Resumen consolidado de feedback de usuarios
Consolida feedback disperso de usuarios (encuestas, tickets, redes) en temas priorizados de producto, combinando múltiples fuentes para evitar el sesgo de sobrerreaccionar a quejas ruidosas mientras se ignoran patrones más silenciosos.
Actúa como product manager con experiencia en síntesis de feedback de usuarios. Consolida el siguiente feedback de usuarios de distintas fuentes: [PEGA FEEDBACK DE ENCUESTAS, TICKETS, REDES SOCIALES]. Agrupa en temas recurrentes, indica la frecuencia aproximada de cada tema y de qué fuente proviene principalmente, distingue entre bugs/errores y solicitudes de nuevas funciones, y sugiere una priorización para el roadmap de producto basada en frecuencia e impacto estimado, no solo en el canal más visible.
Caso de uso
Gestión de producto
Consolidar feedback de MÚLTIPLES fuentes (no solo un canal) evita el sesgo de sobrerreaccionar a quejas ruidosas en redes sociales mientras se ignoran patrones más silenciosos pero frecuentes en tickets de soporte.
Por qué funciona esta estructura
La técnica central de este prompt es exigir explícitamente la fuente de cada tema identificado, no solo su frecuencia general agregada. Esa transparencia sobre el origen del feedback revela sesgos importantes: un problema que aparece mencionado 15 veces en redes sociales públicas puede sentirse más urgente que uno mencionado 40 veces en tickets de soporte privados, simplemente porque el primero es más visible para el equipo, aunque el segundo represente un problema real de mayor escala entre la base de usuarios.
Antes vs. después
Antes: consolidar feedback sin distinguir fuentes suele hacer que el equipo de producto priorice instintivamente lo que ve mencionado en redes sociales, donde las quejas son públicas y generan cierta presión social inmediata, mientras un problema mucho más frecuente pero mencionado solo en tickets de soporte privados (menos visibles para el equipo directivo) queda relegado sin justificación real basada en datos.
Después: con la fuente indicada explícitamente para cada tema, el resumen revela que el problema de lentitud al cargar reportes aparece mencionado 45 veces en tickets de soporte pero solo 3 veces en redes sociales, mientras que el problema de diseño de la interfaz aparece 8 veces en redes pero solo 2 en tickets, dando al equipo de producto una base de datos real para priorizar objetivamente el problema de lentitud, que afecta a muchos más usuarios aunque genere menos ruido público visible.
Variaciones útiles
- Para equipos con acceso a datos de comportamiento de producto (analytics): pide que el resumen de feedback cualitativo se complemente, si es posible, con datos cuantitativos de uso real que confirmen o contradigan los patrones identificados.
- Para consolidación de feedback en varios idiomas: indica que el feedback proviene de mercados distintos y pide que el resumen señale si algún tema es específico de un mercado en particular, no generalizado a toda la base de usuarios.
- Para roadmaps trimestrales: compara el resumen actual con el del trimestre anterior, si lo conservas, para verificar si los temas priorizados anteriormente realmente se resolvieron según la percepción de los usuarios.
Qué IA usar
Claude tiene ventaja con volúmenes muy grandes de feedback gracias a su capacidad de procesar mucho texto de una vez sin perder coherencia en los patrones identificados. ChatGPT es una alternativa muy sólida para volúmenes moderados de feedback consolidado de varias fuentes.
Conclusión
Las decisiones de roadmap de producto deberían basarse en patrones consolidados de feedback, no en la queja más reciente o más ruidosa que llegó al equipo. Consolidar feedback de múltiples fuentes evita el sesgo de sobrerreaccionar a quejas ruidosas en redes sociales mientras se ignoran patrones más silenciosos pero frecuentes en tickets de soporte.
Preguntas frecuentes
Explora más prompts en Análisis de sentimiento con IA o revisa nuestras guías de prompt engineering.