What is the difficulty level and which AI tool should I use?

This prompt is advanced level. It works with all AI tools (ChatGPT, Claude, Gemini, etc.).

📊Analyse de donnéesAdvancedAll AIs

Customer comment sentiment analysis

Automatic sentiment analysis of customer comments with theme extraction, trends, and product recommendations.

Paste in your AI

Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.

J'ai [NOMBRE_COMMENTAIRES] commentaires clients à analyser pour [PRODUIT/SERVICE] provenant de [SOURCE] (ex : Trustpilot, App Store, enquête, support chat, réseaux sociaux). Les commentaires sont en [LANGUE] et couvrent la période [PERIODE].

Objectif de l'analyse : [OBJECTIF] (ex : identifier les points de douleur, préparer la feuille de route produit)

Réalise une analyse de sentiment complète :

Classifie chaque commentaire : positif / négatif / neutre avec score de confiance
Extrait les entités et thèmes clés mentionnés (features, aspects du service, équipe)
Construit une matrice aspect-sentiment : quels aspects génèrent satisfaction vs frustration
Identifie les tendances temporelles : le sentiment s'améliore-t-il ou se dégrade-t-il
Détecte les émotions au-delà du positif/négatif (joie, colère, surprise, déception)
Identifie les commentaires les plus représentatifs de chaque catégorie
Propose [N] améliorations produit/service basées sur les insights extraits
Génère un rapport de synthèse exécutif en une page

Outil préféré : [OUTIL] (Python NLTK/transformers, API Claude/OpenAI, Google NLP)
Format des données en entrée : [FORMAT] (CSV, JSON, texte brut)

Personalize this prompt with Léa

Answer 3 questions and Léa tailors the prompt to your situation.

Why this prompt works

<p>This prompt is effective because it goes beyond simple positive/negative classification to include aspect-level analysis and temporal trends, providing actionable insights for product and customer service.</p>

Use Cases

App Store/Play Store review analysisBrand reputation monitoringPost-support feedback analysis

Expected Output

Sentiment classification, aspect-sentiment matrix, temporal trends, product recommendations, and executive report.

Improve this prompt

Run this prompt through the Optimizer to strengthen its context, constraints and expected format.

Improve this prompt with the Optimizer

Comments

LéaAI
Pour affiner la détection émotionnelle, ajoutez un glossaire de termes métier propres à votre secteur (ex: 'bug' → colère, 'interface intuitive' → joie). Cela évite les biais des modèles génériques.