Je beoordelingen zijn gedaald en je weet niet waarom. Je hebt duizenden beoordelingen in de App Store en Play Store, in talen die niemand in het team begrijpt, en ze één voor één lezen is geen optie. Er zijn drie manieren om te ontdekken wat er misgaat, en ze beantwoorden verschillende vragen:
Begin zonder voorkennis als je geen idee hebt wat er mis is. Ontdek thema's en lees daarna de citaten.
Onderzoek een vermoeden als je al een idee hebt. Laat Claude of ChatGPT de beoordelingen lezen en zien of je gelijk hebt.
Volg je verbeteringen als je al bezig bent met fixes. Tag het onderwerp en houd het klachtenvolume bij.
Wat je hieronder niet zult vinden: een CSV exporteren en een topic clustering script draaien. Dat advies is overal op internet te vinden en verspilt je tijd. Niemand heeft je aangenomen om een NLP-pijplijn te optimaliseren, en slecht uitgevoerd werk is erger dan iets helemaal niet doen omdat je vertrouwt op zinloze clusters.
Dit is het soort werk waarvoor je een tool koopt. Hier lees je hoe je het doet met de beoordelingen die al in je account staan.
Begin zonder voorkennis: ontdek thema's, lees dan wat mensen zeggen
Als je geen hypothese hebt, begin dan bij Rapporten en klik op Semantische analyse. ReviewFlowz leest je beoordelingen en bouwt een onderwerpenboom op: vijf hoofdthema's, elk met drie subthema's, met positieve en negatieve vermeldingen die in de tijd worden geteld. Je krijgt geen vooraf bepaalde taxonomie, dus de categorieën zijn gebaseerd op wat je gebruikers belangrijk vinden, niet een generieke template voor een dating app of bank.
Nu het deel dat vaak wordt overgeslagen. Een grafiek vertelt je dat een subthema vorige maand 89 negatieve vermeldingen had. Het vertelt je niet wat de klachten waren. Grafieken wijzen een richting aan, maar dat is geen bugrapport. Zodra een subthema piekt, stop dan met het kijken naar de grafiek en lees de zinnen.
Daarvoor gebruik je Sentimentanalyse onder Beoordelingen. Elke quote daar geeft de exacte zin van een beoordeling weer die het gevoel overbrengt, gelabeld met zijn subthema en gescoord als positief of negatief. Filter de negatieve citaten voor het subthema dat opvalt, sorteer op meest recent en lees er twintig door. Twintig is meestal genoeg: bij de tiende weet je of het de checkout, de synchronisatie of de nieuwe tabbladbalk is. De citaten zijn ook vertaald, zodat iets in het Portugees net zo leesbaar is als in het Engels.
Lees de citaten voordat je het team informeert. Een subthema dat negatief scoort onder "Bughandling en stabiliteit" is een stemming. "De app logt me steeds uit als ik van netwerk wissel" is een ticket.
De mechanieken achter het opbouwen van onderwerpen en sentiment worden uitgelegd in Mining Your Reviews for Business Insights.
Onderzoek een hypothese: laat Claude of ChatGPT beoordelingen voor je lezen
Soms hoef je niet te verkennen, maar heb je een antwoord nodig. Je hebt op de 12e een release gedaan, de support zegt dat mensen de nieuwe onboarding verschrikkelijk vinden, en je wilt weten of de beoordelingen dat bevestigen voor je beslissingen heroverweegt.
Een dashboard beantwoordt de vragen waarvoor het is ontworpen. Jouw vraag is specifieker, dus stel deze in gewoon Engels. Verbind Claude of ChatGPT met je beoordelingsgegevens via de ReviewFlowz MCP en het model leest de beoordelingen om te antwoorden: welke klachten zijn er na de maart-release verschenen, welke komen voor in 1-sterrenbeoordelingen maar niet in 3-sterren, wat zeggen mensen precies dat er fout gaat bij het inloggen. Zo verbind je het.
Vraag om de citaten, niet alleen de samenvatting. Net als bij de eerste methode: een model dat een nette samenvatting geeft, heeft het leeswerk voor je gedaan, en je leert meer van de zinnen waarop de samenvatting is gebaseerd. Eindig je vraag dus met "laat me de beoordelingen zien waarop je dat baseert" en lees ze.
Dit is ook de snelste manier om een slecht idee af te wijzen. De helft van de tijd zeggen beoordelingen dat de onboarding prima is en de klachten gaan over de prijs die in dezelfde release is aangepast.
Volg wat je aan het verbeteren bent: tag belangrijke onderwerpen
De eerste twee methodes hebben een blinde vlek. De onderwerpen die ReviewFlowz ontdekt, zijn die waar je gebruikers over klagen, wat niet hetzelfde is als de onderwerpen van je roadmap. Als je team dit kwartaal aan de onboarding flow werkt, wil je een lijn op een grafiek die "onboarding" heet, ongeacht of de AI heeft besloten dat dit een van de top vijf onderwerpen is.
Daarom gebruik je tags. Ga naar Instellingen, dan Tags, en maak een tag aan vernoemd naar je taak. Vink "Automatisch gebruiken om beoordelingen te taggen" aan en de AI koppelt de tag aan je beoordelingen op basis van het genoemde thema. Dus noem de tag zoals een gebruiker zou klagen, niet zoals je codebase is georganiseerd: "crash bij starten" en "abonnementsprijs" zijn geschikt, "AuthModule" niet.
Klik daarna op "Verwerk al mijn beoordelingen". Hiermee worden tags toegepast op bestaande beoordelingen, wat belangrijker is dan het lijkt: het geeft de tag een geschiedenis. Zonder dit zie je alleen klachten vanaf vandaag, en "heeft de oplossing gewerkt" is een vraag die je alleen met voor- en na-vergelijking kunt beantwoorden.
Nu heb je het enige cijfer dat telt na een release: daalt het klachtenvolume op die tag. Filter je beoordelingen op de tag om te lezen wat er binnenkomt en rapporteer erover om de trend te volgen.
Stap voor stap uitleg over taggen vind je in Hoe je tags op ReviewFlowz gebruikt.
Welke methode, en wanneer
Je weet niet wat er mis is: begin zonder voorkennis. Eerst onderwerpenboom, dan citaten en blijf niet bij de grafiek hangen.
Je hebt een idee: vraag het model en laat de beoordelingen zien.
Je werkt aan iets, of je gaat dat doen: tag het en volg het op.
De meeste teams gebruiken uiteindelijk alle drie methodes, in die volgorde. Je verkent een keer om de brand te ontdekken, je onderzoekt als er iets verdachts is, en je tagt dingen waarvoor je niet constant opnieuw het wiel hoeft uit te vinden. Geen van deze methodes vereist dat je een datawetenschapper wordt.
Zodra je weet wat je moet oplossen, vertel dit dan aan de gebruikers die klagen. Reageren op App Store en Google Play beoordelingen met AI sluit de cirkel, en een recensent die feedback krijgt, past vaak hun beoordeling aan. De AI die antwoorden schrijft, leert van de antwoorden die je al hebt gegeven.
Ben je een tool aan het kiezen voor dit werk? Hier is waar je op moet letten, en hoe ReviewFlowz het aanpakt.