Задача
У вас 300 отзывов: магазины приложений, маркетплейсы и карты, канал поддержки, рассылка. Читали бы неделю — руками. Нужно понять: за что хвалят, на что жалуются, что чинить в первую очередь.
Подход
Шаг 1. Соберите отзывы в один файл (CSV или простой текст: дата, источник, текст). Ограничение на размер файла смотрите в справке вашего сервиса; при необходимости разбейте на части.
Шаг 2. Загрузите файл и дайте структурное задание:
Ты продуктовый аналитик. В файле отзывы пользователей о нашем приложении.
1. Сгруппируй все отзывы по темам (не более 10 тем).
2. Для каждой темы укажи: долю отзывов в %, тональность (позитив/негатив/нейтрально),
2–3 характерные цитаты, суть проблемы или похвалы.
3. Выдели ТОП-5 проблем по частоте упоминания.
4. Отдельно перечисли пожелания по новым функциям.
5. Не придумывай темы, которых нет в данных.Шаг 3. Проверьте срезы. Задайте уточнения: «Сравни жалобы пользователей бесплатной и платной версии», «Что говорили в последний месяц — изменилось ли что-то после обновления?» Модель сопоставит темы с датами и версиями, если эти данные есть в файле.
Шаг 4. Проследите за качеством. Выберите 10–15 случайных отзывов и проверьте вручную, попали ли они в разумные темы. Если модель смешивает «ошибку входа» с «медленной загрузкой» — попросите разделить и перезапустите.
Результат
Вместо «кажется, недовольны» — структурированная таблица тем с частотами, цитатами и приоритетами, которую можно вставить в презентацию и превратить в задачи для команды.
Советы
- Экспортируйте отзывы с датами: динамика тем по месяцам часто важнее самих тем.
- Один прогон ≠ истина: прогоните анализ дважды и сравните — устойчивые темы и есть настоящие закономерности.
- Не показывайте модели персональные данные клиентов без необходимости: обрежьте имена и контакты перед загрузкой.