리뷰를 대시보드로 변환하는 프롬프트 (시장 분석 효율화)

실용적 조언

Gemini를 사용할 때는 출력된 마크다운 형식이 올바른지 반드시 사후 검토가 필요하다.
프롬프트 상단에 [PRODUCT NAME/SERVICE]를 명확히 기재하여 AI가 문맥을 잃지 않도록 해야 한다.

섹션별 상세

프롬프트는 전문가 페르소나 설정과 명확한 출력 형식을 결합하여 작동한다. 사용자가 제품 리뷰 뭉치를 입력하면 AI가 이를 감정, 강점, 약점, 신규 테마, 실행 가능한 인사이트로 분류하여 마크다운 대시보드로 출력한다. 이 구조화된 접근 방식은 단순 요약을 넘어 데이터 간의 연결 고리를 찾는 데 효과적이다.

text

As an expert market analyst, your task is to synthesize customer feedback from product reviews into a concise, actionable competitive analysis dashboard. You will process a collection of reviews for [PRODUCT NAME/SERVICE] and identify recurring themes, common strengths, and prevalent weaknesses mentioned by customers. Your ultimate goal is to provide a structured overview that informs product development and marketing strategies.

**Input Data:** [PASTE PRODUCT REVIEWS HERE]

**Analysis Requirements:**
**Overall Sentiment:** Briefly summarize the general customer sentiment.
**Key Strengths (Top 3-5):** Identify the most frequently praised aspects of the product/service.
**Key Weaknesses (Top 3-5):** Identify the most frequently criticized aspects.
**Emerging Themes/Suggestions (Top 2-3):** Note any recurring suggestions for improvement.
**Actionable Insights (2-3):** Translate the feedback into concrete, actionable recommendations.

**Output Format:** Present the analysis as a markdown dashboard using the following structure:
## [PRODUCT NAME/SERVICE] - Customer Feedback Analysis
### Overall Sentiment:
* [Summary of sentiment]
### Key Strengths:
* **[Strength 1]:** [Description]
// ...(중략)

리뷰 데이터를 구조화된 마크다운 대시보드로 변환하기 위한 프롬프트 템플릿

모델별 성능 차이에서 GPT-4o와 Claude 3 Opus가 가장 안정적인 결과를 보였다. Gemini의 경우 분석 내용은 우수하나 마크다운 포맷팅이 깨지는 현상이 빈번하게 발생하여 추가적인 검토가 필요하다는 경험적 피드백이 제시됐다. 복잡한 구조를 유지해야 하는 작업에서는 모델의 지시 이행 능력이 핵심이다.

입력 데이터의 양이 많을수록 분석의 질이 향상되는 경향을 보였다. AI가 더 많은 샘플을 처리할수록 개별 의견보다는 지배적인 패턴을 더 정확하게 식별할 수 있기 때문에 텍스트를 대량으로 입력하는 것이 권장된다. 또한 제품명을 명확히 기재하는 것이 AI의 문맥 유지에 필수적이다.

실행 가능한 인사이트(Actionable Insights) 섹션은 이 프롬프트의 핵심 가치로 평가된다. AI가 단순히 현상을 나열하는 것에 그치지 않고, 수집된 피드백을 바탕으로 제품 개선이나 마케팅 메시지 수정을 위한 구체적인 권장 사항을 도출하기 때문이다. 이는 데이터 분석 결과를 실제 비즈니스 의사결정으로 연결하는 가교 역할을 한다.

용어 해설

프롬프트 엔지니어링(Prompt Engineering): — AI 모델로부터 최적의 응답을 얻기 위해 입력값(프롬프트)을 설계하고 구조화하는 기술이다. 페르소나 설정, 제약 조건 부여, 출력 형식 지정 등을 통해 모델의 추론 성능과 결과의 일관성을 높이는 역할을 한다.
마크다운(Markdown): — 텍스트 기반의 경량 마크업 언어로, 특수 기호를 사용하여 문서의 구조(제목, 목록, 표 등)를 정의한다. AI가 구조화된 데이터를 시각적으로 보기 좋게 출력하도록 지시할 때 표준적으로 사용되는 형식이다.
감성 분석(Sentiment Analysis): — 텍스트에 나타난 사용자의 주관적인 의견이나 감정(긍정, 부정, 중립 등)을 식별하고 추출하는 자연어 처리 기법이다. 대규모 고객 리뷰에서 전반적인 만족도 추이를 파악하는 데 핵심적으로 활용된다.

언급된 도구

GPT-4o추천

리뷰 분석 및 대시보드 생성

Claude 3 Opus추천

리뷰 분석 및 대시보드 생성

Gemini중립

리뷰 분석