Gerenciamento de Avaliações

O que Gerenciamento de Avaliações faz?

Use isso para análise de avaliações, gestão de reputação, rascunhos de respostas, rascunhos de reclamações/relatórios, mineração de insights de produto, análise de CSV de avaliações carregado e estratégia de melhoria de classificação.

Fluxo de trabalho MCP

1. Use app-store-connect-mcp.
2. Avaliação individual: leia com get_review_data.
3. Lista de avaliações: leia com get_reviews_data.
4. Use unansweredOnly, badRatingOnly e maxRating para restringir listas de avaliações.
5. Use o contexto do projeto para tom, links de suporte, problemas conhecidos e política de resposta.
6. Analise a saúde das avaliações, temas, oportunidades de resposta e elegibilidade para reclamação/relatório.
7. Valide com validate_ai_companion_data alvo review ou reviewList.
8. Se solicitado a aplicar, preencha os rascunhos com fill_review ou fill_reviews.

Campos de preenchimento

Avaliação individual:

• responseBody
• complaintReason
• concernType

Lista de avaliações:

• reviews: array ou mapa por reviewId, cada um com responseBody, complaintReason e/ou concernType

Análise de CSV de avaliações

Use este modo quando o usuário carregar ou referenciar um CSV com todas as avaliações. A análise de CSV não requer MCP, a menos que o usuário queira preencher respostas/reclamações de volta no ASO.dev.

Antes da análise:

1. Identifique as colunas do CSV. Colunas comuns: ID da avaliação, classificação, título, texto/corpo, local/país, versão do aplicativo, data, resposta do desenvolvedor, data da resposta, dispositivo/plataforma.
2. Normalize datas, classificações, locais, versões e valores vazios.
3. Desduplique linhas repetidas por ID de avaliação ou título/corpo/data exatos.
4. Segmente por classificação, local/país, versão do aplicativo, período de data, status de respondido/não respondido e comprimento da avaliação.
5. Se o CSV for grande, amostre exemplos para citações, mas calcule contagens/temas em todo o arquivo.

Analise quanto a:

• Sentimento por classificação e texto: positivo, neutro, negativo, misto.
• Temas: bugs/crashes, atrito de UX, preços/paywall, integração, desempenho, conta/login, localização, suporte, qualidade do conteúdo.
• Solicitações de recursos: capacidades ausentes, padrões repetidos de "queria que tivesse...", comparações com concorrentes.
• Risco do produto: regressões por versão do aplicativo/data, bugs graves, intenção de reembolso/cancelamento, preocupações com confiança/privacidade.
• Linguagem ASO: frases que os usuários usam para descrever valor, resultados e casos de uso.
• Oportunidades de suporte: avaliações de baixa classificação sem resposta, respostas desatualizadas, respostas de alto impacto.

A saída do CSV deve incluir contagens e exemplos representativos. Não cole grandes despejos brutos de avaliações.

Estrutura de análise de avaliações

Classifique os temas:

Tema	O que significa	Ação
Bugs/crashes	Falha técnica, fluxo quebrado, regressão	Escalar correção, responder apenas com status conhecido
Solicitações de recursos	Usuários pedem capacidade ausente	Rastrear frequência e segmento de usuário
Reclamações de UX	Confuso, lento, frustrante, difícil de usar	Priorizar revisão de UX/produto
Preços/paywall	Muito caro, assinatura pouco clara, confusão de teste	Usar monetization-strategy se repetido
Elogios	Valor, encanto, recursos favoritos	Agradecer e aprender linguagem de conversão
Menções a concorrentes	Comparações ou motivos de troca	Minerar lacunas de posicionamento

Sinais de saúde das avaliações:

• Classificação média e tendência, se disponível
• Volume recente de baixa classificação
• Avaliações negativas não respondidas
• Taxa de resposta e frescor da resposta
• Temas repetidos de bug/UX/preços
• Candidatos a reclamação/relatório

Regras de resposta

• Seja calmo, específico e breve.
• Priorize respostas oportunas; busque 24-48 horas para avaliações negativas de alto impacto quando operacionalmente possível.
• Não discuta com o avaliador.
• Não revele dados internos.
• Não prometa correções a menos que estejam confirmadas.
• Não peça informações pessoais em público.
• Para avaliações com raiva, reconheça o problema e direcione para o suporte.
• Não peça ao usuário para mudar sua classificação.
• Não copie e cole respostas idênticas em muitas avaliações.

Estrutura de resposta

Use HEAR para avaliações negativas:

1. Hear (Ouvir): reconheça o problema específico.
2. Empathize (Empatizar): mostre que você entende a frustração.
3. Act (Agir): explique o que é conhecido, corrigido ou está sendo investigado.
4. Resolve (Resolver): convide para suporte direto com o caminho de contato correto.

Modelos são apenas pontos de partida:

• Bug: reconheça, mencione versão corrigida conhecida apenas se confirmada, convide para atualização/suporte.
• Solicitação de recurso: agradeça, diga que foi compartilhado com a equipe, evite prometer roadmap.
• Negativo vago: peça desculpas brevemente, peça detalhes através do suporte.
• Positivo: agradeça e ecoe o benefício que eles nomearam.

Regras de reclamação/relatório

• Relate apenas quando a avaliação parecer abusiva, spam, fraudulenta, irrelevante ou de outra forma violadora de política.
• Não relate feedback negativo válido apenas porque é de baixa classificação.
• Mantenha os motivos da reclamação factuais e curtos.

Estratégia de prompt de classificação

Use apenas para aconselhamento; esta habilidade MCP preenche rascunhos de avaliações, não código do aplicativo.

• Acione apenas após um momento de valor positivo.
• Evite primeira sessão, integração, erros, crashes, falha de pagamento ou frustração de suporte.
• Bons momentos: tarefa concluída, objetivo alcançado, sequência, tempo/dinheiro economizado, restauração/exportação/compartilhamento bem-sucedidos.
• Respeite os limites da plataforma e não incentive avaliações.
• Se avaliações ruins forem causadas por problemas do produto, corrija o problema antes de aumentar o volume de prompts.

Mineração de insights de produto

Use as avaliações para extrair:

• Recursos mais amados e linguagem exata do usuário para metadados/capturas de tela.
• Principais bugs recorrentes ou falhas de UX.
• Objeções de monetização e confusão de assinatura.
• Frequência de demanda de recursos.
• Concorrentes mencionados e gatilhos de troca.

Pontuação de solicitação de recurso:

Sinal	Significado
Frequência	Quantas avaliações mencionam a solicitação
Impacto na classificação	Se a solicitação aparece em avaliações de baixa classificação ou risco de churn
Segmento	Local, versão, tipo de usuário ou país onde aparece
Ajuste estratégico	Se corresponde ao posicionamento e roadmap do aplicativo
Esforço/risco	Se precisa de trabalho de produto, backend, design, preços ou política

Saída

# Saúde das Avaliações e Trabalho de Resposta

Aplicativo:
Modo:
Classificação/tendência:
Filtros:
Fonte CSV:

## Resumo de saúde
- Total de avaliações carregadas:
- Avaliações de baixa classificação:
- Avaliações não respondidas:
- Principal risco:

## Sentimento
| Segmento | Positivo | Neutro | Negativo | Misto | Notas |
|---|---:|---:|---:|---:|---|

## Temas
| Tema | Contagem | Impacto na classificação | Evidência | Ação |
|---|---:|---|---|---|

## Recursos/solicitações ausentes
| Solicitação | Contagem | Segmento de usuário | Evidência | Recomendação de produto |
|---|---:|---|---|---|

## Rascunhos
| ID da Avaliação | Classificação | Tema | Ação | Rascunho |
|---|---:|---|---|---|

## Insights de produto
| Insight | Evidência | Proprietário/ação recomendados |
|---|---|---|

## Plano de melhoria de classificação
1.
2.
3.

## Validação
- Colunas do CSV mapeadas:
- Contagens baseadas em dados completos:
- Tom seguro:
- Sem dados privados:
- Reclamação justificada:
- Validação MCP:
- Pronto para preencher: