Olá, Camille! Tudo bem?
Excelente resolução do desafio! Você aplicou muito bem os conceitos de extração de dados e análise de sentimentos estruturada.
O uso do formato JSON para organizar essas informações é uma das melhores práticas quando trabalhamos com IA, pois facilita a integração desses dados com outros sistemas ou dashboards de análise de feedback de clientes.
Gostaria de destacar alguns pontos técnicos importantes na sua entrega:
1. Estruturação de Dados (JSON)
Ao separar "Pontos Fortes" e "Pontos Fracos" em listas (arrays), você permite que uma empresa faça uma análise de frequência. Por exemplo: se "Dificuldade de limpeza" aparece em 80% das resenhas com sentimento negativo, a engenharia do produto já sabe exatamente onde focar a melhoria.
2. Nuances no Sentimento
Sua análise na Resenha 3 foi muito precisa. Mesmo com reclamações sobre a inconsistência no cozimento, o sentimento foi marcado como Positivo porque o cliente mencionou que o "design é moderno" e, principalmente, que "comprou um modelo maior da mesma marca" — o maior indicador de fidelidade.
Dica para o próximo nível: Few-Shot Prompting
Para garantir que o ChatGPT sempre entregue o JSON exatamente nesse formato e com esse critério de análise, você pode usar a técnica de Few-Shot Prompting. Ela consiste em dar um ou dois exemplos prontos para a IA antes de pedir para ela analisar as resenhas novas.
Exemplo de Prompt:
"Analise as resenhas de produtos e retorne um JSON seguindo este padrão:
Exemplo: { "ID": 0, "Resumo": "...", "Sentimento": "..." }
Resenha para analisar: [texto da resenha aqui]"
Parabéns pelo empenho! Dominar a extração de insights com IA é uma habilidade valiosíssima para qualquer profissional de dados ou produto.
Espero que possa ter lhe ajudado! Você sentiu que o ChatGPT teve dificuldade em separar o que era ponto forte do que era ponto fraco em alguma dessas resenhas ou ele foi direto ao ponto?
