Incolla il tuo feedback a testo libero in Claude, spiegagli di cosa tratta il testo e quale decisione stai cercando di prendere, e chiedigli i temi ricorrenti con il sentiment associato a ciascuno, non un punteggio complessivo. Al di sotto di circa qualche migliaio di documenti al mese, è meglio che configurare un classificatore di sentiment dedicato, perché ottieni le motivazioni anziché un'etichetta. Il problema è che il modello ti fornirà un'etichetta sicura anche per testi che ha interpretato male, quindi verifica un campione rispetto al tuo giudizio prima di presentare qualsiasi distribuzione come un dato di fatto.
Prezzi degli strumenti verificati ad agosto 2026.
Perché un punteggio di sentiment da solo è inutile?
“72% positivo” non ti dice nulla su cui puoi agire. Non dice di cosa sono arrabbiati quel 28%, se si tratta di un problema o di nove, né se i commenti positivi riguardano ciò che hai appena lanciato o ciò che stai per eliminare.
Quello che ti serve invece è un elenco di temi: le cinque o sei cose che le persone continuano a citare, ciascuna con il proprio sentiment e la propria frequenza approssimativa. “Alle persone piace quanto è veloce, e trenta di loro si sono bloccate nello stesso punto dell'onboarding” è una frase su cui qualcuno può agire. Una percentuale no.
Questo è importante soprattutto perché il feedback reale raramente è univoco. “Amo il prodotto, odio il prezzo” fa una media neutra, che è la descrizione meno utile possibile di quel cliente. Associare il sentiment a ogni tema anziché a ogni documento mantiene il segnale.
Dovresti invece usare uno strumento dedicato per il sentiment?
Al di sotto di qualche migliaio di documenti al mese, di solito no - e vale la pena capire perché, perché la maggior parte dei consigli su questo argomento risale a dieci anni fa.
Amazon Comprehend, l'opzione gestita più diffusa, addebita 0,0001 $ per unità per l'analisi del sentiment, dove un'unità corrisponde a 100 caratteri e ogni richiesta viene fatturata con un minimo di 3 unità. Una recensione di 300 caratteri costa 0,0003 $. Duemila recensioni costano circa sessanta centesimi. AWS offre inoltre a clienti nuovi ed esistenti 50.000 unità (5 milioni di caratteri) al mese gratuitamente per i primi dodici mesi. In termini di pura capacità di calcolo, un classificatore è essenzialmente gratuito.
Il costo per te si manifesta in tutto il resto. Ti servono un account AWS, le credenziali, uno script per inviare il CSV tramite l'API e recuperare i risultati, e una decisione su cosa fare con l'etichetta che restituisce. E questo è tutto ciò che ottieni: un valore di sentiment con un punteggio di confidenza. Non ti dirà che i commenti negativi si concentrano su un flusso di reimpostazione della password non funzionante, perché non cerca gli argomenti a meno che tu non lo costruisca separatamente.
Un modello generico che legge le stesse 2.000 recensioni ti fornisce gli argomenti, il sentiment per argomento, citazioni rappresentative e una risposta quando fai una domanda di approfondimento, senza dover costruire alcuna pipeline. Superate diverse migliaia di documenti al mese, con esecuzione programmata e alimentazione di una dashboard, i conti cambiano e un classificatore adeguato o un'API batch si ripagano. Al di sotto, stai costruendo infrastruttura per risparmiare sessanta centesimi.
Un'avvertenza sugli articoli con elenchi datati che troverai su questo tema: MonkeyLearn, che compare nella maggior parte delle raccolte dei “migliori strumenti di analisi del sentiment”, non esiste più come prodotto autonomo. Medallia l'ha acquisito nel 2022 e oggi monkeylearn.com reindirizza con un 301 a medallia.com. Verifica che ogni strumento consigliato esista ancora prima di pianificarci qualcosa.
Come si esegue concretamente l'analisi?
Quattro elementi fanno la differenza tra un'analisi utile e una generica.
- Spiega cosa rappresenta il testo. «Questi sono 400 ticket di assistenza delle due settimane successive alla modifica dei prezzi» cambia completamente l'analisi rispetto a incollare un blocco senza etichetta.
- Spiega a quale decisione serve. L'analisi per sostenere una decisione sulla roadmap è diversa da quella per un'analisi retrospettiva del churn. Specifica quale.
- Chiedi frequenza e citazioni, non solo temi. Richiedi un conteggio approssimativo per tema e due citazioni testuali. Le citazioni servono per verificarla: se una citazione non supporta il tema, il tema è sbagliato.
- Chiedi cosa non è riuscita a classificare. Il residuo è spesso la parte più interessante: i commenti troppo ambigui, brevi o sarcastici per essere collocati.
Se il tuo feedback proviene da sondaggi che hai progettato, la qualità di questa analisi viene determinata prima di eseguirla - lo stesso punto trattato nella nostra guida per generalisti HR, che vale la pena affiancare alla lettura più ampia nella guida alle ricerche di mercato.
Dopo che Mira ha raggruppato il feedback per temi, Elena trasforma l'elenco prioritario in un business case con impatto, impegno e una raccomandazione allegati.
Visualizza Elena →Come si installa la Skill Mira?
Mira arriva come ZIP con un SKILL.md file nella sua directory principale.
- Apri l'app desktop di Claude, fai clic su Customize nella barra laterale, quindi su Skills.
- Fai clic su + e carica lo ZIP. Claude legge
SKILL.mde riassume cosa fa. - Attivalo. Se è disattivato, Claude lo ignora.
- Incolla il tuo feedback e descrivi la decisione che stai prendendo.
Le Skills funzionano su tutti i piani Claude: Free, Pro, Max, Team ed Enterprise, ma richiedono l'esecuzione del codice attivata. Se il menu Skills è disattivato o non compare, abilita Code execution and file creation in Impostazioni > Funzionalità. Nei piani Team ed Enterprise è un'impostazione riservata al proprietario nelle impostazioni dell'organizzazione, quindi potresti doverlo chiedere.
Se non puoi abilitare l'esecuzione del codice o lavori in ChatGPT o Gemini, apri il SKILL.md file, copiane il contenuto e incollalo nelle istruzioni personalizzate. La Skill non si attiverà automaticamente, ma influenzerà ogni risposta in quella conversazione.
Dove si sbaglia?
Questa è la sezione da leggere due volte, perché il problema si manifesta in modo silenzioso.
- Sbaglierà con sicurezza. Un modello non risponde “Non sono sicuro di cosa intendesse questa persona”. Restituisce un'etichetta chiara con lo stesso tono, sia che abbia interpretato correttamente il commento sia che non lo abbia fatto. Nulla nell'output distingue una classificazione solida da un'interpretazione errata.
- Il sarcasmo e l'eufemismo lo mettono in difficoltà. “Fantastico, un altro aggiornamento” e “va bene, suppongo” sono esattamente i commenti che un essere umano comprende all'istante e che un modello appiattisce.
- I conteggi delle frequenze sono stime, non conteggi. Quando un modello dice che un tema è apparso in 30 commenti, non li ha conteggiati uno per uno. Se il numero finirà in una diapositiva, contalo tu oppure chiedi al modello di produrre i numeri di riga, così potrai farlo.
- Il tuo campione probabilmente non rappresenta i tuoi clienti. Per definizione, le persone che lasciano recensioni e rispondono a domande a risposta aperta sono insolite. L'analisi descrive chi ha risposto, e nessuno strumento può correggere questo aspetto.
- I confini tra i temi sono una questione di giudizio. Analizza due volte lo stesso feedback e potresti ottenere sei temi una volta e quattro quella successiva, perché “lento” e “non reattivo” possono ragionevolmente costituire uno o due temi. Nessuna delle due risposte è sbagliata; entrambe cambiano il tuo grafico.
- Non può dirti cosa fare. Ti dice cosa hanno detto le persone. Il compromesso tra migliorare l'onboarding e rilasciare la funzionalità che avevi già promesso spetta a te.
Quindi fai un controllo a campione prima di presentare qualsiasi cosa. Estrai un campione di commenti - cinquanta sono più che sufficienti per qualche centinaio di documenti - ed etichettali tu prima di guardare la risposta del modello, poi confronta. Non cerchi la perfezione, ma vuoi capire dove si concentrano i disaccordi. Se confluiscono tutti in un tema, quel tema non è affidabile e dovresti dirlo. Se tu e il modello non siete d'accordo su più di una manciata di casi nel campione, non riportare la distribuzione come risultato. Fallo una volta per un determinato tipo di feedback e in seguito saprai quanto fidarti dell'analisi.
Se la maggior parte della tua pila di elementi non letti è costituita da ticket di assistenza, abbina l'analisi dei temi di Mira a Sam, che prepara le risposte dopo che hai capito cosa sta davvero facendo arrabbiare il cliente.
Visualizza Sam - Skill AI per l'assistenza clienti →Perché usare una Skill invece di scrivere il prompt ogni volta?
Due motivi, e nessuno dei due è che la Skill sia più intelligente.
Il primo è la coerenza. Confrontare il sentiment di questo trimestre con quello del trimestre scorso ha senso solo se entrambi sono stati analizzati allo stesso modo, con le stesse definizioni dei temi e le stesse istruzioni su ciò che conta come reclamo. Una Skill salvata stabilisce il metodo, così il confronto è reale anziché un artefatto del modo in cui hai formulato il prompt ad aprile.
Il secondo aspetto è che le quattro cose elencate prima - contesto, decisione, frequenza e citazioni, residui non classificabili - sono facili da dimenticare quando vai di fretta, proprio quando incolli 400 ticket e speri che tutto vada per il meglio.
Conduci sondaggi trimestrali sul clima aziendale? Questo strumento progetta il sondaggio in modo che le risposte a testo libero siano confrontabili tra un trimestre e l'altro - il materiale grezzo di cui Mira ha bisogno per rilevare un cambiamento anziché ipotizzarlo.
Visualizza Employee Survey Prompt →Quali testi vale la pena analizzare con questo strumento?
Ovunque ci siano molti testi e nessuno abbia il tempo di leggerli: risposte a domande aperte dei sondaggi, recensioni di prodotto, ticket di supporto, interviste di uscita, commenti sugli app store, note delle chiamate commerciali, menzioni sui social. Il metodo non cambia tra questi casi. A cambiare è il contesto che fornisci all'inizio e la decisione a cui indirizzi l'analisi.
L'unica categoria con cui fare attenzione è quella in cui il campione è minuscolo. Dodici commenti non costituiscono dei temi: sono dodici opinioni, e dovresti leggerli tu stesso.
In sintesi:
Per l'analisi generale di testi liberi - recensioni, ticket, risposte ai sondaggi, trascrizioni di interviste - usa Mira. Se la raccolta è composta soprattutto da ticket di supporto, abbinala a Sam. Se stai progettando il sondaggio che produrrà il feedback, inizia con Employee Survey Prompt. Poi trasforma i temi in un caso con Elena. Tutti funzionano in Claude, ChatGPT e qualsiasi chat AI, con una garanzia di rimborso entro 30 giorni - e tutti richiedono comunque che tu verifichi a campione l'output.
Guide alle Skill correlate
- Come usare Claude per l'email marketing: la guida alla Skill di Nadia
- Come usare Claude come social media manager: la guida alla Skill di Maya
- Come usare Claude come stratega del marketing della crescita: la guida alla Skill di Sofia
- Come usare Claude per l'analisi di marketing: la guida alla Skill di Rafa
KissMySkills è un marketplace con 853 Skill AI, 158 Prompt Pack, 55 agenti e strumenti gratuiti per Claude, ChatGPT e qualsiasi chat AI.
