ce que ce segment apprécie à propos de $ARGUMENTS
  • Principaux atouts du point de vue de l'utilisateur
  • Exemples de cas d'usage réussis

Principaux points de friction et critiques

  • Plaintes ou frustrations les plus fréquentes
  • Besoins non satisfaits ou fonctionnalités manquantes
  • Points de friction dans le parcours utilisateur
  • Citations directes des retours lorsque disponibles

Évaluation de l'adéquation produit-segment

  • Dans quelle mesure $ARGUMENTS répond aux besoins de ce segment
  • Potentiel d'amélioration de l'adéquation par des modifications du produit
  • Risque d'attrition ou d'insatisfaction

Recommandations actionnables

  • 2 à 3 améliorations à plus fort impact par segment
  • Gains rapides vs. initiatives stratégiques
  • Segments à prioriser ou à déprioriser

Bonnes pratiques

  • Fonder toutes les conclusions sur des retours utilisateurs réels ; citer les sources
  • Identifier à la fois les perspectives majoritaires et minoritaires au sein des segments
  • Distinguer les demandes de fonctionnalités des points de friction fondamentaux
  • Prendre en compte le contexte et les contraintes rencontrées par les utilisateurs
  • Signaler les segments avec des échantillons de petite taille ou un sentiment incertain
  • Rechercher des motifs transversaux aux segments et des points de friction universels
  • Fournir une vision équilibrée des forces et faiblesses du produit

Pour aller plus loin

  • Étude de marché : techniques avancées
  • Entretiens utilisateurs : le guide ultime des entretiens de recherche

FAQ