A avaliação do seu app caiu e você não sabe o motivo. Você tem milhares de avaliações na App Store e Play Store, em idiomas que sua equipe não domina, e lê-las uma a uma não é viável. Existem três maneiras de descobrir o que está dando errado, e cada uma responde a perguntas específicas:
Comece no escuro se você não tem ideia do que está causando problema. Identifique os temas e depois leia as citações.
Teste uma hipótese se você já suspeita de algo. Peça ao Claude ou ChatGPT para analisar as avaliações e verifique se está certo.
Acompanhe o que você está corrigindo quando já iniciou os ajustes. Marque o tópico e observe o volume de reclamações diminuir.
Algo que você não verá aqui: exportar um CSV e rodar scripts de agrupamento de tópicos. Isso está em toda a internet e é perda de tempo. Ninguém te contratou para otimizar um pipeline de PNL, e fazer isso mal pode ser pior do que não fazer, pois você acaba confiando em agrupamentos sem significado.
Compre uma ferramenta para isso! Veja como proceder com as avaliações que você já tem na sua conta.
Comece no escuro: encontre os temas e, em seguida, leia o que dizem
Quando você não tem uma hipótese, vá para Relatórios, depois Análise Semântica. O Reviewflowz analisa suas avaliações e cria a árvore de tópicos: cinco tópicos, três subtópicos cada, com as menções positivas e negativas ao longo do tempo. Não existe uma taxonomia pronta, então as categorias são as levantadas pelos seus usuários, não as que um modelo acha que deveriam ser para um aplicativo de namoro ou um banco.
Agora, a parte que muitos ignoram. O gráfico mostra que um subtópico teve 89 menções negativas no último mês. Ele não diz qual é a queixa. Gráficos dão direcionamento, mas não são relatórios de erro. Quando um subtópico cresce, pare de olhar para o gráfico e leia as frases.
É aqui que entra a Análise de Sentimento em Avaliações. Cada citação é a frase exata de uma avaliação com sentimento, marcada com seu subtópico e classificada como positiva ou negativa. Filtre pelas citações negativas do subtópico que cresceu, ordene pelas mais recentes e leia vinte delas. Vinte geralmente bastam: até a décima você já sabe se é o checkout, a sincronização ou a nova barra de guias. As citações também são traduzidas, então um pico em português é tão legível quanto em inglês.
Leia as citações antes de informar a equipe. Um subtópico chamado "Manuseio de Erros e Estabilidade" com tendência negativa é uma sensação. "O aplicativo me desloga toda vez que mudo de rede" é um ticket.
A mecânica de como os tópicos e o sentimento são construídos está em Explorando Suas Avaliações para Insights de Negócios.
Teste uma hipótese: faça o Claude ou ChatGPT analisar as avaliações
Às vezes, você precisa de respostas rápidas. Uma nova versão saiu no dia 12, o suporte diz que as pessoas não gostam do novo onboarding, e você quer saber se as avaliações confirmam isso antes de repriorizar um sprint.
Um painel responde às perguntas para as quais foi projetado. Sua pergunta é mais específica, então pergunte diretamente em inglês. Conecte o Claude ou ChatGPT aos seus dados de revisão com o MCP do Reviewflowz, e o modelo lê suas avaliações para responder: quais reclamações surgiram após o lançamento de março, quais aparecem em avaliações de 1 estrela, mas não em 3 estrelas, o que exatamente falam que não funciona na hora de fazer login. Veja como conectá-lo.
Peça as citações, não apenas o resumo. É a mesma lógica do primeiro método: um modelo que entrega um parágrafo resumido leu para você, e você aprende mais com as três frases nas quais ele se baseou. Termine sua pergunta com "mostre-me as avaliações que fundamentam isso", e leia-as.
Esta é a maneira mais rápida de descartar uma teoria errada. Metade das vezes, as avaliações dizem que o onboarding está bem e as reclamações são sobre a alteração de preço na mesma versão.
Acompanhe o que você está corrigindo: marque os tópicos que importam para você
Os dois primeiros métodos têm uma limitação. Os tópicos que o Reviewflowz descobre são os que seus usuários levantam, mas não necessariamente os mesmos que o seu roteiro aborda. Se sua equipe vai focar no fluxo de onboarding neste trimestre, você precisa de uma linha no gráfico chamada onboarding, independentemente de a IA ter decidido que onboarding é um dos cinco principais tópicos.
É aí que entram as tags. Vá para Configurações, depois Tags, e crie uma tag com o que você está trabalhando. Marque "Usar para marcar automaticamente avaliações" e a IA atribui essa tag às suas avaliações com base no tema que você nomeou. Nomeie a tag da forma como um usuário reclamaria, não como seu código está organizado: "crash ao iniciar" e "preço de assinatura" fazem sentido, "AuthModule" não.
Clique em "Processar todas as minhas avaliações". Isso aplica suas tags nas avaliações que você já tem, o que é mais importante do que parece: dá à tag um histórico. Sem isso, você só verá reclamações a partir de hoje, e "a correção funcionou" é uma pergunta que você só responde comparando o depois com o antes.
Agora você tem o único número que importa após um lançamento: o volume de reclamações sobre essa tag está diminuindo. Filtre suas avaliações pela tag para ver o que ainda surge e acompanhe isso ao longo do tempo para observar a tendência.
A criação de tags é explicada passo a passo em Como usar tags de revisão no Reviewflowz.
Qual método e quando usá-lo
Você não sabe o que está errado: comece no escuro. Identifique a árvore de tópicos e leia as citações, não pare no gráfico.
Você suspeita de algo específico: pergunte ao modelo e peça para mostrar as avaliações que sustentam sua resposta.
Você está corrigindo algo ou vai trabalhar nisso em breve: marque e acompanhe.
A maioria das equipes acaba usando os três métodos, nesta ordem. Primeiro você explora para encontrar o problema, depois testa hipóteses sempre que algo parece errado e finalmente marca os tópicos relevantes. Nenhum desses métodos exige que você se torne um cientista de dados antes de começar.
Depois de saber o que corrigir, avise os usuários que reclamaram. Responder às avaliações da App Store e do Google Play com IA fecha esse ciclo, e quem recebe uma resposta muitas vezes atualiza sua classificação.
Procurando uma ferramenta para esse trabalho? Veja o que procurar, e como o Reviewflowz aborda isso.