Nos últimos tempos, o TEMPLO vem promovendo transformação digital em diversas agências de marketing e publicidade, o que nos levou a testar uma série de prompts e workflows diariamente.
Pesquisando nos bancos de prompts e fóruns online, percebemos que os que estavam disponíveis são muito básicos e pouco funcionais para entregáveis reais do dia a dia. Nessa série que começa hoje, vou compartilhar com vocês um prompt testado, refinado e utilizado com sucesso nessas consultorias, que passou a integrar nossa biblioteca interna.
O que é o prompt de análise de sentimento
Este prompt de análise de sentimento orienta a criação e avaliação de um modelo de Processamento de Linguagem Natural (PLN) para comentários. A tarefa envolve a construção de um modelo que possa interpretar sentimentos positivos, negativos ou neutros expressos pelo público, fornecendo insights para estratégias de engajamento.
O usuário pode avaliar os riscos associados, ajustar o modelo com base no feedback das partes interessadas e revisar análises anteriores para aprimorar a precisão do modelo. Ao final, é possível gerar um relatório com as descobertas da análise.
Esse prompt foi desenvolvido com o apoio do Marcelo Müz, consultor da rede Templo com foco em IA generativa.
Como usar
Para uma solicitação mais eficaz, copie o texto texto dentro da caixa de código abaixo e cole dentro da caixa de conversa (janela de contexto) como uma única instrução. Se ajustes ou novas interações forem necessários, você pode continuar a interagir usando as respostas fornecidas pelo modelo.
Lembrete
As informações contidas entre […] são um placeholder, que já estão preenchidos com um conteúdo consistente de acordo com o contexto da solicitação, mas que podem ser ajustados para a sua necessidade específica.
<prompt>
## Bloco 1 - Configurações Iniciais > Defina o tópico: Análise de Sentimento de Comentários > Defina o objetivo: Compreender as opiniões e sentimentos do público através da análise de comentários, utilizando técnicas de Processamento de Linguagem Natural (PLN), para informar estratégias de engajamento. > Defina as métricas de sucesso: [Precisão na identificação de sentimentos, recall, análise de falsos positivos e negativos.] > Defina as partes interessadas: [Equipe de Marketing, Equipe de Comunicação, Gestores de Marca. ] > Defina os riscos: [Interpretação incorreta de sarcasmo, ambiguidade ou nuances linguísticas, desatualização do modelo de PLN.] ---
## Bloco 2 - Ativação de Persona <persona_avancada> Como um "Especialista em IA e Análise de Dados", você estará encarregado de empregar técnicas avançadas de PLN e machine learning para analisar e interpretar os sentimentos expressos nos comentários, fornecendo insights valiosos para estratégias de engajamento. </persona_avancada> ---
## Bloco 3 - Definição do Problema ou Tarefa <tarefa> Desenvolver um modelo de análise de sentimentos que possa processar e interpretar os comentários do público, identificando sentimentos positivos, negativos ou neutros, e fornecer insights acionáveis para aprimorar as estratégias de engajamento.`</tarefa>` ---
# Bloco 4 - Fornecimento de Materiais <material> [Forneça os materiais necessários para análise, aplicando o texto entre as tags <material> </material> ou use um plugin de PDF para inserir o material aqui.]`</material>` ---
## Bloco 5 - Solicitações de Ação 1. Realize uma análise de risco e benefício para a Análise de Sentimento de Comentários. 2. Crie um modelo robusto de análise de sentimentos utilizando frameworks específicos como Natural Language Toolkit (NLTK) ou outras plataformas baseadas em aprendizado de máquina. 3. Reúna feedback das partes interessadas para avaliar a precisão e a relevância da análise de sentimentos. 4. Ajuste o modelo com base no feedback e nos riscos identificados, propondo estratégias para melhorar a precisão na interpretação de sarcasmo, ambiguidade ou nuances linguísticas. ---
# Menu de Ações Possíveis Selecione uma das seguintes opções para continuar: 1. Analisar mais comentários: Forneça mais comentários para análise. 2. Visualizar análises anteriores: Revise as análises de sentimentos realizadas anteriormente. 3. Ajustar modelo de análise de sentimentos: Modifique os parâmetros do modelo de análise de sentimentos. 4. Consultar Equipe de Marketing: Solicite feedback adicional da equipe de marketing. 5. Finalizar Análise: Conclua a análise e gere um relatório com as descobertas. 6. Elaboração de Template para preenchimento dos itens em Placeholder dos blocos:
Construa um template detalhado para briefing, que seja abrangente respondendo a todos os elementos dos diferentes blocos e que precisam ser preenchidos pelo usuário no prompt para as proximas interações, incluindo seções específicas para 'Fornecimento de Materiais'. Insira exemplos relevantes e espaços reservados (placeholders) para personalização pelo usuário.
<meta_prompt>
Se o usuário iniciar com a interação padrão, você chatGPT em sua primeira resposta dará Mensagem de boas vindas para o processo de criação interativo, tom amigável e sucinto, genero neutro. Pergunte se o ususuário precisa de alguma ajuda para iniciar ou deseja instruções detalhadas para seguir o que está no prompt, ou ainda apoiar na criação de material base para que o usuário interaja com os conteúdos dos blocos de maneira dinâmica e em seguida pergunte como o usuário deseja conduzir </meta_prompt> --- Instrução Geral: Responda com o número da ação desejada para prosseguir, ou digite "E" para encerrar ou "R" para reiniciar desconsiderando os antecedentes da conversa.
</prompt>
Informações adicionais sobre o prompt de análise de sentimento
Antes de detalhar o funcionamento de cada bloco, vale mencionar algumas limitações e possibilidades:
Integração de Plugins e Arquivos PDF: Atualmente, a capacidade de integrar plugins ou processar arquivos PDF diretamente está além do escopo deste modelo de chat. Entretanto, você pode copiar o texto de um PDF e inseri-lo no chat para análise.
Métricas de Sucesso: As métricas como “Precisão na identificação do tom” e “Satisfação do stakeholder” seriam subjetivas e, portanto, exigiriam avaliação humana após a execução do modelo.
Agora, vamos aos detalhes de cada bloco:
Bloco 1: Configurações iniciais
O tópico deste prompt é “Análise de Sentimento de Comentários”. O objetivo é compreender as opiniões e sentimentos do público por meio da análise de comentários, utilizando Processamento de Linguagem Natural (PLN).
As métricas de sucesso envolvem a precisão na identificação de sentimentos, recall e análise de falsos positivos e negativos. As partes interessadas são a Equipe de Marketing, a Equipe de Comunicação e os Gestores de Marca. Os riscos incluem a interpretação incorreta de sarcasmo, ambiguidade ou nuances linguísticas e a desatualização do modelo de PLN.
Bloco 2: Ativação de Persona
A persona ativada é um “Especialista em IA e Análise de Dados”. Esta persona é responsável por usar técnicas avançadas de PLN e machine learning para analisar e interpretar os sentimentos expressos nos comentários.
Bloco 3: Definição do Problema ou Tarefa
A tarefa é desenvolver um modelo de análise de sentimentos que possa processar e interpretar os comentários do público. O modelo deve identificar sentimentos positivos, negativos ou neutros e fornecer insights que possam ser usados para melhorar estratégias de engajamento.
Bloco 4: Fornecimento de Materiais
Neste bloco, os materiais necessários para a análise devem ser fornecidos. Isso pode incluir comentários coletados, dados históricos ou qualquer outro recurso que possa ajudar na construção e treinamento do modelo de análise de sentimentos.
Bloco 5: Solicitações de Ação
As ações recomendadas são:
Realizar uma análise de risco e benefício para a Análise de Sentimento de Comentários.
Criar um modelo robusto usando frameworks como o Natural Language Toolkit (NLTK) ou outras plataformas de aprendizado de máquina.
Reunir feedback das partes interessadas para avaliar a precisão e a relevância da análise.
Ajustar o modelo com base no feedback e nos riscos identificados.
Menu de Ações Possíveis
O menu fornece diversas opções para continuar o processo:
Analisar mais comentários para enriquecer o conjunto de dados.
Revisar análises de sentimentos realizadas anteriormente para obter insights.
Ajustar os parâmetros do modelo de análise de sentimentos existente.
Consultar a Equipe de Marketing para obter feedback adicional.
Concluir a análise e gerar um relatório com as descobertas.
Perguntas que podem ser usadas para desenvolver o material da análise de sentimento de comentários.
Pode também desenvolver essas perguntas junto ao ChatGPT e desdobrar ou fazer ajustes no conteúdo de acordo o contexto ou interações.
Como a Análise de Sentimento de Comentários pode ser efetivamente realizada usando técnicas de processamento de linguagem natural?
Quais são as ferramentas ou frameworks recomendados para a Análise de Sentimento de Comentários?
Como a análise de sentimentos pode informar estratégias de engajamento com o público?
Quais são os desafios comuns na Análise de Sentimento de Comentários e como podem ser superados?
Como garantir a precisão e a relevância das análises de sentimentos realizadas?
Quais métricas podem ser usadas para avaliar a eficácia da Análise de Sentimento de Comentários?
Como os insights obtidos da Análise de Sentimento de Comentários podem ser aplicados em estratégias de marketing ou comunicação?
Existem exemplos notáveis de como a Análise de Sentimento de Comentários impactou positivamente as estratégias de engajamento de uma organização?
Como lidar com comentários neutros ou ambíguos durante a Análise de Sentimento de Comentários?
Como a Análise de Sentimento de Comentários pode ser escalada para lidar com grandes volumes de dados?
Comments