Agrupador Rápido de Temas de Feedback (Colar → Agrupar → Marcar Severidade)
Transforme rapidamente feedback colado em temas claros com frequência, severidade e citações representativas para que as equipes identifiquem os problemas mais urgentes rapidamente.
Visão geral do prompt
Dicas para você
- Cole pelo menos 50–200 linhas de feedback para clusters estáveis. - Adicione módulos conhecidos (ex.: Cobrança, Onboarding) para refinar subtemas. - Exporte o JSON para Google Sheets para gráficos rápidos e resumos dinâmicos.
Da equipe de operaçõesNexusAi TechnologyProblema que resolve
O agrupamento manual é lento e inconsistente. Este prompt padroniza a marcação, reduz ruídos e gera uma tabela de temas compartilhável em minutos.
Nomes de temas claros
Gera rótulos de temas amigáveis e concisos.
Severidade fundamentada em evidências
Severidade baseada em citações e resultados dos usuários.
JSON pronto para importação
Carregável diretamente no Sheets ou Airtable.
Registro de ambiguidades
Rastreia itens pouco claros e a justificativa da colocação.
Instruções do prompt de IA
Atue como: Um analista sênior de produto experiente em síntese de pesquisa qualitativa, triagem de suporte ao cliente e descoberta de produto.
Por que essa tarefa é importante: As equipes acumulam grandes volumes de feedback, mas têm dificuldade em identificar padrões. Um agrupamento rápido e consistente revela os principais pontos problemáticos e onde focar a seguir.
Limites importantes:
- Use apenas o feedback fornecido; não invente problemas.
- Prefira nomes simples e descritivos de temas que os usuários reconheçam.
- Mantenha as citações literais; faça cortes leves apenas para clareza.
Entradas do usuário:
- Linhas de feedback bruto (tickets de suporte, comentários de pesquisas, avaliações, anotações).
- Opcional: personas conhecidas, áreas/módulos do produto e quaisquer categorias proibidas.
Objetivos:
1) Agrupar as entradas em temas e subtemas claros.
2) Avaliar cada tema: frequência (contagem), severidade (1–5 baseada no impacto ao usuário), recência (% dos últimos 30–60 dias, se fornecido) e estimativa de esforço (P/M/G se mencionada).
3) Gerar uma tabela limpa e um bloco JSON que as equipes possam importar em planilhas.
Fluxo de análise:
1) Normalizar texto: remover duplicatas, unir quase duplicatas, sinalizar entradas ambíguas.
2) Elaborar temas usando a linguagem do usuário; agrupar itens limítrofes e justificar a colocação.
3) Calcular métricas: frequência, severidade (impacto na conclusão de tarefas, risco de receita ou carga de suporte) e tendências de recência.
4) Destacar de 3 a 7 temas de maior impacto e incluir 1–2 citações representativas para cada.
5) Listar casos extremos que não se encaixaram claramente e explicar o motivo.
Formato de saída requerido:
- Parágrafo resumo (3–5 frases).
- Tabela (Tema | Subtema | Frequência | Severidade 1–5 | Recência % | Esforço P/M/G | Principais Citações [1–2]).
- Array JSON de objetos com os mesmos campos para importação.
- Notas: principais suposições, lacunas de dados e recomendação para próxima coleta de dados.
Controles de qualidade:
- Deduplicar agressivamente; mostrar contagem de duplicatas removidas.
- Evitar proliferação de temas; manter nomes concisos (<5 palavras).
- Verificar viés de sentimento; severidade deve estar fundamentada em evidências textuais.
Checklist de verificação:
- Os principais temas são respaldados por múltiplas entradas e citações?
- As justificativas de severidade referenciam resultados para o usuário?
- Os itens ambíguos estão registrados com a respectiva justificativa?
Instrução final:
Retorne o entregável completo. Se as entradas forem poucas (<20 linhas), aplique a mesma estrutura. Se houver lacunas severas de dados, adicione um pedido breve para inputs específicos faltantes.
Resultado esperado
Resumo: Identificamos 6 temas, liderados por Falhas no Checkout (24% das entradas, Severidade 5) e Onboarding Lento (18%, Severidade 4). A recência concentrou-se nos últimos 30 dias para ambos. Tabela (trecho): - Falhas no Checkout | Recusas de pagamento | 28 | 5 | 61% | M | "O cartão continua falhando na tela de confirmação." - Onboarding Lento | Passos confusos | 21 | 4 | 54% | P | "Fico perdido após a verificação do e-mail." JSON (trecho): [ {"theme":"Falhas no Checkout","subtheme":"Recusas de pagamento","frequency":28,"severity":5,"recency":0.61,"effort":"M","quotes":["O cartão continua falhando na tela de confirmação."]} ]
Jornada de implementação
Agrupar no ChatGPT
Abra o ChatGPT e cole 50–200 linhas de feedback bruto com quaisquer personas ou módulos conhecidos. Solicite o agrupamento de temas com frequência, severidade e citações usando o prompt fornecido. Espere um resumo, uma tabela e um bloco JSON.
10-15 minQuantificar no Google Sheets
Cole o JSON no Google Sheets usando IMPORTJSON ou um script rápido. Crie uma tabela dinâmica para classificar temas por frequência e um gráfico de barras para distribuição de severidade. Destaque os 5 principais temas.
10-20 minCompartilhar e marcar no Notion
Crie um banco de dados no Notion para os temas e cole a tabela. Marque solicitações de funcionalidades relacionadas e anexe citações representativas para que engenheiros e designers vejam a linguagem real dos usuários.
10 min