리뷰 관리
리뷰 분석, 평판 관리, 답변 초안 작성, 컴플레인/신고 초안 작성, 제품 인사이트 발굴, 업로드된 리뷰 CSV 분석 및 평점 개선 전략에 사용합니다.
MCP 워크플로우
app-store-connect-mcp를 사용합니다.- 단일 리뷰:
get_review_data로 읽습니다. - 리뷰 목록:
get_reviews_data로 읽습니다. unansweredOnly,badRatingOnly,maxRating을 사용하여 리뷰 목록을 좁힙니다.- 프로젝트 컨텍스트(어조, 지원 링크, 알려진 문제, 응답 정책)를 활용합니다.
- 리뷰 건강도, 테마, 응답 기회, 컴플레인/신고 적격성을 분석합니다.
validate_ai_companion_data로review또는reviewList대상을 검증합니다.- 적용을 요청받으면
fill_review또는fill_reviews로 초안을 작성합니다.
필드 작성
단일 리뷰:
responseBodycomplaintReasonconcernType
리뷰 목록:
reviews: 배열 또는reviewId별 맵, 각 항목은responseBody,complaintReason및/또는concernType을 포함합니다.
CSV 리뷰 분석
사용자가 모든 리뷰가 포함된 CSV를 업로드하거나 참조할 때 이 모드를 사용합니다. CSV 분석은 사용자가 답변/컴플레인을 ASO.dev에 다시 채우려 하지 않는 한 MCP가 필요하지 않습니다.
분석 전:
- CSV 열을 식별합니다. 일반적인 열: 리뷰 ID, 평점, 제목, 본문/텍스트, 로케일/국가, 앱 버전, 날짜, 개발자 응답, 응답 날짜, 기기/플랫폼.
- 날짜, 평점, 로케일, 버전, 빈 값을 정규화합니다.
- 리뷰 ID 또는 정확한 제목/본문/날짜 기준으로 중복 행을 제거합니다.
- 평점, 로케일/국가, 앱 버전, 날짜 기간, 답변 여부, 리뷰 길이별로 세분화합니다.
- CSV가 큰 경우 인용문을 위한 샘플을 추출하되, 전체 파일에 대한 개수와 테마는 계산합니다.
다음 항목을 분석합니다:
- 평점 및 텍스트 기반 감성: 긍정, 중립, 부정, 혼합.
- 테마: 버그/충돌, UX 마찰, 가격/페이월, 온보딩, 성능, 계정/로그인, 현지화, 지원, 콘텐츠 품질.
- 기능 요청: 누락된 기능, 반복되는 "~가 있었으면..." 패턴, 경쟁사 비교.
- 제품 위험: 앱 버전/날짜별 회귀, 심각한 버그, 환불/취소 의도, 신뢰/개인정보 보호 문제.
- ASO 언어: 사용자가 가치, 결과, 사용 사례를 설명할 때 사용하는 구문.
- 지원 기회: 미답변 저평점 리뷰, 오래된 응답, 영향력이 큰 답변.
CSV 출력에는 개수와 대표적인 예시가 포함되어야 합니다. 원시 리뷰 대량 덤프를 붙여넣지 마십시오.
리뷰 분석 프레임워크
테마 분류:
| 테마 | 의미 | 조치 |
|---|---|---|
| 버그/충돌 | 기술적 실패, 흐름 중단, 회귀 | 수정 에스컬레이션, 알려진 상태만 응답 |
| 기능 요청 | 사용자가 누락된 기능 요청 | 빈도 및 사용자 세그먼트 추적 |
| UX 불만 | 혼란스럽고, 느리고, 불편하고, 사용하기 어려움 | UX/제품 검토 우선순위 지정 |
| 가격/페이월 | 너무 비쌈, 구독 불명확, 체험판 혼동 | 반복되면 monetization-strategy 사용 |
| 칭찬 | 가치, 만족감, 좋아하는 기능 | 감사 인사 및 전환 언어 학습 |
| 경쟁사 언급 | 비교 또는 전환 사유 | 포지셔닝 간극 발굴 |
리뷰 건강도 신호:
- 가능한 경우 평균 평점 및 추세
- 최근 저평점 리뷰량
- 미답변 부정 리뷰
- 응답률 및 응답 최신성
- 반복되는 버그/UX/가격 테마
- 컴플레인/신고 대상
답변 규칙
- 차분하고, 구체적이며, 간결하게 작성하십시오.
- 시급한 답변을 우선시하십시오. 운영상 가능하다면 영향력이 큰 부정 리뷰는 24-48시간 이내에 답변을 목표로 하십시오.
- 리뷰어와 논쟁하지 마십시오.
- 내부 데이터를 공개하지 마십시오.
- 확인되지 않은 수정 사항을 약속하지 마십시오.
- 공개적으로 개인 정보를 요청하지 마십시오.
- 화난 리뷰에는 문제를 인정하고 지원 채널로 안내하십시오.
- 사용자에게 평점 변경을 요청하지 마십시오.
- 여러 리뷰에 동일한 답변을 복사-붙여넣기 하지 마십시오.
응답 프레임워크
부정 리뷰에는 HEAR 프레임워크를 사용하십시오:
1.듣기(Hear): 구체적인 문제를 인정합니다. 2.공감(Empathize): 불만을 이해하고 있음을 보여줍니다. 3.행동(Act): 알려진 사항, 수정된 사항, 또는 조사 중인 사항을 설명합니다. 4.해결(Resolve): 적절한 연락처 경로를 통해 직접 지원을 요청합니다.
템플릿은 시작점일 뿐입니다:
- 버그: 인정하고, 확인된 경우에만 알려진 수정 버전을 언급하며, 업데이트/지원을 권장합니다.
- 기능 요청: 감사 인사와 함께 팀에 전달했다고 말하고, 로드맵을 약속하지 않습니다.
- 모호한 부정: 간단히 사과하고, 지원을 통해 세부 사항을 문의하도록 안내합니다.
- 긍정: 감사 인사와 함께 사용자가 언급한 이점을 반영합니다.
컴플레인/신고 규칙
- 리뷰가 악의적이거나, 스팸이거나, 사기성이거나, 관련이 없거나, 정책을 위반하는 경우에만 신고합니다.
- 단지 평점이 낮다는 이유만으로 타당한 부정적인 피드백을 신고하지 마십시오.
- 컴플레인 사유는 사실에 근거하고 간결하게 유지하십시오.
평점 유도 전략
조언 목적으로만 사용하십시오. 이 MCP 스킬은 앱 코드가 아닌 리뷰 초안을 작성합니다.
- 긍정적인 가치 경험이 발생한 후에만 트리거하십시오.
- 첫 세션, 온보딩, 오류, 충돌, 결제 실패, 지원 불만 상황에서는 피하십시오.
- 적절한 순간: 작업 완료, 목표 달성, 연속 기록, 시간/비용 절약, 성공적인 복원/내보내기/공유.
- 플랫폼 제한을 준수하고 리뷰에 인센티브를 제공하지 마십시오.
- 나쁜 리뷰가 제품 문제로 인해 발생하는 경우, 유도 알림 볼륨을 늘리기 전에 문제를 먼저 해결하십시오.
제품 인사이트 발굴
리뷰를 사용하여 다음을 추출하십시오:
- 가장 사랑받는 기능과 메타데이터/스크린샷에 사용할 정확한 사용자 언어.
- 주요 반복 버그 또는 UX 실패.
- 수익화 반대 의견 및 구독 혼란.
- 기능 요청 빈도.
- 언급된 경쟁사 및 전환 트리거.
기능 요청 점수:
| 신호 | 의미 |
|---|---|
| 빈도 | 해당 요청을 언급한 리뷰 수 |
| 평점 영향 | 저평점 리뷰나 이탈 위험 리뷰에 요청이 나타나는지 여부 |
| 세그먼트 | 요청이 나타나는 로케일, 버전, 사용자 유형 또는 국가 |
| 전략적 적합성 | 앱 포지셔닝 및 로드맵과 일치하는지 여부 |
| 노력/위험 | 제품, 백엔드, 디자인, 가격 또는 정책 작업이 필요한지 여부 |
출력
# 리뷰 건강 및 응답 작업
앱:
모드:
평점/추세:
필터:
CSV 출처:
## 건강 요약
- 로드된 총 리뷰:
- 저평점 리뷰:
- 미답변 리뷰:
- 주요 리스크:
## 감성
| 세그먼트 | 긍정 | 중립 | 부정 | 혼합 | 비고 |
|---|---:|---:|---:|---:|---|
## 테마
| 테마 | 개수 | 평점 영향 | 증거 | 조치 |
|---|---:|---|---|---|
## 누락된 기능 / 요청
| 요청 | 개수 | 사용자 세그먼트 | 증거 | 제품 권장사항 |
|---|---:|---|---|---|
## 초안
| 리뷰 ID | 평점 | 테마 | 조치 | 초안 |
|---|---:|---|---|---|
## 제품 인사이트
| 인사이트 | 증거 | 권장 담당자/조치 |
|---|---|---|
## 평점 개선 계획
1.
2.
3.
## 검증
- CSV 열 매핑 완료:
- 전체 데이터 기반 개수:
- 어조 안전:
- 개인 데이터 없음:
- 컴플레인 정당성:
- MCP 검증:
- 채우기 준비 완료: