Desafio: analisando sentimentos em várias resenhas

Olá, Weydison. Como vai?

Parabéns pela resolução do desafio! O seu prompt foi muito bem estruturado, utilizando técnicas avançadas que são fundamentais para obter resultados profissionais com modelos de linguagem.

Gostaria de destacar alguns pontos técnicos excelentes na sua abordagem e oferecer complementos que podem ajudar a refinar ainda mais o seu trabalho com análise de dados e IA:

• Uso de Delimitadores: Você utilizou as três aspas simples (''') para separar a resenha das instruções do prompt. Essa é uma das melhores práticas recomendadas, pois ajuda a IA a entender exatamente onde terminam as ordens e onde começam os dados que devem ser analisados, evitando confusões de contexto.
• Saída Estruturada (JSON): Solicitar a saída em formato JSON é uma estratégia poderosa para quem trabalha com Data Science. Isso permite que você extraia a resposta e a insira diretamente em uma planilha, banco de dados ou dashboard, automatizando o processo de análise de sentimentos em larga escala.
• Definição de Persona: Ao definir a IA como um Especialista em experiência do cliente, você calibra o tom de voz e as prioridades do modelo, fazendo com que ele foque em detalhes que realmente importam para o negócio, como a usabilidade da grade e do cesto.

Sobre a sua observação de que a IA estava entregando apenas o JSON: isso acontece porque, ao solicitarmos um formato de código ou estrutura de dados, o modelo muitas vezes assume que aquela deve ser a única saída para facilitar a integração técnica.

Para resolver isso sem precisar de interações extras, você pode utilizar uma técnica de estruturação de resposta no próprio prompt:

Forneça a resposta em duas partes:
1. Um relatório textual legível para humanos, contendo o resumo e as listas de pontos.
2. Um bloco de código JSON contendo os dados estruturados conforme as chaves especificadas.

Outra sugestão para ganhar consistência quando você tiver muitas resenhas é o Few-Shot Prompting. Você pode fornecer um exemplo de uma resenha e a resposta ideal logo antes de pedir a análise da resenha atual. Isso "ensina" o padrão desejado à IA, garantindo que as próximas análises sigam exatamente o mesmo formato de resumo e categorização de sentimentos.

O seu resultado final ficou muito coerente, capturando nuances importantes como a diferença de facilidade de limpeza entre o cesto e a grade, o que é um dado valioso para a equipe de desenvolvimento de produtos da empresa.

Espero que possa ter lhe ajudado!

[
{
"id_resenha": 1,
"resumo": "A air fryer funciona muito bem e prepara alimentos saborosos, mas a grade é difícil de limpar e parece insegura ao despejar alimentos.",
"pontos_fortes": [
"Bom desempenho no preparo dos alimentos",
"Hambúrgueres ficaram saborosos",
"Cesto fácil de limpar",
"Uso frequente sem problemas de funcionamento"
],
"pontos_fracos": [
"Grade difícil de limpar",
"Acúmulo de comida nas frestas",
"Insegurança com a grade ao despejar alimentos"
],
"sentimento": "positivo"
},
{
"id_resenha": 2,
"resumo": "A air fryer funciona bem inicialmente, mas o cabo quebra facilmente devido à estrutura frágil de fixação, tornando o aparelho inutilizável.",
"pontos_fortes": [
"Funcionamento adequado no início"
],
"pontos_fracos": [
"Cabo quebra facilmente",
"Estrutura plástica frágil",
"Poucos parafusos na fixação",
"Produto se torna inutilizável após quebra"
],
"sentimento": "negativo"
},
{
"id_resenha": 3,
"resumo": "A fritadeira é bonita e prática, mas apresenta dificuldade no preparo correto dos alimentos e instruções pouco claras para iniciantes.",
"pontos_fortes": [
"Fácil de usar",
"Design moderno e elegante",
"Botões iluminados",
"Preparo excelente de tater tots",
"Mantém os alimentos quentes",
"Cliente gostou tanto que comprou modelo maior"
],
"pontos_fracos": [
"Dificuldade para definir o tempo de preparo",
"Botão de frutos do mar confuso",
"Alimentos ficaram cozidos de forma desigual",
"Pouca clareza para iniciantes",
"Insatisfação com a compra fora da Amazon"
],
"sentimento": "positivo"
}
]