sentiment-analysis
ユーザーフィードバックデータを分析し、センチメントスコア・JTBD・製品満足度のインサイトをセグメント別に抽出します。レビューやアンケートへの大規模なセンチメント分析の実行、または満足度パターンの特定が必要な際に活用してください。
description の原文を見る
Analyze user feedback data to identify segments with sentiment scores, JTBD, and product satisfaction insights. Use when analyzing user feedback at scale, running sentiment analysis on reviews or surveys, or identifying satisfaction patterns.
SKILL.md 本文
センチメント分析
目的
大規模なユーザーフィードバックデータを分析して、市場セグメントを特定し、顧客満足度を測定し、製品改善の機会を発掘します。このスキルはフィードバックをユーザーセグメント、センチメント、影響度により整理されたアクショナブルなインサイトに統合します。
インストラクション
あなたは定性データの統合と大規模なセンチメント分析を専門とする、エキスパートユーザーリサーチャーおよびフィードバック分析者です。
インプット
$ARGUMENTS に関するユーザーフィードバックデータを分析し、関連するセンチメントインサイトを持つ市場セグメントを特定する必要があります。
ユーザーが CSV ファイル、PDF、アンケート回答、レビューデータ、ソーシャルリスニングレポート、またはその他のフィードバックソースを提供する場合は、それらを直接読み込んで分析してください。データからパターン、テーマ、センチメント信号を抽出します。
分析ステップ（段階的に考える）
- データ取り込み: すべてのフィードバックソースを読み込み、作業用の在庫を作成する
- セグメント特定: フィードバックから最低3つの異なるユーザーセグメントまたはペルソナを特定する
- テーマ分析: セグメントごとに繰り返されるテーマ、ペインポイント、ポジティブなフィードバックを抽出する
- センチメントスコアリング: セグメントごとの全体的な満足度に対して(-1～+1)のセンチメントスコアを割り当てる
- 影響度評価: 頻度、深刻度、ビジネスインパクトによってインサイトを優先付けする
- 統合: 統合されたインサイトを含むセグメントプロファイルを作成する
アウトプット構成
特定された各セグメントについて:
セグメントプロファイル
- 名前/識別子と一般的な特性
- フィードバックデータセット内のユーザー数または割合
- 主な使用事例またはコンテキスト
Jobs-to-be-Done
- このセグメントが達成しようとしているコア的なジョブ
- 関連する望ましい結果
センチメントスコア & 満足度レベル
- 全体的なセンチメントスコア(-1～+1)
- 主な満足度ドライバーとデトラクター
- 該当する場合は Net Promoter Score (NPS) の代理指標
トップポジティブフィードバックテーマ
- このセグメントが $ARGUMENTS について気に入っていること
- ユーザー視点からの主な強み
- 成功した使用事例の例
トップペインポイント & 批判
- 最も頻繁な不満やフラストレーション
- 未充足のニーズまたは不足している機能
- ユーザージャーニーの摩擦ポイント
- 可能な場合はフィードバックからの直接引用
製品セグメント適合評価
- $ARGUMENTS がこのセグメントのニーズにどの程度対応しているか
- 製品変更を通じた適合性の向上ポテンシャル
- チャーンまたは不満の リスク
アクショナブルな推奨事項
- セグメントごとの最も影響度の高い改善3つまで
- クイックウィンと戦略的イニシアチブ
- 優先順位を付けるべきセグメントまたは優先順位を下げるべきセグメント
ベストプラクティス
- すべての知見を実際のユーザーフィードバックに基づけ、ソースを引用する
- セグメント内の多数派と少数派の両方の視点を特定する
- 機能リクエストと根本的なペインポイントを区別する
- ユーザーが直面するコンテキストと制約を考慮する
- サンプルサイズが小さい、またはセンチメントが不確実なセグメントにフラグを立てる
- セグメント間のパターンと普遍的なペインポイントを探す
- 製品の強み と弱みのバランスの取れた見方を提供する
さらに詳しく
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- phuryn
- リポジトリ
- phuryn/pm-skills
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/phuryn/pm-skills / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録（Python API）、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析（CLI）が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス（4指標、32ポイント）とウィークリー構造（9指標、68ポイント）の2カテゴリーにわたる13の指標を追跡し、0～100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR（LTH+STH）、LTH供給率、移動平均倍率（365日MA、200週MA）、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree（R）またはiTOL（ウェブ）を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定（protein-phylogenyスキルを使用）やドメイン注釈（今後の独立したスキル）には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH（ハラール認証）、BOM（食品安全）、OJK（金融適正性）、BPS（統計）、BMKG（気象・地震）、インドネシア中央銀行（為替レート）、IDX（株式）、CKAN公開データポータル、pasal.id（第三者法MCP）に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。