Сотни отзывов клиентов или ответов в опросе NPS содержат ценные закономерности, которые сложно увидеть, читая их по одному. Нейросеть может сгруппировать отзывы по темам и выделить главные проблемы за минуты — если правильно сформулировать запрос. Собрали рабочие промпты для этой задачи.
«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.
Зависит от лимита контекста конкретной модели — современные модели с длинным контекстом способны обработать несколько сотен отзывов за один запрос, для больших объёмов лучше разбивать на порции.
В большинстве случаев да, но ирония, сарказм или смешанные отзывы («в целом хорошо, но…») иногда классифицируются неточно — стоит выборочно проверять спорные случаи.
Сгруппировать причины недовольства по частоте упоминания и приоритизировать исправление тех проблем, которые упоминаются чаще всего и сильнее всего влияют на решение клиента остаться или уйти.
Если отзывы содержат персональные данные клиентов (имена, контакты, номера заказов), стоит удалить их перед обработкой, особенно при использовании публичных версий нейросетей.
Да, промпт можно оформить в виде шаблона и применять к новой порции отзывов каждую неделю или месяц, получая сопоставимые по структуре отчёты для отслеживания динамики.