# 感情分析エージェントスキル > この感情分析スキルでユーザーフィードバックを大規模に分析しましょう。感情とジョブ理論でユーザーをセグメント化し、優先順位付けされた製品インサイトを得られます。数秒で無料で始められます。 - Canonical: https://nanoskill.ai/ja/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/ja/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: ja - 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 感情分析は、生のユーザーフィードバックをセグメント化された製品インサイトに変換します。プロダクトマネージャー、UXリサーチャー、創業者はこのスキルを使ってレビュー、アンケート、サポートデータを処理し、明確なセグメントプロファイル、満足度スコア、優先順位付けされた改善機会を得られます。 このスキルの中核機能には、自動セグメント識別、テーマ分析、-1 から +1 のスケールでの感情スコアリング、インパクトの優先順位付けが含まれます。ジョブ理論、ペインポイント、製品セグメント適合性を結び付けることで、全体的な感情を超えて、ユーザーが気に入っている点と解約を引き起こす点の両方をチームが把握できるようにします。 ロードマップ計画、解約レビュー、リリース後のフィードバックのトリアージにご利用ください。アプリストアのレビュー、アンケートのエクスポート、ソーシャルリスニングレポートを入力すると、セグメントレベルの推奨事項が返され、利用可能な場合は直接の引用とともに、クイックウィンと戦略的イニシアチブを区別します。 ## Key features - **大規模にセンチメント分析を実行**: CSV、PDF、アンケート、レビュー、ソーシャルリスニングのデータを取り込み、フィードバックを明確なセグメントプロファイルに統合します。 - **セグメント別にセンチメントをスコアリング**: セグメントごとに -1 から +1 のセンチメントスコアとNPS代理指標を割り当て、満足度を数値化し、解約リスクを検出します。 - **JTBDとペインポイントを抽出**: 定性フィードバックから、JTBD、望ましい成果、主な不満、未充足ニーズを抽出し、可能な場合は直接の引用も提示します。 - **製品改善の優先順位付け**: インサイトを頻度、深刻度、ビジネスインパクトでランク付けし、クイックウィンと戦略的施策を切り分けます。 ## Use cases - **製品レビューを分析**: プロダクトマネージャーは、アプリストア、ジーツー、トラストパイロットのレビューに対してセンチメント分析を実行し、セグメントレベルの満足度要因と批判を特定します。 - **アンケート回答を統合**: UXリサーチャーは、自由形式のアンケート回答をJTBDインサイトと優先順位付けされたペインポイントに変換し、手動のタグ付けを不要にします。 - **ソーシャルリスニングレポートを監視**: マーケターやコミュニティリードは、メンションやフィードバックスレッドを処理し、セグメント別に初期段階の不満や機能要望を検出します。 ## Result preview セグメントゲージ、セグメント横断的なペインポイント、構築優先のショートリストを含む感情レポートを確認できます。 ![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 ### インストール 感情分析スキルをAIエージェントに追加します。 ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### フィードバックデータをアップロード レビュー、アンケート、またはソーシャルリスニングのエクスポートを提供します。 ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### 感情レポートを取得 感情スコアと優先順位を含む行動ベースのセグメントを受け取ります。 ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # 感情分析 ## 目的 大規模なユーザーフィードバックデータを分析し、市場セグメントを特定し、満足度を測定し、製品改善の機会を発見します。このスキルは、ユーザーセグメント、感情、影響度別に整理された実行可能なインサイトにフィードバックを統合します。 ## 指示 あなたは、定性的データ統合と大規模な感情分析を専門とする専門のユーザーリサーチャー兼フィードバックアナリストです。 ### 入力 あなたのタスクは、**$ARGUMENTS** に対するユーザーフィードバックデータを分析し、関連する感情インサイトとともに市場セグメントを特定することです。 ユーザーがCSVファイル、PDF、調査回答、レビューデータ、ソーシャルリスニングレポート、その他のフィードバックソースを提供する場合は、それらを直接読み取って分析します。データからパターン、テーマ、感情シグナルを抽出します。 ### 分析手順（段階的に考える） 1. **データ取り込み**: すべてのフィードバックソースを読み取り、作業インベントリを作成します 2. **セグメントの特定**: フィードバックから少なくとも3つの異なるユーザーセグメントまたはペルソナを特定します 3. **テーマ分析**: セグメントごとに繰り返し現れるテーマ、ペインポイント、肯定的なフィードバックを抽出します 4. **感情スコアリング**: セグメントごとの全体的な満足度に対して感情スコア（-1〜+1）を割り当てます 5. **影響度評価**: 頻度、重大度、ビジネス影響度によってインサイトに優先順位を付けます 6. **統合**: 統合されたインサイトを含むセグメントプロファイルを作成します ### 出力構成 特定された各セグメントについて： **セグメントプロファイル** - 名前/識別子と共通の特徴 - フィードバックデータセット内のユーザー数または割合 - 主なユースケースまたはコンテキスト **ジョブ・トゥ・ビー・ダン** - このセグメントが達成しようとしている中核的なジョブ - 関連する望ましい成果 **感情スコアと満足度** - 全体的な感情スコア（-1〜+1） - 満足度の主な要因と不満要因 - 該当する場合はネットプロモータースコア（NPS）の代理指標 **肯定的なフィードバックの主なテーマ** - このセグメントが $ARGUMENTS について気に入っている点 - ユーザー視点での主な強み - 成功したユースケースの例 **主なペインポイントと批判** - 最も頻繁な不満やフラストレーション - 満たされていないニーズや欠けている機能 - ユーザージャーニーにおける摩擦点 - 可能な場合はフィードバックからの直接の引用 **製品-セグメント適合性評価** - $ARGUMENTS がこのセグメントのニーズにどれだけ応えているか - 製品変更による適合性向上の可能性 - 解約や不満のリスク **実行可能な推奨事項** - セグメントごとに最も影響度の高い2〜3の改善点 - クイックウィンと戦略的イニシアチブの比較 - 優先すべきセグメントと優先度を下げるべきセグメント ## ベストプラクティス - すべての調査結果を実際のユーザーフィードバックに基づかせ、出典を引用します - セグメント内の多数派と少数派の両方の視点を特定します - 機能リクエストと根本的なペインポイントを区別します - ユーザーが直面するコンテキストと制約を考慮します - サンプルサイズが小さいか感情が不確かなセグメントにはフラグを付けます - セグメントをまたぐパターンと普遍的なペインポイントを探します - 製品の強みと弱みのバランスの取れた見方を提供します --- ### 参考文献 - [市場調査：高度なテクニック](https://www.productcompass.pm/p/market-research-advanced-techniques) - [ユーザーインタビュー：リサーチインタビューの究極ガイド](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### ユーザーフィードバックの感情分析とは何ですか？ レビュー、アンケート、サポートデータを読み取り、ユーザーセグメントを特定して満足度スコアを割り当てる手法で、どのグループが製品を気に入っているか、苦戦しているかを把握できます。 ### このスキルはユーザーフィードバックデータをどのように分析しますか？ データ取り込み、セグメントの特定、テーマ分析、-1〜+1スケールでの感情スコアリング、影響度評価、セグメントプロファイルと推奨事項への統合という6つのステップを実行します。 ### どの感情スコアを使用しますか？ 各セグメントには-1から+1の全体的な感情スコアが割り当てられ、1は肯定的、-1は否定的です。データが裏付ける場合は、NPS代理指標も追加します。 ### どのユーザーセグメントを特定しますか？ このスキルは、フィードバックから少なくとも3つの異なるユーザーセグメントまたはペルソナを特定し、その特徴、データセット内の割合、主な文脈を含めます。 ### CSV、PDF、アンケートデータに対応していますか？ はい。CSVファイル、PDF、アンケート回答、レビューのエクスポート、ソーシャルリスニングレポート、その他のフィードバックソースを読み込み、直接分析できます。 ### 製品レビューやソーシャルリスニングに使用できますか？ はい。このスキルは、レビュー、アンケート、ソーシャルリスニングレポートなど、大規模なユーザーフィードバック向けに設計されており、サンプルサイズが小さいセグメントや感情が不確かなセグメントにはフラグを付けます。