Gestión de Reseñas

Úsalo para análisis de reseñas, gestión de reputación, borradores de respuestas, borradores de quejas/informes, extracción de información del producto, análisis de CSV de reseñas subidas y estrategia de mejora de calificaciones.

Flujo de trabajo MCP

Usa app-store-connect-mcp.
Reseña individual: lee con get_review_data.
Lista de reseñas: lee con get_reviews_data.
Usa unansweredOnly, badRatingOnly y maxRating para acotar listas de reseñas.
Usa el contexto del proyecto para tono, enlaces de soporte, problemas conocidos y política de respuesta.
Analiza el estado de las reseñas, temas, oportunidades de respuesta y elegibilidad para quejas/informes.
Valida con validate_ai_companion_data destino review o reviewList.
Si se solicita aplicar, completa los borradores con fill_review o fill_reviews.

Campos para completar

Reseña individual:

responseBody
complaintReason
concernType

Lista de reseñas:

reviews: array o mapa por reviewId, cada uno con responseBody, complaintReason y/o concernType

Análisis de reseñas CSV

Usa este modo cuando el usuario suba o haga referencia a un CSV con todas las reseñas. El análisis CSV no requiere MCP a menos que el usuario quiera completar respuestas/quejas de vuelta en ASO.dev.

Antes del análisis:

Identifica las columnas del CSV. Columnas comunes: ID de reseña, calificación, título, cuerpo/texto, idioma/país, versión de la app, fecha, respuesta del desarrollador, fecha de respuesta, dispositivo/plataforma.
Normaliza fechas, calificaciones, idiomas, versiones y valores vacíos.
Desduplica filas repetidas por ID de reseña o título/cuerpo/fecha exactos.
Segmenta por calificación, idioma/país, versión de la app, período de fecha, estado de respuesta/no respuesta y longitud de la reseña.
Si el CSV es grande, toma ejemplos para citas pero calcula recuentos/temas en todo el archivo.

Analiza para:

Sentimiento por calificación y texto: positivo, neutral, negativo, mixto.
Temas: errores/fallos, fricción de UX, precios/muro de pago, incorporación, rendimiento, cuenta/inicio de sesión, localización, soporte, calidad del contenido.
Solicitudes de funciones: capacidades faltantes, patrones repetidos de "ojalá tuviera...", comparaciones con competidores.
Riesgo del producto: regresiones por versión de app/fecha, errores graves, intención de reembolso/cancelación, preocupaciones de confianza/privacidad.
Lenguaje ASO: frases que los usuarios usan para describir valor, resultados y casos de uso.
Oportunidades de soporte: reseñas de baja calificación sin respuesta, respuestas desactualizadas, respuestas de alto impacto.

La salida CSV debe incluir recuentos y ejemplos representativos. No pegues grandes volcados de reseñas sin procesar.

Marco de análisis de reseñas

Clasifica los temas:

Tema	Qué significa	Acción
Errores/fallos	Falla técnica, flujo roto, regresión	Escalar la solución, responder solo con estado conocido
Solicitudes de funciones	Los usuarios piden una capacidad faltante	Rastrear frecuencia y segmento de usuario
Quejas de UX	Confuso, lento, frustrante, difícil de usar	Priorizar revisión de UX/producto
Precios/muro de pago	Demasiado caro, suscripción poco clara, confusión de prueba	Usar `monetization-strategy` si se repite
Elogios	Valor, deleite, funciones favoritas	Agradecer y aprender lenguaje de conversión
Menciones de competidores	Comparaciones o razones de cambio	Identificar brechas de posicionamiento

Señales de estado de las reseñas:

Calificación promedio y tendencia, si está disponible
Volumen reciente de estrellas bajas
Reseñas negativas sin respuesta
Tasa de respuesta y frescura de la respuesta
Temas repetidos de errores/UX/precios
Candidatos a queja/informe

Reglas de respuesta

Sé tranquilo, específico y breve.
Prioriza respuestas oportunas; apunta a 24-48 horas para reseñas negativas de alto impacto cuando sea operativamente posible.
No discutas con el revisor.
No reveles datos internos.
No prometas soluciones a menos que estén confirmadas.
No pidas información personal en público.
Para reseñas enojadas, reconoce el problema y deriva a soporte.
No le pidas al usuario que cambie su calificación.
No copies y pegues respuestas idénticas en muchas reseñas.

Marco de respuesta

Usa HEAR para reseñas negativas:

Hear (Escuchar): reconoce el problema específico.
Empathize (Empatizar): muestra que entiendes la frustración.
Act (Actuar): explica lo que se sabe, está solucionado o se está investigando.
Resolve (Resolver): invita al soporte directo con la ruta de contacto adecuada.

Las plantillas son solo puntos de partida:

Error: reconoce, menciona la versión corregida conocida solo si está confirmada, invita a actualizar/soporte.
Solicitud de función: agradece, menciona que se ha compartido con el equipo, evita prometer la hoja de ruta.
Negativo vago: discúlpate brevemente, pide detalles a través del soporte.
Positivo: agradece y repite el beneficio que nombraron.

Reglas de queja/informe

Reporta solo cuando la reseña parezca abusiva, spam, fraudulenta, irrelevante o que viole la política.
No reportes comentarios negativos válidos solo porque tienen baja calificación.
Mantén las razones de la queja objetivas y breves.

Estrategia de solicitud de calificación

Úsalo solo para asesoramiento; este skill MCP completa borradores de reseñas, no código de la aplicación.

Activa solo después de un momento de valor positivo.
Evita la primera sesión, incorporación, errores, fallos, pago fallido o frustración de soporte.
Buenos momentos: tarea completada, objetivo alcanzado, racha, ahorro de tiempo/dinero, restauración/exportación/compartición exitosa.
Respeta los límites de la plataforma y no incentives las reseñas.
Si las malas reseñas son causadas por problemas del producto, soluciona el problema antes de aumentar el volumen de solicitudes.

Extracción de información del producto

Usa las reseñas para extraer:

Funciones más queridas y lenguaje exacto del usuario para metadatos/capturas de pantalla.
Principales errores recurrentes o fallos de UX.
Objeciones de monetización y confusión de suscripción.
Frecuencia de demanda de funciones.
Competidores mencionados y factores desencadenantes de cambio.

Puntuación de solicitudes de funciones:

Señal	Significado
Frecuencia	Cuántas reseñas mencionan la solicitud
Impacto en la calificación	Si la solicitud aparece en reseñas de baja calificación o con riesgo de abandono
Segmento	Idioma, versión, tipo de usuario o país donde aparece
Ajuste estratégico	Si coincide con el posicionamiento de la app y la hoja de ruta
Esfuerzo/riesgo	Si requiere trabajo de producto, backend, diseño, precios o políticas

Salida

# Estado de las reseñas y trabajo de respuesta

App:
Modo:
Calificación/tendencia:
Filtros:
Fuente CSV:

## Resumen del estado
- Total de reseñas cargadas:
- Reseñas de baja calificación:
- Reseñas sin respuesta:
- Riesgo principal:

## Sentimiento
| Segmento | Positivo | Neutral | Negativo | Mixto | Notas |
|---|---:|---:|---:|---:|---|

## Temas
| Tema | Recuento | Impacto en la calificación | Evidencia | Acción |
|---|---:|---|---|---|

## Funciones faltantes / solicitudes
| Solicitud | Recuento | Segmento de usuario | Evidencia | Recomendación de producto |
|---|---:|---|---|---|

## Borradores
| ID de reseña | Calificación | Tema | Acción | Borrador |
|---|---:|---|---|---|

## Información del producto
| Información | Evidencia | Propietario/acción recomendado |
|---|---|---|

## Plan de mejora de calificación
1.
2.
3.

## Validación
- Columnas CSV mapeadas:
- Recuentos basados en datos completos:
- Tono seguro:
- Sin datos privados:
- Queja justificada:
- Validación MCP:
- Listo para completar:

asodevapp/skills

¿Qué es skills?

Preguntar en tu IA favorita

Documentación