# Навык агента анализа тональности > Анализируйте пользовательскую обратную связь в больших объемах с помощью этого навыка анализа тональности: сегментируйте пользователей по тональности и задачам, которые нужно выполнить, получайте приоритизированные продуктовые инсайты. Начните бесплатно за считанные секунды. - Canonical: https://nanoskill.ai/ru/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/ru/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: ru - 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 Анализ тональности превращает сырую пользовательскую обратную связь в сегментированные инсайты о продукте. Менеджеры по продукту, UX-исследователи и основатели используют этот навык для обработки отзывов, опросов и данных службы поддержки, а затем получают четкие профили сегментов, оценки удовлетворенности и приоритизированные возможности для улучшения. Ключевые возможности навыка включают автоматическое определение сегментов, тематический анализ, оценку тональности по шкале от -1 до +1 и приоритизацию влияния. Он выходит за рамки общей тональности, связывая задачи, которые нужно выполнить, болевые точки и соответствие продукта сегменту, чтобы команды могли видеть, что нравится пользователям и что вызывает отток. Используйте его при планировании дорожной карты, анализе оттока или сортировке обратной связи после запуска. Передайте ему отзывы из магазинов приложений, выгрузки опросов или отчеты по мониторингу социальных сетей, и он вернет рекомендации на уровне сегментов, отделяющие быстрые победы от стратегических инициатив, с прямыми цитатами, если они доступны. ## Key features - **Запускайте анализ тональности в больших масштабах**: Принимает данные из CSV, PDF, опросов, отзывов и социального мониторинга и обобщает обратную связь в чёткие профили сегментов. - **Оценивайте тональность по сегментам**: Присваивает каждому сегменту оценку тональности от -1 до +1 и прокси-показатель NPS для количественной оценки удовлетворённости и выявления риска оттока. - **Извлекайте задачи, которые нужно выполнить, и болевые точки**: Извлекает задачи, которые нужно выполнить, желаемые результаты, основные жалобы и неудовлетворённые потребности из качественной обратной связи с прямыми цитатами, когда они доступны. - **Приоритизируйте улучшения продукта**: Ранжирует инсайты по частоте, серьёзности и влиянию на бизнес, чтобы отделить быстрые победы от стратегических инициатив. ## Use cases - **Анализируйте отзывы о продуктах**: Продакт-менеджеры проводят анализ тональности отзывов из магазинов приложений, G2 или Trustpilot, чтобы выявить драйверы удовлетворённости и критику на уровне сегментов. - **Обобщайте ответы на опросы**: UX-исследователи превращают открытые ответы на опросы в инсайты о задачах, которые нужно выполнить, и приоритизированные болевые точки без ручной разметки. - **Отслеживайте отчёты по социальному мониторингу**: Маркетологи и руководители сообществ обрабатывают упоминания и ветки обратной связи, чтобы выявлять раннюю неудовлетворённость и спрос на функции по сегментам. ## Result preview Получите отчет о тональности с индикаторами по сегментам, межсегментными болевыми точками и списком приоритетных задач для разработки. ![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 ### Установить Добавьте навык анализа тональности в своего ИИ-агента. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### Загрузите данные обратной связи Предоставьте отзывы, опросы или выгрузки социального мониторинга. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### Получите отчет о тональности Получите сегменты на основе поведения с оценками тональности и приоритетами. ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # Анализ тональности ## Цель Анализируйте крупномасштабные данные отзывов пользователей, чтобы выявлять рыночные сегменты, измерять удовлетворённость и находить возможности для улучшения продукта. Этот навык обобщает отзывы в пригодные к действию выводы, сгруппированные по сегментам пользователей, тональности и влиянию. ## Инструкции Вы — эксперт по исследованию пользователей и аналитик отзывов, специализирующийся на качественном синтезе данных и анализе тональности в больших масштабах. ### Входные данные Ваша задача — проанализировать данные отзывов пользователей по **$ARGUMENTS** и выявить рыночные сегменты с соответствующими выводами о тональности. Если пользователь предоставляет CSV-файлы, PDF-документы, ответы на опросы, данные отзывов, отчёты о мониторинге социальных сетей или другие источники обратной связи, читайте и анализируйте их напрямую. Извлекайте закономерности, темы и сигналы тональности из данных. ### Шаги анализа (думайте пошагово) 1. **Сбор данных**: Прочитайте все источники отзывов и создайте рабочий реестр. 2. **Определение сегментов**: Определите как минимум 3 различных сегмента пользователей или персоны на основе отзывов. 3. **Тематический анализ**: Извлеките повторяющиеся темы, болевые точки и положительные отзывы для каждого сегмента. 4. **Оценка тональности**: Присвойте оценки тональности (от -1 до +1) для общей удовлетворённости по каждому сегменту. 5. **Оценка влияния**: Приоритизируйте выводы по частоте, серьёзности и бизнес-влиянию. 6. **Синтез**: Создайте профили сегментов с консолидированными выводами. ### Структура выходных данных Для каждого выявленного сегмента: **Профиль сегмента** - Название/идентификатор и общие характеристики - Количество пользователей или доля в наборе данных отзывов - Основной вариант использования или контекст **Работы, которые нужно выполнить (Jobs-to-be-Done)** - Основная задача, которую этот сегмент пытается решить - Связанные желаемые результаты **Оценка тональности и уровень удовлетворённости** - Общая оценка тональности (от -1 до +1) - Ключевые факторы удовлетворённости и недовольства - Приблизительный показатель Net Promoter Score (NPS), если применимо **Основные темы положительных отзывов** - Что этот сегмент любит в $ARGUMENTS - Ключевые сильные стороны с точки зрения пользователей - Примеры успешных вариантов использования **Основные болевые точки и критика** - Наиболее частые жалобы или разочарования - Неудовлетворённые потребности или отсутствующие функции - Точки трения на пути пользователя - Прямые цитаты из отзывов, если доступны **Оценка соответствия продукта и сегмента** - Насколько хорошо $ARGUMENTS удовлетворяет потребности этого сегмента - Потенциал улучшения соответствия за счёт изменений продукта - Риск оттока или неудовлетворённости **Рекомендации к действию** - 2-3 наиболее значимых улучшения для каждого сегмента - Быстрые победы и стратегические инициативы - Сегменты, которые следует приоритизировать или снизить приоритет ## Лучшие практики - Основывайте все выводы на реальных отзывах пользователей; указывайте источники. - Выявляйте как мнение большинства, так и меньшинства внутри сегментов. - Различайте запросы на функции и фундаментальные болевые точки. - Учитывайте контекст и ограничения, с которыми сталкиваются пользователи. - Отмечайте сегменты с небольшим размером выборки или неопределённой тональностью. - Ищите межсегментные закономерности и универсальные болевые точки. - Давайте сбалансированное представление о сильных и слабых сторонах продукта. --- ### Дополнительная литература - [Маркетинговые исследования: продвинутые методы](https://www.productcompass.pm/p/market-research-advanced-techniques) - [Интервью с пользователями: полное руководство по исследовательским интервью](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### Что такое анализ тональности отзывов пользователей? Это метод анализа отзывов, опросов и данных поддержки для выявления сегментов пользователей и присвоения оценок удовлетворённости, позволяющий увидеть, какие группы любят продукт, а какие сталкиваются с трудностями. ### Как этот навык анализирует данные отзывов пользователей? Он выполняет шесть шагов: сбор данных, выявление сегментов, тематический анализ, оценка тональности по шкале от -1 до +1, оценка влияния и синтез в профили сегментов и рекомендации. ### Какую оценку тональности он использует? Каждый сегмент получает общую оценку тональности от -1 до +1, где 1 означает положительную, а -1 — отрицательную. При наличии данных также добавляется приблизительный показатель NPS. ### Какие сегменты пользователей он выявляет? Навык выделяет как минимум три различных сегмента пользователей или персоны из обратной связи, включая их характеристики, долю в наборе данных и основной контекст. ### Работает ли он с данными из CSV, PDF и опросов? Да. Он может читать CSV-файлы, PDF-файлы, ответы на опросы, экспорт отзывов, отчёты по социальному мониторингу и другие источники обратной связи и анализировать их напрямую. ### Можно ли использовать его для отзывов о продуктах или социального мониторинга? Да. Навык предназначен для работы с пользовательской обратной связью в больших объёмах, включая отзывы, опросы и отчёты по социальному мониторингу, и отмечает сегменты с малым размером выборки или неопределённой тональностью.