Przejdź do treści

Przeanalizuj setki otwartych odpowiedzi z ankiet, recenzji i komentarzy z użyciem analizy sentymentu AI

Zamień ścianę 500 komentarzy ze sklepu, wizytówki Google lub ankiety NPS w przejrzystą tabelę powtarzalnych problemów z logistyką, produktem i obsługą.

Dołącz do testerów

Skopiuj polecenie i wklej je do asystenta AI, z którego już korzystasz.

Cztery kroki rzetelnej analizy głosu klienta (VoC) z pomocą AI

  1. 01

    Usuń z pliku CSV kolumny z danymi osobowymi, zostawiając ID, datę, ocenę i sam tekst

    Przed analizą wykasuj kolumny z imieniem, adresem e-mail, telefonem i numerem zamówienia w treści komentarza — do wyciągnięcia trendów wystarczą anonimowy numer wiersza, gwiazdki i treść opinii.

  2. 02

    Zdefiniuj z góry zamknięty słownik 6-8 kategorii tematycznych (taksonomię)

    Bez sztywnego słownika AI potworzy chaotyczne synonimy — podaj zamkniętą listę tagów: Czas dostawy, Opakowanie, Jakość produktu, Rozmiarówka/Opis, Cena, Obsługa zwrotu, Inne.

  3. 03

    Oceniaj sentyment osobno dla aspektów zamiast jednej etykiety na cały komentarz

    Jedna recenzja często chwali sam towar, a krytykuje kuriera — poproś o przypisanie kategorii głównej, kategorii pobocznej oraz skali sentymentu (Pozytywny / Mieszany / Negatywny) z krótkim cytatem dowodowym.

  4. 04

    Zweryfikuj ręcznie losową próbkę 20 wierszy pod kątem polskiej ironii i sarkazmu

    Komentarze w stylu Brawo, trzeci tydzień czekam na zwrot pieniędzy, rewelacja! potrafią zmylić proste klasyfikatory — sprawdź spójność oceny gwiazdkowej (1/5) z przypisanym sentymentem i policz udział procentowy w Excelu.

Przykład działania

Zbiór wejściowy

Plik CSV z 300 anonimowymi komentarzami po dostawie z e-commerce (kolumny: ID, Gwiazdki 1-5, Komentarz). Chcemy wiedzieć, dlaczego spadł wynik NPS w listopadzie.

Struktura polecenia analitycznego i wynik

1. Krok 1 (Taksonomia): Przypisz każdemu wierszowi ID maksymalnie 2 tagi wyłącznie z listy: [USZKODZONA_PACZKA, OPOZNIENIE_KURIERA, NIEZGODNY_ROZMIAR, JAKOSC_MATERIAŁU, ZWROT_REKLAMACJA, CENA, POCHWALA]. 2. Krok 2 (Wykrywanie rozbieżności): Jeśli Gwiazdki <= 2, a tekst brzmi pozornie pochwalnie, oznacz sentyment jako NEGATYWNY (ironia). 3. Krok 3 (Zwróć wynik jako CSV do Tabeli przestawnej): ID | Sentyment | Tag_Główny | Konkretny_Problem (max 6 słów). 4. Krok 4 (Wnioski zarządcze): Wypisz TOP 3 przyczyny ocen 1-3 wraz z liczbą wystąpień i po 2 dosłowne cytaty klientów dla działu logistyki.

Połączenie kategoryzacji AI z klasycznym zliczeniem w tabeli przestawnej daje twarde liczby zamiast zgadywania na wyczucie.

Dobrze wiedzieć

Dlaczego nie warto prosić czatu AI, żeby sam w pamięci policzył procenty dla 500 wierszy?

Modele językowe świetnie klasyfikują tekst wiersz po wierszu, ale potrafią pomylić się w arytmetycznym zliczaniu dużych tabel — niech AI przypisze tagi w kolumnie CSV, a dokładną sumę i wykres wylicz w Excelu lub Pythonie.

Jak poradzić sobie z plikiem 2000 opinii, który ucina odpowiedź w zwykłym oknie czatu?

Podziel arkusz na paczki po 100-150 krótkich komentarzy z zachowaniem tej samej zamkniętej listy kategorii albo użyj trybu interpretera kodu (Data Analysis) / prostego skryptu API przetwarzającego wiersze seryjnie.

Czym różni się analiza sentymentu oparta na aspekcie (ABSA) od zwykłej skali pozytywny-negatywny?

Analiza aspektowa rozbija opinię na konkretne obszary działalności firmy (np. aplikacja mobilna: pozytywnie, infolinia: negatywnie), dzięki czemu wiadomo dokładnie, który dział ma co naprawić.

Dowiedz się więcej

Powiązane poradniki i wyjaśnienia do tego zadania