Digest d'intelligence avis - transformez les avis en carburant messaging — Claude Skill

Digest d'intelligence avis

Scrape les avis de votre produit et de vos principaux concurrents, puis extrait ce qui compte vraiment pour le marketing : le langage exact des clients, les pains récurrents, les preuves qui convertissent et les objections à anticiper.

Principe clé : votre meilleure copy marketing est déjà écrite par vos clients dans leurs avis. Ce skill la fait remonter.

Quand l'utiliser

• "Que disent les clients de nous vs concurrents ?"
• "Trouve des preuves et objections dans nos avis G2"
• "Quel langage nos clients utilisent-ils pour décrire le problème que nous résolvons ?"
• "Lance un audit d'avis pour [client]"
• "De quoi les clients de [concurrent] se plaignent-ils ?"

Phase 0 : intake

1. Nom de votre produit + URLs des pages d'avis (G2, Capterra, Trustpilot, une ou plusieurs)
2. Noms des concurrents + URLs de leurs pages d'avis (1 à 3 concurrents recommandé)
3. Que voulez-vous apprendre ? Choisir un focus principal ou tout faire :
   • Mining messaging - extraire langage ICP et preuves
   • Displacement concurrentiel - trouver les pains concurrents à exploiter
   • Mapping objections - identifier ce qui empêche achat ou rétention
   • écarts fonctionnalités - que souhaitent les clients ?
4. Période : 3 derniers mois par défaut, 6 derniers mois ou all time.

Phase 1 : scraper les avis

Lancer review-scraper pour votre produit et chaque concurrent :

# Votre produit
python3 skills/review-scraper/scripts/scrape_reviews.py \
  --platform g2 \
  --url "<your_g2_url>" \
  --days 90 \
  --output json

# Concurrent
python3 skills/review-scraper/scripts/scrape_reviews.py \
  --platform g2 \
  --url "<competitor_g2_url>" \
  --days 90 \
  --output json

Répéter pour Capterra et Trustpilot si nécessaire.

Collecter pour chaque avis : note (1-5), titre, texte, pros, cons, rôle/entreprise du reviewer si disponible, date.

Phase 2 : catégoriser et clusteriser

Analyser tous les avis à travers ces cinq lentilles :

Lentille 1 : preuves (avis 5 étoiles)

Extraire les résultats et métriques précis mentionnés par les clients :

• Temps gagné / améliorations de vitesse
• Impact revenu ou portefeuille commercial
• Équivalent headcount remplacé
• Améliorations de processus
• Comparaisons avant/après

Flagger les avis avec chiffres : ce sont les preuves à plus forte valeur.

Lentille 2 : langage de pain central

Quels mots et phrases les clients utilisent-ils pour décrire le problème avant votre produit ? C'est de l'or pour hooks e-mails de prospection et copy publicitaire.

Patterns à extraire :

• "Before [product], we were..."
• "We used to [manual process]..."
• "The biggest frustration was..."
• "We couldn't [thing] until..."

Lentille 3 : mapping des objections (avis 3-4 étoiles, cons négatifs)

Que voudraient-ils voir différent ? Qu'est-ce qui a presque bloqué l'achat ?

• Préoccupations prix/valeur
• Friction d'onboarding
• Fonctionnalités manquantes
• Problèmes d'intégration
• Qualité support

Grouper par thème et compter la fréquence.

Lentille 4 : signaux de displacement concurrentiel

Dans les avis concurrents, chercher :

• Pains précis que votre produit n'a pas
• Fonctionnalités manquantes que vous offrez
• Plaintes sur prix, support ou fiabilité
• Mentions de switching ("we switched to X")

Ce sont vos angles de displacement concurrentiel.

Lentille 5 : patterns de langage acheteur

Comment les clients catégorisent-ils et cherchent-ils ce type de produit ?

• Quels mots de catégorie utilisent-ils ?
• Quelles phrases de comparaison apparaissent ? Ex. "compared to Salesforce", "vs HubSpot"
• Quels rôles/titres écrivent les avis ? Cela valide l'ICP.

Phase 3 : format de sortie

# Digest d'intelligence avis - [DATE]
Produits analysés : [votre produit], [concurrents]
Avis analysés : [N] total | Période : [date range]

---

## Bibliothèque de preuves (à utiliser directement en copy)

### Avec métriques (plus forte valeur)
- "[Citation exacte avec chiffre]" - [Rôle reviewer], [Plateforme], [Date]
- "[Citation exacte avec chiffre]" - ...

### Gains de processus/expérience
- "[Citation exacte]" - [Rôle reviewer], [Plateforme]
- ...

---

## Langage de pain client

Mots et phrases utilisés par les clients pour décrire le problème que vous résolvez :

**Phrases verbatim (à utiliser dans hooks et subject lines) :**
- "[Phrase exacte]" (apparue dans [N] avis)
- "[Phrase exacte]" (apparue dans [N] avis)
- ...

**Thèmes paraphrasés :**
1. [Thème] - [N] avis le mentionnent | Exemple : "[citation]"
2. [Thème] - ...

---

## Carte des objections

| Objection | Fréquence | Exemple verbatim | Comment répondre |
|-----------|-----------|------------------|------------------|
| [Objection] | [N] avis | "[citation]" | [réponse suggérée] |
| ... | | | |

---

## Intelligence displacement concurrentiel

### [Nom du concurrent]

**Top plaintes (à utiliser comme hooks d'outreach) :**
1. [Plainte] - "[Citation verbatim]" | Apparue [N] fois
2. ...

**Ce que leurs clients veulent et que nous offrons :**
- [Fonctionnalité/capacité] - "[preuve issue d'avis]"

**Angle de displacement suggéré :**
> "[Phrase de pitch ciblant leurs clients insatisfaits]"

---

## Vocabulaire SEO / messaging

Mots et phrases à intégrer dans le site, les ads et le contenu :

**Vocabulaire ICP haute fréquence :**
- "[mot/phrase]" - utilisé dans [N] avis
- ...

**Termes de comparaison catégorie :**
- Les clients vous comparent à : [liste]
- Les clients cherchent : [liste]

---

## Actions recommandées

### Immédiat (cette semaine)
1. Ajouter "[citation preuve]" à la homepage ou aux séquences prospection sortante
2. Traiter "[objection principale]" dans l'onboarding ou le deck sales
3. Utiliser "[phrase de pain]" comme hook dans le prochain batch de e-mails de prospection

### Stratégique
1. [Gap fonctionnalité mentionné dans les avis : prioriser ou traiter dans le messaging]
2. [Faiblesse concurrentielle autour de laquelle construire une campagne]

Enregistrer dans clients/<client-name>/intelligence/review-digest-[YYYY-MM-DD].md.

Planification

Lancer mensuellement, car les avis ne changent pas assez vite pour justifier un rythme hebdomadaire :

0 8 1 * * python3 run_skill.py review-intelligence-digest --client <client-name>

Coût

Outils requis

• Token API Apify - variable env APIFY_API_TOKEN
• Skill amont : review-scraper

Phrases déclencheuses

• "Mine nos avis pour preuves et messaging"
• "De quoi les clients de [concurrent] se plaignent-ils ?"
• "Lance review intelligence pour [client]"
• "Donne-moi du langage client à utiliser en copy"