3
respostas

[Projeto] Análise de Opiniões dos Clientes( Resenhas)

Análise de Sentimentos em Resenhas

Neste exercício, foi realizada a análise de sentimentos em resenhas de clientes sobre uma air fryer, com o objetivo de extrair informações valiosas para futuras análises.

O que deve ser analisado em cada resenha?
Resumo: o que a pessoa quis dizer, em português, em até 30 palavras.
Pontos fortes: o que ela gostou na air fryer.
Pontos fracos: o que ela não gostou.
Sentimento: se a opinião dela é positiva, neutra ou negativa.

Por que usar JSON?

JSON é um formato de dados muito utilizado em programação e integração de sistemas.
Com ele, a empresa consegue armazenar e processar informações automaticamente em bancos de dados, dashboards, planilhas ou relatórios, sem precisar analisar cada resenha manualmente.

3 respostas

Olá, Vanessa. Como vai?

Parabéns pelo projeto! Como você bem destacou, a Análise de Sentimentos (ou Opinion Mining) é uma das aplicações mais poderosas da IA Generativa para o mundo dos negócios.

Sua escolha pelo formato JSON demonstra uma visão técnica apurada. Na jornada de um analista de dados ou desenvolvedor, o JSON funciona como a "ponte" perfeita entre a linguagem humana e a capacidade de processamento das máquinas.

Por que sua abordagem é estratégica?

  • Padronização: Ao definir campos fixos (resumo, pontos_fortes, pontos_fracos, sentimento), você transforma textos subjetivos em dados estruturados. Isso permite que uma empresa visualize, por exemplo, que "60% dos pontos fracos mencionam o ruído do aparelho".
  • Escalabilidade: Analisar 5 resenhas manualmente é fácil, mas analisar 5.000 é impossível sem a estrutura que você criou. Com o JSON, esses dados podem alimentar diretamente um dashboard de BI (como Power BI ou Tableau).
  • Consistência com a IA: O ChatGPT é excelente em seguir esquemas de dados. Ao pedir um resumo de "até 30 palavras", você também está controlando o custo de processamento (tokens) e garantindo objetividade.

Dica de Engenharia de Prompt para este desafio:

Para garantir que a IA sempre entregue o JSON no formato esperado para seus sistemas, você pode adicionar uma instrução de "Few-Shot Prompting" (dar um exemplo). Veja um modelo de como o prompt poderia ser refinado:

"Analise as seguintes resenhas e retorne apenas um array de objetos JSON seguindo este padrão:
{"resumo": "...", "pontos_fortes": ["..."], "pontos_fracos": ["..."], "sentimento": "..."}.
Não adicione explicações fora do bloco de código."

Uma curiosidade técnica:
Quando você utiliza o sentimento como "positivo", "negativo" ou "neutro", você está criando um campo categórico. Em análises mais avançadas, empresas utilizam também o "Score de Sentimento" (ex: de -1 a 1), para saber o quão positiva ou negativa foi aquela experiência.

Você já pensou em qual seria o próximo passo após coletar esses JSONs? Talvez criar um gráfico de nuvem de palavras com os pontos fracos mais citados?

Espero que possa ter lhe ajudado!

Ola Vanessa!

Gostei do que postou, estou entrando na área agora e ainda não tinha o conhecimento de por que pedir para a saida em JSON e você colocou isso no seu post e me ajudou muito a compreender e ao colega que também respondeu complementando muito bem sua pergunta!!

Oi Camila, estou começando também tem bastante curso feito, mas ainda preciso aprender muito coisa se precisar de ajudar pode me chamar será muito legal trocar figurinha.

Perfil perfil do Linkendin www.linkedin.com/in/vanessap-silva