# Competenza di analisi del sentiment per agenti > Analizza il feedback degli utenti su larga scala con questa competenza di analisi del sentiment: segmenta gli utenti per sentiment e JTBD, ottieni insight di prodotto prioritizzati. Inizia gratis in pochi secondi. - Canonical: https://nanoskill.ai/it/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/it/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: it - 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 L'analisi del sentiment trasforma il feedback grezzo degli utenti in insight di prodotto segmentati. Product manager, ricercatori UX e fondatori utilizzano questa competenza per elaborare recensioni, sondaggi e dati di supporto, ottenendo poi profili di segmento chiari, punteggi di soddisfazione e opportunità di miglioramento prioritarie. Le capacità principali della competenza includono l'identificazione automatica dei segmenti, l'analisi tematica, il punteggio del sentiment su una scala da -1 a +1 e la prioritizzazione dell'impatto. Va oltre il sentiment complessivo collegando i lavori da svolgere, i punti dolenti e l'adattamento prodotto-segmento, in modo che i team possano vedere sia ciò che gli utenti amano sia ciò che causa abbandono. Usala durante la pianificazione della roadmap, le revisioni sull'abbandono o il triage del feedback post-lancio. Forniscile recensioni degli app store, esportazioni di sondaggi o report di social listening e restituirà raccomandazioni a livello di segmento che separano le vittorie rapide dalle iniziative strategiche, con citazioni dirette quando disponibili. ## Key features - **Esegui analisi del sentiment su larga scala**: Acquisisce dati CSV, PDF, da sondaggi, recensioni e social listening e sintetizza il feedback in profili di segmento chiari. - **Valuta il sentiment per segmento**: Assegna un punteggio di sentiment da -1 a +1 e un proxy NPS per segmento per quantificare la soddisfazione e individuare il rischio di abbandono. - **Estrai JTBD e punti critici**: Estrae jobs-to-be-done, risultati desiderati, principali lamentele e bisogni insoddisfatti dal feedback qualitativo con citazioni dirette quando disponibili. - **Dai priorità ai miglioramenti del prodotto**: Classifica gli insight per frequenza, gravità e impatto aziendale per separare i risultati rapidi dalle iniziative strategiche. ## Use cases - **Analizza le recensioni dei prodotti**: I product manager eseguono l'analisi del sentiment sulle recensioni di app store, G2 o Trustpilot per identificare i fattori di soddisfazione e le critiche a livello di segmento. - **Sintetizza le risposte ai sondaggi**: I ricercatori UX trasformano le risposte aperte dei sondaggi in insight JTBD e punti critici prioritari senza etichettatura manuale. - **Monitora i report di social listening**: I marketer e i responsabili della community elaborano menzioni e thread di feedback per rilevare tempestivamente l'insoddisfazione e la domanda di funzionalità per segmento. ## Result preview Visualizza un report sul sentiment con indicatori di segmento, punti dolenti trasversali ai segmenti e una shortlist di cose da costruire per prime. ![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 ### Installa Aggiungi la competenza di analisi del sentiment al tuo agente AI. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### Carica i dati di feedback Fornisci recensioni, sondaggi o esportazioni di social listening. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### Ottieni il tuo report sul sentiment Ricevi segmenti basati sul comportamento con punteggi di sentiment e priorità. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # Analisi del sentiment ## Scopo Analizza i dati di feedback degli utenti su larga scala per identificare segmenti di mercato, misurare la soddisfazione e scoprire opportunità di miglioramento del prodotto. Questa competenza sintetizza il feedback in approfondimenti attuabili organizzati per segmento di utenti, sentiment e impatto. ## Istruzioni Sei un ricercatore utenti esperto e analista di feedback specializzato nella sintesi di dati qualitativi e nell'analisi del sentiment su larga scala. ### Dati di input Il tuo compito è analizzare i dati di feedback degli utenti per **$ARGUMENTS** e identificare segmenti di mercato con relativi approfondimenti sul sentiment. Se l'utente fornisce file CSV, PDF, risposte a sondaggi, dati di recensioni, report di social listening o altre fonti di feedback, leggili e analizzali direttamente. Estrai modelli, temi e segnali di sentiment dai dati. ### Passaggi di analisi (Pensa passo dopo passo) 1. **Acquisizione dei dati**: Leggi tutte le fonti di feedback e crea un inventario di lavoro 2. **Identificazione dei segmenti**: Identifica almeno 3 segmenti di utenti o persona distinti dal feedback 3. **Analisi tematica**: Estrai temi ricorrenti, punti critici e feedback positivi per ciascun segmento 4. **Punteggio del sentiment**: Assegna punteggi di sentiment (da -1 a +1) per la soddisfazione complessiva per segmento 5. **Valutazione dell'impatto**: Dai priorità agli approfondimenti in base a frequenza, gravità e impatto sul business 6. **Sintesi**: Crea profili dei segmenti con approfondimenti consolidati ### Struttura dell'output Per ciascun segmento identificato: **Profilo del segmento** - Nome/identificatore e caratteristiche comuni - Numero di utenti o proporzione nel dataset di feedback - Caso d'uso o contesto principale **Compiti da svolgere** - Compito principale che questo segmento sta cercando di portare a termine - Risultati desiderati associati **Punteggio di sentiment e livello di soddisfazione** - Punteggio di sentiment complessivo (da -1 a +1) - Principali fattori di soddisfazione e detrattori - Proxy del Net Promoter Score (NPS) se applicabile **Principali temi di feedback positivo** - Cosa ama questo segmento di $ARGUMENTS - Punti di forza chiave dal punto di vista dell'utente - Esempi di casi d'uso di successo **Principali punti critici e critiche** - Lamentele o frustrazioni più frequenti - Esigenze insoddisfatte o funzionalità mancanti - Punti di attrito nel percorso dell'utente - Citazioni dirette dal feedback quando disponibili **Valutazione dell'adattamento prodotto-segmento** - Quanto bene $ARGUMENTS soddisfa le esigenze di questo segmento - Potenziale di migliorare l'adattamento attraverso modifiche al prodotto - Rischio di abbandono o insoddisfazione **Raccomandazioni attuabili** - 2-3 miglioramenti ad alto impatto per segmento - Vittorie rapide vs. iniziative strategiche - Segmenti da prioritizzare o de-prioritizzare ## Buone pratiche - Basa tutti i risultati sul feedback reale degli utenti; cita le fonti - Identifica sia le prospettive di maggioranza sia quelle di minoranza all'interno dei segmenti - Distingui tra richieste di funzionalità e punti critici fondamentali - Considera il contesto e i vincoli che gli utenti affrontano - Segnala i segmenti con dimensioni del campione ridotte o sentiment incerto - Cerca modelli trasversali ai segmenti e punti critici universali - Fornisci una visione equilibrata dei punti di forza e di debolezza del prodotto --- ### Approfondimenti - [Ricerca di mercato: tecniche avanzate](https://www.productcompass.pm/p/market-research-advanced-techniques) - [Interviste agli utenti: la guida definitiva alle interviste di ricerca](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### Che cos'è l'analisi del sentiment per il feedback degli utenti? È un metodo di lettura di recensioni, sondaggi e dati di assistenza per identificare segmenti di utenti e assegnare punteggi di soddisfazione, così puoi vedere quali gruppi amano o hanno difficoltà con un prodotto. ### Come analizza questa competenza i dati di feedback degli utenti? Segue sei passaggi: acquisizione dei dati, identificazione dei segmenti, analisi tematica, punteggio del sentiment su una scala da -1 a +1, valutazione dell'impatto e sintesi in profili dei segmenti e raccomandazioni. ### Quale punteggio di sentiment utilizza? Ogni segmento riceve un punteggio di sentiment complessivo da -1 a +1, con 1 per positivo e -1 per negativo. Aggiunge anche un proxy NPS quando i dati lo supportano. ### Quali segmenti di utenti identifica? L'abilità identifica almeno tre segmenti di utenti o personas distinti dal feedback, includendo le loro caratteristiche, la proporzione nel dataset e il contesto principale. ### Funziona con dati CSV, PDF e dati di sondaggio? Sì. Può leggere file CSV, PDF, risposte a sondaggi, esportazioni di recensioni, report di social listening e altre fonti di feedback e analizzarli direttamente. ### Posso usarlo per recensioni di prodotti o social listening? Sì. L'abilità è progettata per il feedback degli utenti su larga scala, incluse recensioni, sondaggi e report di social listening, e segnala i segmenti con dimensioni del campione ridotte o sentiment incerto.