«Вот список отзывов клиентов: [вставить отзывы]. Сгруппируй их по темам (например: качество продукта, скорость доставки, работа поддержки, цена) и укажи, сколько отзывов относится к каждой теме и какая доля из них позитивная, а какая негативная». Такой запрос превращает разрозненный текст в понятную сводку по категориям проблем.
«Вот оценки и комментарии клиентов из NPS-опроса: [данные]. Раздели комментарии на группы: почему клиенты-промоутеры (оценка 9-10) довольны, почему нейтральные клиенты (7-8) не поставили высокую оценку, и какие конкретные проблемы называют критики (0-6). Выдели топ-3 повторяющиеся причины в каждой группе». Это помогает быстро увидеть, что именно нужно улучшить, а не просто получить итоговую цифру индекса.
«На основе следующего анализа отзывов клиентов: [вставить результат предыдущего анализа] составь краткий отчёт для руководства на один экран: главный вывод, три ключевые проблемы с указанием частоты упоминания, и три рекомендации по приоритету исправления». Такой промпт превращает сырой анализ в документ, готовый к обсуждению на совещании.
Модель может неверно определить тональность иронично написанного отзыва или пропустить нюанс, важный для конкретного бизнеса, но не очевидный из текста самого отзыва. Перед принятием решений на основе такого анализа стоит выборочно перечитать несколько исходных отзывов по каждой ключевой теме, чтобы убедиться, что группировка ИИ соответствует реальной сути жалоб клиентов.