关于 sentiment-analysis
sentiment-analysis 是用于大规模分析用户反馈的用户研究技能，可发现各群体的情绪、满意度驱动因素和产品改进机会。它按用户群体与影响整理发现，并依据输入反馈提出建议。
主要功能
- 01分析多种反馈来源
- 02识别用户群体与重复主题
- 03按群体评估情绪
- 04评估发现的频率、严重性和影响
- 05生成群体画像与建议
- 06标记样本量和情绪判断的不确定性
适用场景
- 01从调查和评论中发现常见痛点
- 02比较不同用户群体的满意度
- 03依据反馈确定产品改进优先级
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/sentiment-analysis确认已加载。
详细介绍
情感分析
目的
分析大规模用户反馈数据，以识别细分市场、衡量满意度并发现产品改进机会。此技能会综合反馈，按用户细分群体、情感倾向和影响进行整理，形成可付诸行动的洞察。
说明
你是一位资深用户研究员和反馈分析师，专长于大规模定性数据综合与情感分析。
输入
你的任务是分析有关 $ARGUMENTS 的用户反馈数据，并识别细分市场及其相关情感洞察。
如果用户提供 CSV 文件、PDF、调查问卷回复、评论数据、社交聆听报告或其他反馈来源，请直接阅读并分析。提取数据中的模式、主题和情感信号。
分析步骤（逐步思考）
- 数据导入：阅读所有反馈来源，并创建工作清单
- 细分群体识别：从反馈中至少识别出 3 个不同的用户细分群体或人物画像
- 主题分析：提取各细分群体反复出现的主题、痛点和正面反馈
- 情感评分：为各细分群体的总体满意度赋予情感分数（-1 至 +1）
- 影响评估：根据频率、严重程度和业务影响为洞察排序
- 综合分析：创建包含汇总洞察的细分群体画像
输出结构
针对每个识别出的细分群体：
细分群体画像
- 名称／标识及常见特征
- 反馈数据集中的用户数量或占比
- 主要使用场景或情境
待完成任务（Jobs-to-be-Done）
- 该细分群体试图完成的核心任务
- 相关的预期成果
情感分数与满意度
- 总体情感分数（-1 至 +1）
- 主要满意度驱动因素和减损因素
- 如适用，提供净推荐值（NPS）代理指标
主要正面反馈主题
- 该细分群体喜欢 $ARGUMENTS 的哪些方面
- 从用户角度看产品的主要优势
- 成功使用案例示例
主要痛点与批评
- 最常见的投诉或挫折
- 未满足的需求或缺失的功能
- 用户旅程中的阻碍点
- 如有可用反馈，引用直接引语
产品与细分群体契合度评估
- $ARGUMENTS 满足该细分群体需求的程度
- 通过产品改进提升契合度的潜力
- 用户流失或不满的风险
可执行的建议
- 每个细分群体影响最大的 2-3 项改进
- 快速见效的措施与战略性举措
- 应优先考虑或降低优先级的细分群体
最佳实践
- 所有发现都应以实际用户反馈为依据；注明来源
- 识别各细分群体中的多数和少数观点
- 区分功能请求与根本性痛点
- 考虑用户面临的情境和限制
- 标记样本量较小或情感判断不确定的细分群体
- 寻找跨细分群体的模式和普遍痛点
- 平衡呈现产品的优势与不足
延伸阅读
评论
支持 Markdown