Quand le feedback est dispersé sur 5 canaux, /analyzing-user-feedback le regroupe en parcours comportementaux pour agir sur les causes racines, pas sur le bruit. — Claude Skill
Une compétence Claude pour Claude Code par Refound — exécuter /analyzing-user-feedback dans Claude·Mis à jour le 8 juin 2026
Regroupez NPS, support, interviews et churn en thèmes actionnables.
- Clustering par parcours comportementaux Bob Moesta (JTBD) : critères de hire/fire plutôt que segments démographiques
- Filtre bruit 80/20 (Jen Abel) : distinguer les habitudes héritées du vrai signal marché
- Protocole churn-first (Uri Levine) : les abandons enseignent plus que les utilisateurs satisfaits
- Détection de signaux silencieux (Ramesh Johari) : notes absentes et plaintes non formulées, pas seulement voix fortes
- Analyse cause racine (Bret Taylor) : traduire les plaintes « prix » en vrai écart de valeur
Pour qui
Transformer le feedback dispersé en thèmes clairs qui guident positionnement et roadmap, pas seulement un mur de citations
Voir les compétences de ce rôleInjecter la voix utilisateur dans les revues stratégiques trimestrielles avec des preuves, pas des anecdotes
Voir les compétences de ce rôleTrouver les mots réels des utilisateurs pour que pubs et landing pages cessent de sonner comme du jargon interne
Voir les compétences de ce rôleCe qu'il fait
Vous avez 240 commentaires NPS du dernier trimestre non lus. /analyzing-user-feedback les regroupe en parcours comportementaux Bob Moesta, sépare les 20 % d’or des 80 % de bruit hérité et produit un brief top-5 thèmes.
Le volume de tickets a bondi de 35 % ce mois-ci. /analyzing-user-feedback applique la lecture de Geoff Charles (« chaque ticket est un échec produit »), regroupe les tickets par cause racine et assigne chaque cluster à un owner produit.
Le churn atteint 4 % et l’exit survey dit « prix ». /analyzing-user-feedback applique la règle « les utilisateurs mentent » de Bret Taylor, prépare un protocole d’interview utilisateur churné (Uri Levine) et révèle le vrai écart de valeur derrière « prix ».
10 power users réclament bruyamment un changement qui dégraderait l’onboarding. /analyzing-user-feedback applique la règle de Tamar Yehoshua (« concevoir pour les utilisateurs de demain ») et pèse la majorité silencieuse contre les quelques voix fortes.
NPS, Intercom, notes sales, Reddit et interviews vivent à 5 endroits. /analyzing-user-feedback applique le pattern d’agrégation de Brian Balfour, identifie ce que les utilisateurs ne disent pas et construit un repository de thèmes unique.
Fonctionnement
Partagez vos sources : verbatims NPS, tickets support, transcriptions d’interviews, raisons de churn, mentions Reddit
Agrégation dans un seul pool et déduplication automatique des rapports répétés
Clustering en parcours comportementaux (Moesta) puis filtre bruit 80/20 (Jen Abel)
Drill causes racines avec le check « les utilisateurs mentent » de Bret Taylor et signalement des signaux silencieux (Ramesh Johari)
Recevez un brief insights : top 5 thèmes, causes racines, écarts de recherche et propriétaires d’actions nommés
Exemple
240 verbatims NPS T1 (NPS 32, contre 41) Sources : enquête in-product (180), exit survey support (40), interviews churn (20) Mots-clés récurrents : « lent », « confus », « cher », « manquant »
Parcours A - Utilisateurs avancés à l’échelle (42 mentions) : veulent des opérations en masse plus rapides, filtres avancés Parcours B - Nouveaux admins en onboarding (68 mentions) : perdus dans la configuration, ne trouvent pas les bases Parcours C - Mid-market churné (30 mentions) : dit « prix », mais cache un écart de valeur sur le reporting
Signal fort : confusion de configuration du parcours B (68 mentions, cohérent entre segments) Signal fort : écart de reporting caché du parcours C (analyse de cause racine nécessaire) Bruit : « faites comme Tool X » (12 mentions, habitudes héritées) Bruit : « ajoutez le dark mode » (18 mentions, pas lié au hire/fire)
60 % des nouveaux comptes n’ont jamais terminé l’enquête onboarding : signal plus fort que les 68 plaintes. Aucun verbatim ne mentionne mobile, alors que le DAU mobile chute de 18 % : les utilisateurs sont trop polis pour se plaindre ou sont déjà partis.
Livrer le correctif de configuration du parcours B ce sprint, responsable : PM Onboarding. Mener 5 interviews utilisateurs churnés cette semaine (protocole Uri Levine) pour valider l'écart de reporting du parcours C. Instrumenter la complétion onboarding comme signal silencieux. Ignorer dark mode pour l’instant (bruit hérité). Partager le cluster de tickets avec le PM onboarding chaque semaine.
Métriques améliorées
Compatible avec
Taguer et regrouper le feedback par thème, sévérité et persona
Trianguler le feedback verbal avec replays de sessions et heatmaps
Capturer les thèmes synthétisés et les verbatims clients
Sourcer tickets support bruts et signaux de plaintes clients
Envie d'utiliser Analyse de feedback utilisateur ?
Choisissez comment commencer.
Installez et exécutez cette compétence localement sur votre ordinateur.
Ouvrez un terminal sur votre ordinateur et collez cette commande :
Cela télécharge la compétence avec tous ses fichiers sur votre ordinateur :
Ajoutez -g à la fin pour le rendre disponible dans tous vos projets.
Démarrez Claude Code, puis tapez la commande :
Analyzing User Feedback
Aidez l’utilisateur à extraire des insights actionnables du feedback client.
Comment aider
- Comprendre les sources - NPS, support, sales, social, interviews, churn.
- Identifier les patterns - Regroupez par thèmes, fréquence, impact et segment comportemental.
- Contester les lectures superficielles - Cherchez les causes racines derrière les plaintes déclarées.
- Relier à l’action - Convertissez les insights en décisions produit, owners et prochaines recherches.
Principes clés
Le feedback est une rivière, pas un lac : il faut des flux continus. Ne confondez pas volume vocal et importance. Les utilisateurs churnés, les non-réponses et les signaux silencieux peuvent être plus utiles que les commentaires satisfaits. Traduisez chaque thème en action observable.
Sortie attendue
Produisez un brief avec sources, clusters, taille des thèmes, causes racines, niveau de confiance, écarts de recherche, actions recommandées et propriétaire nommé.