Synthèse automatique
Analyse des données CSV d'avis d'app store pour générer des visualisations et des informations sur la distribution des notes, les tendances temporelles, les performances par version et les mots-clés.
Points forts
- Fournit des graphiques complets (distribution, tendance, version) pour une compréhension rapide.
- Identifie les mots-clés des avis négatifs et positifs.
- Génère un rapport d'analyse automatisé.
- Permet de suivre l'évolution des notes dans le temps.
Limites
- Nécessite un format CSV strict avec des colonnes spécifiques.
- Analyse limitée aux notes et mots-clés, pas de NLP avancé.
- Dépend de l'environnement Python avec des bibliothèques comme matplotlib et pandas.
Utilisez cette compétence pour analyser rapidement un fichier CSV d'avis d'app store afin de comprendre la satisfaction utilisateur, les tendances et les problèmes courants.
Ne l'utilisez pas pour une analyse en temps réel ou si le CSV ne respecte pas le format requis ou si l'environnement Python manque des dépendances nécessaires.
Analyse de sécurité
SûrThe skill instructs running a local Python script for CSV data analysis. There are no network requests, no destructive commands, and no obfuscated payloads. The script operates on user-provided files locally, posing minimal risk.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
I have a CSV file of app store reviews. Please analyze it using the app review analyzer skill. The file is at /path/to/reviews.csvCan you generate a rating distribution and monthly trend graph from my app reviews CSV? File: reviews.csvAnalyze the app reviews CSV and show me average rating per app version and negative keywords.name: app-review-analyzer description: アプリストア レビュー CSV データを分析して視覚化するスキル。ユーザーがアプリストア レビュー CSV ファイルを提供するか レビュー 分析を要求する時に使用する。CSV は id, date, user_name, title, content, rating, app_version 列を含まなければならない。 doc_contract: review_interval_days: 90
App Review Analyzer
Overview
アプリストア レビュー CSV データを分析してグラフで視覚化するスキル。評点 分布、時間別 トレンド、バージョン別 評点、主要 キーワード 等を分析する。
CSV データ 形式
分析 対象 CSV は 次の 列を含まなければならない:
| 列 | タイプ | 説明 | | ----------- | ------------- | ----------------------------- | | id | integer | レビュー 固有 ID | | date | datetime | 作成 日時 (タイムゾーン 含む) | | user_name | string | ユーザー名 | | title | string | レビュー タイトル | | content | string | レビュー 内容 | | rating | integer (1-5) | 評点 | | app_version | string | アプリ バージョン |
分析 ワークフロー
Step 1: CSV ファイル ロード および 検証
- ユーザーが 提供した CSV ファイル パス 確認
scripts/analyze_reviews.pyスクリプト 実行- データ 形式 検証 および 基本 統計 出力
Step 2: 分析 実行
スクリプトを 実行して 次の 分析を 実行する:
python3 /path/to/skill/scripts/analyze_reviews.py <csv_path> <output_dir>
Step 3: 結果 解釈
生成された グラフと 統計を 元に インサイトを 提供する:
- 評点 分布: 全般的な ユーザー 満足度 把握
- 時間別 トレンド: アプリ 品質 変化 推移
- バージョン別 評点: 特定 バージョンの 問題点 識別
- 否定 レビュー 分析: 主要 不満 事項 把握
分析 項目
1. 基本 統計
- 総 レビュー 数
- 平均 評点
- 評点別 分布
2. 視覚化 グラフ
- 評点 分布 棒 グラフ
- 月別/週別 レビュー トレンド
- バージョン別 平均 評点
- 評点別 レビュー 数 パイ チャート
3. テキスト 分析
- 否定 レビュー (1-2点) 主要 キーワード
- 肯定 レビュー (4-5点) 主要 キーワード
Resources
scripts/
analyze_reviews.py - レビュー 分析 および 視覚化 スクリプト
使用法:
python3 scripts/analyze_reviews.py <csv_path> [output_dir]
csv_path: 分析する CSV ファイル パスoutput_dir: グラフ 保存 ディレクトリ (デフォルト値: CSV ファイルと 同じ ディレクトリ)
出力 ファイル:
rating_distribution.png: 評点 分布 グラフmonthly_trend.png: 月別 レビュー トレンドversion_rating.png: バージョン別 平均 評点analysis_report.txt: 分析 要約 レポート
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/app-review-analyzer-mm5t8acu' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/app-review-analyzer-mm5t8acu/download' --output '.skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md.part' && mv '.skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md.part' '.skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md' && test -s '.skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/app-review-analyzer' && cp -R '.skill-downloads/app-review-analyzer-mm5t8acu' '.claude/skills/app-review-analyzer'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/app-review-analyzer-mm5t8acu'openskills read 'app-review-analyzer-mm5t8acu'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/app-review-analyzer-mm5t8acu/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.