# Habilidade de Agente de Análise de Sentimento > Analise o feedback dos usuários em escala com esta habilidade de análise de sentimento: segmente os usuários por sentimento e trabalhos a serem feitos, obtenha insights de produto priorizados. Comece grátis em segundos. - Canonical: https://nanoskill.ai/pt/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/pt/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: pt - 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 A análise de sentimento transforma o feedback bruto dos usuários em insights de produto segmentados. Gerentes de produto, pesquisadores de UX e fundadores usam esta habilidade para processar avaliações, pesquisas e dados de suporte e, em seguida, obter perfis de segmento claros, pontuações de satisfação e oportunidades de melhoria priorizadas. As principais capacidades da habilidade incluem identificação automática de segmentos, análise temática, pontuação de sentimento em uma escala de -1 a +1 e priorização de impacto. Ela vai além do sentimento geral ao conectar trabalhos a serem feitos, pontos de dor e adequação produto-segmento, para que as equipes possam ver tanto o que os usuários amam quanto o que impulsiona a rotatividade. Use-a durante o planejamento do roadmap, revisões de rotatividade ou triagem de feedback pós-lançamento. Alimente-a com avaliações da loja de aplicativos, exportações de pesquisas ou relatórios de escuta social, e ela retorna recomendações em nível de segmento que separam ganhos rápidos de iniciativas estratégicas, com citações diretas quando disponíveis. ## Key features - **Execute análise de sentimento em escala**: Ingere dados de CSV, PDF, pesquisas, avaliações e social listening e sintetiza o feedback em perfis claros de segmentos. - **Pontue o sentimento por segmento**: Atribui uma pontuação de sentimento de -1 a +1 e um proxy de NPS por segmento para quantificar a satisfação e identificar risco de churn. - **Extraia JTBD e pontos problemáticos**: Extrai jobs-to-be-done, resultados desejados, principais reclamações e necessidades não atendidas do feedback qualitativo com citações diretas quando disponíveis. - **Priorize melhorias de produto**: Classifica insights por frequência, gravidade e impacto nos negócios para separar ganhos rápidos de iniciativas estratégicas. ## Use cases - **Analise avaliações de produtos**: Gerentes de produto executam análise de sentimento em avaliações de lojas de aplicativos, G2 ou Trustpilot para identificar direcionadores de satisfação e críticas no nível do segmento. - **Sintetize respostas de pesquisas**: Pesquisadores de UX transformam respostas abertas de pesquisas em insights de JTBD e pontos problemáticos priorizados sem marcação manual. - **Monitore relatórios de social listening**: Profissionais de marketing e líderes de comunidade processam menções e threads de feedback para detectar insatisfação precoce e demanda de recursos por segmento. ## Result preview Veja um relatório de sentimento com medidores de segmento, pontos de dor entre segmentos e uma lista priorizada do que construir primeiro. ![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 Adicione a Habilidade de Análise de Sentimento ao seu agente de IA. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### Carregar dados de feedback Forneça avaliações, pesquisas ou exportações de escuta social. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### Obtenha seu relatório de sentimento Receba segmentos baseados em comportamento com pontuações de sentimento e prioridades. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # Análise de Sentimentos ## Objetivo Analisar dados de feedback de usuários em larga escala para identificar segmentos de mercado, medir a satisfação e descobrir oportunidades de melhoria do produto. Esta habilidade sintetiza o feedback em insights acionáveis organizados por segmento de usuário, sentimento e impacto. ## Instruções Você é um pesquisador de usuários e analista de feedback especialista em síntese de dados qualitativos e análise de sentimentos em escala. ### Entrada Sua tarefa é analisar dados de feedback de usuários para **$ARGUMENTS** e identificar segmentos de mercado com insights de sentimento associados. Se o usuário fornecer arquivos CSV, PDFs, respostas de pesquisas, dados de avaliações, relatórios de escuta social ou outras fontes de feedback, leia e analise-os diretamente. Extraia padrões, temas e sinais de sentimento dos dados. ### Etapas de Análise (Pense Passo a Passo) 1. **Ingestão de Dados**: Leia todas as fontes de feedback e crie um inventário de trabalho 2. **Identificação de Segmentos**: Identifique pelo menos 3 segmentos de usuários ou personas distintos a partir do feedback 3. **Análise Temática**: Extraia temas recorrentes, pontos problemáticos e feedback positivo por segmento 4. **Pontuação de Sentimento**: Atribua pontuações de sentimento (-1 a +1) para a satisfação geral por segmento 5. **Avaliação de Impacto**: Priorize insights por frequência, gravidade e impacto nos negócios 6. **Síntese**: Crie perfis de segmento com insights consolidados ### Estrutura de Saída Para cada segmento identificado: **Perfil do Segmento** - Nome/identificador e características comuns - Contagem de usuários ou proporção no conjunto de dados de feedback - Caso de uso ou contexto principal **Tarefas a Serem Realizadas (Jobs-to-be-Done)** - Tarefa principal que este segmento está tentando realizar - Resultados desejados associados **Pontuação de Sentimento e Nível de Satisfação** - Pontuação geral de sentimento (-1 a +1) - Principais impulsionadores de satisfação e detratores - Proxy de Net Promoter Score (NPS), se aplicável **Principais Temas de Feedback Positivo** - O que este segmento adora em $ARGUMENTS - Principais pontos fortes na perspectiva do usuário - Exemplos de casos de uso bem-sucedidos **Principais Pontos Problemáticos e Críticas** - Reclamações ou frustrações mais frequentes - Necessidades não atendidas ou recursos ausentes - Pontos de atrito na jornada do usuário - Citações diretas do feedback quando disponíveis **Avaliação de Adequação Produto-Segmento** - Quão bem $ARGUMENTS atende às necessidades deste segmento - Potencial para melhorar a adequação por meio de mudanças no produto - Risco de churn ou insatisfação **Recomendações Acionáveis** - 2 a 3 melhorias de maior impacto por segmento - Vitórias rápidas vs. iniciativas estratégicas - Segmentos a priorizar ou despriorizar ## Melhores Práticas - Baseie todas as descobertas em feedback real de usuários; cite fontes - Identifique perspectivas majoritárias e minoritárias dentro dos segmentos - Distinga entre solicitações de recursos e pontos problemáticos fundamentais - Considere o contexto e as restrições que os usuários enfrentam - Sinalize segmentos com tamanhos de amostra pequenos ou sentimento incerto - Procure padrões entre segmentos e pontos problemáticos universais - Forneça uma visão equilibrada dos pontos fortes e fracos do produto --- ### Leitura Adicional - [Pesquisa de Mercado: Técnicas Avançadas](https://www.productcompass.pm/p/market-research-advanced-techniques) - [Entrevistas com Usuários: O Guia Definitivo para Entrevistas de Pesquisa](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### O que é análise de sentimentos para feedback de usuários? É um método de ler avaliações, pesquisas e dados de suporte para identificar segmentos de usuários e atribuir pontuações de satisfação, para que você possa ver quais grupos amam ou têm dificuldades com um produto. ### Como esta habilidade analisa dados de feedback de usuários? Ela segue seis etapas: ingestão de dados, identificação de segmentos, análise temática, pontuação de sentimento em uma escala de -1 a +1, avaliação de impacto e síntese em perfis de segmento e recomendações. ### Qual pontuação de sentimento ela usa? Cada segmento recebe uma pontuação geral de sentimento de -1 a +1, sendo 1 para positivo e -1 para negativo. Ela também adiciona um proxy de NPS quando os dados suportam. ### Quais segmentos de usuários ela identifica? A habilidade identifica pelo menos três segmentos de usuários distintos ou personas a partir do feedback, incluindo suas características, proporção no conjunto de dados e contexto primário. ### Funciona com dados CSV, PDF e de pesquisas? Sim. Ela pode ler arquivos CSV, PDFs, respostas de pesquisas, exportações de avaliações, relatórios de social listening e outras fontes de feedback e analisá-los diretamente. ### Posso usá-la para avaliações de produtos ou social listening? Sim. A habilidade foi projetada para feedback de usuários em escala, incluindo avaliações, pesquisas e relatórios de social listening, e sinaliza segmentos com tamanhos de amostra pequenos ou sentimento incerto.