# 情感分析代理技能 > 利用這項情感分析技能，大規模分析使用者回饋：依情感與 JTBD（待完成工作）區隔使用者，取得優先排序的產品洞察。數秒內免費開始。 - Canonical: https://nanoskill.ai/tw/skills/sentiment-analysis-agent-skill - Markdown: https://nanoskill.ai/tw/skills/sentiment-analysis-agent-skill.md - Author: phuryn - Published: 2026-11-05T06:30:00.000Z - Updated: 2026-11-06T10:20:37.181Z - Language: zh-TW - 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 情感分析將原始使用者回饋轉化為區隔化的產品洞察。產品經理、UX 研究員和創辦人使用這項技能來處理評論、問卷調查和支援資料，然後取得清晰的區隔樣貌、滿意度分數和優先排序的改善機會。 這項技能的核心能力包括自動區隔識別、主題分析、在 -1 到 +1 範圍內的情感評分，以及影響力優先排序。它超越整體情感，連結待完成工作（JTBD）、痛點和產品與區隔的契合度，讓團隊同時看見使用者喜愛之處以及導致流失的因素。 在產品路線圖規劃、流失檢討或上市後回饋分流的過程中使用它。提供應用程式商店評論、問卷匯出檔或社群聆聽報告，它會回傳區隔層級的建議，將快速見效與策略性計畫區分開來，並在可取得時附上直接引述。 ## Key features - **大規模執行情感分析**: 接收 CSV、PDF、問卷、評論和社群聆聽資料，並將回饋綜整為清楚的區隔樣貌。 - **依區隔評分情緒**: 為每個區隔指派 -1 到 +1 的情緒分數和淨推薦值代理指標，以量化滿意度並找出流失風險。 - **擷取待完成工作與痛點**: 從質性回饋中提取待完成工作、期望成果、主要抱怨和未滿足需求，並在可用時附上直接引述。 - **排定產品改善優先順序**: 依頻率、嚴重性和業務影響排序洞察，以區分速效措施與策略性計畫。 ## Use cases - **分析產品評論**: 產品經理對應用程式商店、G2 或 Trustpilot 的評論執行情感分析，以找出區隔層級的滿意度驅動因素與批評。 - **綜整問卷回覆**: UX 研究人員將開放式問卷答案轉化為待完成工作洞察與優先痛點，無需手動標記。 - **監控社群聆聽報告**: 行銷人員與社群負責人處理提及與回饋討論串，以偵測早期不滿與各區隔的功能需求。 ## Result preview 查看情感報告，包含區隔儀表、跨區隔痛點，以及優先建置的短清單。 ![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 ### 安裝 將情感分析技能加入您的 AI 代理程式。 ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-1.png) ### 上傳回饋資料 提供評論、問卷調查或社群聆聽匯出資料。 ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-2.png) ### 取得您的情感分析報告 接收基於行為的區隔，包含情感分數和優先順序。 ![the step of sentiment analysis agent skill](https://file.nanoskill.ai/sentiment-analysis-agent-skill-step-3.png) ## Skill definition # 情緒分析 ## 目的 分析大規模使用者意見回饋資料，以識別市場區隔、衡量滿意度，並發掘產品改善機會。此技能可將回饋綜合整理為依使用者區隔、情緒與影響程度組織的可行洞察。 ## 操作說明 你是一位專業的使用者研究員與回饋分析師，專精於大規模質性資料綜合分析與情緒分析。 ### 輸入 你的任務是分析 **$ARGUMENTS** 的使用者意見回饋資料，並識別市場區隔及相關的情緒洞察。 若使用者提供 CSV 檔案、PDF、問卷回覆、評論資料、社群聆聽報告或其他回饋來源，請直接閱讀並分析這些資料。從中擷取模式、主題與情緒訊號。 ### 分析步驟（逐步思考） 1. **資料匯入**：閱讀所有回饋來源並建立工作清單 2. **區隔識別**：從回饋中識別至少 3 個不同的使用者區隔或人物誌 3. **主題分析**：針對每個區隔擷取反覆出現的主題、痛點與正面回饋 4. **情緒評分**：為每個區隔的整體滿意度指派情緒分數（-1 到 +1） 5. **影響評估**：依頻率、嚴重性與商業影響排序洞察 6. **綜合整理**：建立包含整合洞察的區隔檔案 ### 輸出結構 針對每個識別出的區隔： **區隔檔案** - 名稱／識別碼與共同特徵 - 回饋資料集中的使用者數量或比例 - 主要使用案例或情境 **待完成工作** - 此區隔試圖完成的核心工作 - 相關的期望成果 **情緒分數與滿意度等級** - 整體情緒分數（-1 到 +1） - 主要的滿意度驅動因素與減分因素 - 若適用，提供淨推薦分數（NPS）代理指標 **主要正面回饋主題** - 此區隔喜愛 $ARGUMENTS 的哪些部分 - 從使用者角度出發的主要優勢 - 成功使用案例範例 **主要痛點與批評** - 最常見的抱怨或不滿 - 未滿足的需求或缺少的功能 - 使用者旅程中的摩擦點 - 若有可用資料，引用回饋中的直接引述 **產品－區隔契合度評估** - $ARGUMENTS 滿足此區隔需求的程度 - 透過產品變更提升契合度的潛力 - 客戶流失或不滿的風險 **可行建議** - 每個區隔 2-3 項影響最大的改善措施 - 快速見效與策略性計畫的區分 - 應優先或降低優先順序的區隔 ## 最佳實務 - 所有發現都應奠基於實際使用者回饋；引用來源 - 辨識區隔內的多數與少數觀點 - 區分功能要求與根本痛點 - 考量使用者面臨的情境與限制 - 標示樣本數較小或情緒不確定的區隔 - 尋找跨區隔的模式與普遍痛點 - 提供產品優勢與弱點的平衡觀點 --- ### 延伸閱讀 - [市場研究：進階技巧](https://www.productcompass.pm/p/market-research-advanced-techniques) - [使用者訪談：研究訪談終極指南](https://www.productcompass.pm/p/interviewing-customers-the-ultimate) ## FAQ ### 什麼是使用者意見回饋的情緒分析？ 這是一種閱讀評論、問卷與支援資料的方法，可識別使用者區隔並指派滿意度分數，讓你能看出哪些族群喜愛或苦於某項產品。 ### 此技能如何分析使用者意見回饋資料？ 它遵循六個步驟：資料匯入、區隔識別、主題分析、以 -1 到 +1 量表進行情緒評分、影響評估，以及綜合整理成區隔檔案與建議。 ### 它使用哪種情緒分數？ 每個區隔會得到 -1 到 +1 的整體情緒分數，1 代表正面、-1 代表負面。若資料支持，也會加入 NPS 代理指標。 ### 它會識別哪些使用者區隔？ 該技能會從回饋中辨識出至少三個不同的使用者區隔或人物誌，包括其特徵、在資料集中的占比，以及主要情境。 ### 它能與 CSV、PDF 和問卷資料搭配使用嗎？ 可以。它能讀取 CSV 檔案、PDF、問卷回覆、評論匯出檔、社群聆聽報告及其他回饋來源，並直接進行分析。 ### 我可以將它用於產品評論或社群聆聽嗎？ 可以。此技能專為大規模使用者回饋而設計，包括評論、問卷和社群聆聽報告，且會標記樣本數較小或情緒不確定的區隔。