Incolla il tuo feedback in formato testo libero in Claude, spiegagli di cosa tratta il testo e quale decisione stai cercando di prendere, quindi chiedigli i temi ricorrenti con il sentiment associato a ciascuno, non un punteggio complessivo. Al di sotto, indicativamente, di qualche migliaio di documenti al mese, questa soluzione è migliore della configurazione di un classificatore di sentiment dedicato, perché ottieni le motivazioni anziché un’etichetta. Il problema è che il modello potrebbe fornirti un’etichetta sicura di sé su un testo che ha interpretato male, quindi verifica un campione secondo il 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 tu possa agire. Non indica di cosa siano arrabbiati quel 28%, se si tratti di un problema o di nove, né se i commenti positivi riguardino 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 menzionare, ciascuna con il proprio sentiment e una frequenza approssimativa. “Alle persone piace quanto è veloce, e trenta di loro si sono bloccate nello stesso punto della configurazione iniziale” è una frase su cui qualcuno può intervenire. Una percentuale no.
Questo è particolarmente importante perché il feedback reale raramente è univoco. “Adoro il prodotto, odio il prezzo” fa una media neutra, che è la descrizione meno utile possibile di quel cliente. Collegare il sentiment a ogni tema invece che a ogni documento preserva il segnale.
Dovresti invece usare uno strumento dedicato al sentiment?
Al di sotto di qualche migliaio di documenti al mese, di solito no; ed è utile capire il perché, perché la maggior parte dei consigli su questo argomento risale a dieci anni fa.
Amazon Comprehend, l’opzione gestita più diffusa, applica una tariffa di $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 (5M di caratteri) al mese gratuitamente per i primi dodici mesi. In termini di pura capacità di calcolo, un classificatore è praticamente 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, oltre a una decisione su cosa fare con l’etichetta restituita. E un’etichetta è tutto ciò che ottieni: un valore di sentiment con un punteggio di confidenza. Non ti dirà che i commenti negativi si concentrano attorno a un flusso di reimpostazione della password non funzionante, perché non individua gli argomenti, a meno che tu non lo configuri 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 creare alcuna pipeline. Superate alcune migliaia di documenti al mese, con esecuzione pianificata e alimentazione di una dashboard, i conti cambiano e un classificatore adeguato o un’API batch diventano convenienti. Al di sotto, stai creando un’infrastruttura per risparmiare sessanta centesimi.
Un avvertimento sui vecchi articoli a elenco che troverai sull'argomento: MonkeyLearn, presente 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 monkeylearn.com ora reindirizza con un 301 a medallia.com. Verifica che ogni strumento consigliato esista ancora prima di basarci i tuoi piani.
Come si esegue concretamente l'analisi?
Quattro elementi fanno la differenza tra un'analisi utile e una generica.
- Spiega di che tipo di testo si tratta. «Questi sono 400 ticket di assistenza delle due settimane successive alla modifica dei prezzi» cambia completamente l'interpretazione rispetto a un blocco non etichettato.
- Spiega a quale decisione serve. Un'analisi per sostenere una tesi sulla roadmap è diversa da un'analisi per un'analisi retrospettiva del churn. Specifica quale.
- Chiedi frequenze e citazioni, non solo temi. Richiedi un conteggio approssimativo per ogni tema e due citazioni testuali. È così che puoi verificarla: se una citazione non supporta il tema, il tema è sbagliato.
- Chiedi cosa non è riuscita a classificare. I residui sono spesso la parte più interessante: commenti troppo ambigui, troppo brevi o troppo sarcastici per essere collocati.
Se il tuo feedback proviene da sondaggi che hai progettato tu, la qualità di questa analisi viene determinata prima ancora di eseguirli - lo stesso punto trattato nella nostra guida all'HR generalist, che vale la pena affiancare alla panoramica più ampia nella guida alla ricerca di mercato.
Dopo che Mira ha raggruppato il feedback per temi, Elena trasforma l'elenco prioritizzato in un'analisi di business con impatto, impegno e una raccomandazione.
Visualizza Elena →Come si installa la Skill Mira?
Mira arriva come file ZIP con un SKILL.md file nella cartella principale.
- Apri l'app desktop di Claude, fai clic su Personalizza nella barra laterale, quindi su Skills.
- Fai clic su + e carica il file 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.
Skills sono disponibili in ogni piano Claude - Free, Pro, Max, Team ed Enterprise - ma richiedono che l'esecuzione del codice sia attivata. Se il menu Skills è disattivato o non compare, abilita Esecuzione del codice e creazione di file in Impostazioni > Funzionalità. Nei piani Team ed Enterprise è un'impostazione riservata al proprietario nelle impostazioni dell'organizzazione, quindi potrebbe essere necessario chiedere.
Se non puoi abilitare l'esecuzione del codice o lavori in ChatGPT o Gemini, apri il SKILL.md file, copia il contenuto e incollalo nelle istruzioni personalizzate. Lo Skill non si attiverà automaticamente, ma influenzerà ogni risposta in quella conversazione.
Dove può andare storto?
Questa è la sezione da leggere due volte, perché il problema si manifesta senza farsi notare.
- Sarà convinto anche quando sbaglia. Un modello non risponde “Non sono sicuro di aver capito cosa intendesse questa persona”. Restituisce un'etichetta chiara con lo stesso tono, che abbia interpretato correttamente il commento o meno. Nell'output non c'è nulla che distingua una classificazione solida da un'interpretazione errata.
- Il sarcasmo e le allusioni rompono l'analisi. “Fantastico, un altro aggiornamento” e “va bene, suppongo” sono esattamente i commenti che un essere umano capisce all'istante e che un modello appiattisce.
- I conteggi delle frequenze sono stime, non conteggi effettivi. Quando un modello dice che un tema è comparso in 30 commenti, non li ha contati. Se il numero finirà in una diapositiva, contalo tu oppure chiedi al modello di fornire i numeri di riga, così potrai verificarlo.
- Probabilmente il tuo campione non rappresenta i tuoi clienti. Per definizione, le persone che lasciano recensioni e rispondono alle domande a risposta aperta sono insolite. L'analisi descrive chi ha risposto, e nessuno strumento può correggere questo aspetto.
- I confini tra i temi dipendono da una valutazione. Esegui la stessa analisi due volte e potresti ottenere sei temi una volta e quattro quella successiva, perché “lento” e “che non risponde” possono ragionevolmente costituire uno o due temi. Nessuna delle due risposte è sbagliata, ma entrambe modificano il tuo grafico.
- Non può dirti cosa fare. Ti dice cosa hanno detto le persone. Il compromesso tra correggere il processo di onboarding e distribuire la funzionalità che avevi già promesso spetta a te.
Quindi fai un controllo a campione prima di presentare qualsiasi cosa. Prendi un campione di commenti - cinquanta sono sufficienti per qualche centinaio di documenti - etichettali tu prima di guardare la risposta del modello, poi confronta i risultati. Non cerchi la perfezione: cerchi di capire dove si concentrano i disaccordi. Se si concentrano su un tema, quel tema non è affidabile e dovresti dirlo. Se tu e il modello non concordate su più di una manciata di casi nel campione, non riportare la distribuzione come un risultato. Fallo una volta per un determinato tipo di feedback e in seguito saprai quanto puoi fidarti dell'analisi.
Se la maggior parte dei messaggi non letti è costituita da ticket di assistenza, abbina l'analisi dei temi di Mira a Sam, che prepara le risposte una volta capito per cosa il cliente è davvero arrabbiato.
Visualizza Sam - Skill AI per l'assistenza clienti (14,99 $) →Perché usare uno Skill invece di scrivere il prompt ogni volta?
Due motivi, e nessuno dei due è che lo 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 nello stesso modo, con le stesse definizioni dei temi e le stesse istruzioni su cosa conta come reclamo. Uno Skill salvato fissa il metodo, così il confronto è reale e non un artefatto del modo in cui ti è capitato di formulare il prompt ad aprile.
Il secondo punto 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 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 monitorare un cambiamento invece di limitarsi a ipotizzarlo.
Visualizza il Prompt per il sondaggio dei dipendenti ($9) →Quali testi vale la pena analizzare con questo strumento?
Ovunque tu abbia grandi quantità di testo e nessuno abbia il tempo di leggerlo: risposte a sondaggi a testo libero, recensioni di prodotti, ticket di assistenza, colloqui di uscita, commenti sugli app store, appunti delle chiamate commerciali, menzioni sui social. Il metodo non cambia. Cambiano il contesto che fornisci all’inizio e la decisione a cui vuoi orientare l’analisi.
L’unica categoria con cui prestare attenzione è quella in cui il campione è minuscolo. Dodici commenti non formano dei temi: sono dodici opinioni, e dovresti leggerli tu stesso.
In sintesi:
Per l’analisi generica di testi liberi - recensioni, ticket, risposte ai sondaggi, trascrizioni di interviste - usa Mira ($14.99). Se il materiale consiste soprattutto in ticket di assistenza, abbinala a Sam ($14.99). Se stai progettando il sondaggio che produrrà i feedback, inizia con il Prompt per il sondaggio dei dipendenti ($9). Poi trasforma i temi in un caso con Elena ($14.99). Funzionano tutte in Claude, ChatGPT e qualsiasi chat AI, con una garanzia di rimborso entro 30 giorni - e per tutte dovrai comunque verificare a campione i risultati.
Guide alle Skill correlate
- Come usare Claude per l’email marketing: la guida alla Skill Nadia
- Come usare Claude come social media manager: la guida alla Skill Maya
- Come usare Claude come stratega del growth marketing: la guida alla Skill Sofia
- Come usare Claude per l’analisi di marketing: la guida alla Skill Rafa
KissMySkills è un marketplace di 853 Skill di AI, 158 Prompt Pack, 55 agenti e strumenti gratuiti per Claude, ChatGPT e qualsiasi chat AI.