Prompts de IA para análise de feedback de clientes: temas, evidências e prioridades confiáveis

Como usar o ChatGPT, o Claude ou o Gemini para analisar avaliações, respostas de pesquisas e tickets de suporte: defina os temas antes de contar, cite as evidências, separe frequência de gravidade e evite porcentagens inventadas. Inclui templates.

Última atualização: · Versão em Markdown

Por que os resumos de feedback dão errado

  • Perguntar 'o que os clientes estão dizendo?' rende um parágrafo fluente que reflete os comentários mais barulhentos, não os mais comuns.
  • Quando você pede números, os modelos arredondam e estimam: '40% dos usuários mencionam o preço' pode não vir de contagem nenhuma.
  • Os temas mudam entre execuções: 'onboarding', 'configuração' e 'primeiros passos' viram três temas num dia e um só no outro.
  • Sarcasmo, avaliações mistas ('adoro, mas…') e comentários em outros idiomas são fáceis de classificar errado sem regras explícitas.
  • Antes: 'Resuma estas 300 avaliações.' Depois: 'Marque cada avaliação com um tema desta lista, cite a frase que justifica a marcação e conte as marcações no final.'

Um fluxo de trabalho que se sustenta

  • Passo 1 — descobrir: em uma amostra (por exemplo, 50 comentários), peça temas candidatos com uma definição de uma linha e duas citações de exemplo para cada um.
  • Passo 2 — fixar o livro de códigos: junte você mesmo os temas que se sobrepõem, acrescente 'outro' e 'pouco claro' e mantenha essa lista idêntica em todos os lotes.
  • Passo 3 — marcar: dê um ID a cada comentário e peça uma linha por comentário (ID, tema, sentimento, citação). Linhas são fáceis de conferir por amostragem; parágrafos não.
  • Passo 4 — contar fora do modelo: cole as linhas em uma planilha, ou peça contagens só a partir das linhas já produzidas, nunca de memória sobre o texto original.
  • Passo 5 — priorizar: ordene os temas por frequência e por impacto (risco de cancelamento, tarefas bloqueadas, receita) em duas colunas separadas, para que um problema raro, mas crítico, não fique enterrado.

Verificações de privacidade e honestidade

  • Remova nomes, e-mails, números de pedido e outros dados pessoais antes de colar; mantenha o seu próprio ID para conseguir rastrear cada linha.
  • Confira a política da sua empresa sobre quais ferramentas de IA podem receber dados de clientes.
  • Confira pelo menos algumas linhas marcadas de cada tema com o comentário original antes de compartilhar o relatório.
  • Diga o que os dados são: 'temas em 312 avaliações da loja de apps de outubro', não 'o que os nossos clientes pensam'.

Templates

Descobrir temas candidatos a partir de uma amostra

Abaixo estão [quantidade] comentários de clientes de [fonte: avaliações / pesquisa / tickets de suporte] sobre [produto]. Cada linha começa com um ID.

<comments>
[cole os comentários, um por linha, no formato "ID: texto"]
</comments>

Proponha de 6 a 10 temas que cubram esses comentários. Para cada tema, informe:
- nome (2–4 palavras)
- definição (uma frase: o que entra e o que não entra)
- dois IDs com uma citação literal curta cada um

Regras:
- Os temas não podem se sobrepor; se dois forem parecidos, junte-os e diga isso.
- Inclua "outro" para os comentários que não se encaixam em nenhum.
- Ainda não conte nem estime porcentagens.
Abre o analisador com o prompt já preenchido.

Marcar cada comentário com um livro de códigos fixo

Classifique cada comentário de cliente usando SOMENTE os temas abaixo.

<themes>
[cole a sua lista final de temas com definições de uma linha, incluindo "outro" e "pouco claro"]
</themes>

<comments>
[cole os comentários no formato "ID: texto"]
</comments>

Retorne uma tabela com uma linha por comentário e estas colunas:
ID | tema | sentimento (positivo / negativo / misto) | citação (as palavras exatas que justificam o tema)

Regras:
- Exatamente um tema por linha; se dois se aplicarem, escolha a reclamação ou o elogio principal.
- Se o comentário for sarcástico ou ambíguo, use "pouco claro" em vez de chutar.
- Copie as citações literalmente; não parafraseie.
- Não pule nenhum ID e não acrescente um resumo.
Abre o analisador com o prompt já preenchido.

Transformar as linhas marcadas em um relatório priorizado

Escreva um relatório de feedback de uma página para [público: time de produto / diretoria] a partir das linhas marcadas abaixo.

<rows>
[cole a tabela: ID | tema | sentimento | citação]
</rows>

Estrutura:
1. Escopo: fonte, período e número de comentários (conte as linhas; não estime).
2. Tabela de temas: tema | quantidade | quantidade negativa | uma citação representativa com o seu ID.
3. Os 3 principais problemas a atacar, avaliados pela quantidade E pelo impacto. Explique o impacto em uma frase cada um e diga qual parte é julgamento seu.
4. O que os clientes elogiam (para preservar em mudanças futuras).
5. Perguntas em aberto que os dados não conseguem responder.

Regras:
- Todo número deve vir da contagem das linhas acima.
- Cite apenas textos que aparecem nas linhas.
Abre o analisador com o prompt já preenchido.

Perguntas frequentes

Posso colar milhares de comentários em um único prompt?
Mesmo quando a janela de contexto permite, execuções longas são mais difíceis de conferir e linhas são puladas com mais facilidade. Trabalhe em lotes (algumas centenas de comentários por vez) com o mesmo livro de códigos, depois junte as linhas em uma planilha e conte lá.
A IA deve decidir quais problemas importam mais?
Ela pode propor uma ordem, mas frequência é algo que se conta e impacto é uma decisão de negócio. Peça ao modelo para mostrar as duas colunas e identificar o próprio raciocínio, e tome a decisão final com o seu time.
Como confiro se o meu prompt de marcação está claro o suficiente?
Rode o mesmo lote duas vezes e compare as marcações; as linhas que mudam apontam definições de tema vagas. O analisador do Promptea também sinaliza instruções de formato de saída e de restrições que estejam faltando antes de você usar o prompt com dados reais.