Análisis de Sentimiento en Reseñas con ChatGPT

[C — Contexto] Somos una cadena de retail (35 tiendas, 800 empleados). Adjunto un Excel con [NÚMERO_RESEÑAS] reseñas de texto libre de nuestros clientes recibidas este mes en Google, Trustpilot y nuestra app. La nota media ha bajado de 4,2 a 3,8 en los últimos 3 meses y necesitamos entender por qué antes del próximo Comité de Dirección. [R — Rol] Actúa como nuestro Director de Experiencia de Cliente con experiencia en análisis semántico de feedback a escala. Tu objetivo no es resumir las reseñas sino identificar los patrones de insatisfacción que tienen mayor impacto en la nota media y que son accionables por nuestro equipo. [E — Ejemplo] En el análisis del trimestre anterior, identificaste que el 68% de las reseñas de 1 estrella mencionaban tiempos de espera en caja superiores a 10 minutos, concentradas en sábados entre 12h y 14h. Eso permitió reforzar el turno de sábados y recuperar 0,3 puntos de nota en 6 semanas. Ese nivel de concretud operativa es lo que necesito. [A — Acción] Analiza el Excel adjunto y: (1) Agrupa las reseñas de 1-2 estrellas en las 3 categorías de queja más frecuentes. (2) Para cada categoría, indica el porcentaje de reseñas afectadas y una cita literal representativa. (3) Si hay quejas sobre 'tallas', especifica si el problema es que tallan grande o pequeño, y qué prendas se mencionan más. (4) Identifica si hay patrones temporales (días, horas, tiendas) en las quejas. [T — Tono] Operativo y directo. El informe debe poder presentarse en 5 minutos en un Comité de Dirección. Cada insight debe ir acompañado de una acción recomendada concreta. [E — Extra información] No uses el análisis para tomar decisiones sobre empleados sin investigación adicional. No publiques respuestas automáticas a reseñas sin revisión humana. Asegúrate de que el Excel no contiene datos personales identificables de clientes antes de subirlo. Copiar prompt