Ho usato Claude per analizzare le recensioni Google del ristorante: ecco com’è andata

Se gestisci un’attività, le recensioni Google le hai. Tante o poche, le hai. E probabilmente sai già che andrebbero lette con attenzione, analizzate, usate per prendere decisioni… ma tra il sapere e il fare c’è sempre di mezzo il tempo che non c’è.

Il titolare di un ristorante me lo ha detto chiaro: “Ho anni di recensioni accumulate, so che c’è roba utile dentro, ma leggerle tutte una per una non riesco.” Onestamente, neanch’io avrei voglia.

Così ho pensato: e se le dessi in pasto a Claude?

Il setup: scaricare le recensioni senza impazzire

La parte più noiosa è stata recuperare i dati. Per estrarre le recensioni ho usato Instant Data Scraper, un’estensione Chrome gratuita. Si apre la scheda recensioni Google dell’attività, si ordina per “più recenti”, si avvia il plugin e — se va bene al primo colpo — riconosce automaticamente le recensioni. Se non le riconosce, c’è un pulsante “Try another table” da cliccare finché non funziona.

Una volta terminato lo scraping si salva tutto in formato .csv.

Poi è arrivata la parte che non avevo messo in conto: la pulizia del file. Il .csv scaricato aveva un sacco di colonne inutili — dati tecnici, metadati vari. Ho tenuto solo due colonne: la data e il testo della recensione. Cinque minuti con un foglio di calcolo, ma è una di quelle cose che ti aspetti non ci siano e invece ci sono sempre.

I prompt che ho usato

Una volta pronto il file, ho aperto una nuova chat su Claude, ho allegato il .csv e ho iniziato a fare domande. Questi sono i prompt che ho usato, copiabili così come sono:

Analizza le recensioni dei clienti in questo documento e ricava le principali emozioni associate all’esperienza con l’azienda. Identifica le parole chiave e i topic ricorrenti. Individua le polarità positive e negative. Classifica le recensioni in base all’emozione prevalente.

Classifica il sentimento di ogni recensione come positivo, negativo o neutro. Genera un report che mostri la distribuzione complessiva.

Quali sono le frasi e gli aspetti più frequentemente associati a recensioni negative?

Genera un report executive summary con gli highlights dell’analisi e le tue raccomandazioni strategiche.

Niente di complicato. Claude non ha bisogno di istruzioni elaborate per questo tipo di lavoro.

Cosa è uscito fuori

Il risultato mi ha sorpreso per la chiarezza. Claude ha analizzato 127 recensioni raccolte in sei anni e ha tirato fuori un quadro abbastanza preciso.

L’82% delle recensioni era positivo: cibo, atmosfera, cura nella preparazione dei piatti. Il 12% neutro. Solo il 6% negativo, concentrato quasi tutto su un unico problema: il servizio lento. Non la qualità, non i prezzi — la lentezza.

Le emozioni positive prevalenti erano soddisfazione, gioia, rilassamento. Quelle negative, molto più rare, ruotavano intorno alla delusione e alla frustrazione per i tempi di attesa.

Claude ha anche estratto le frasi più ricorrenti nelle recensioni negative, il che è stato probabilmente la parte più utile di tutto l’esperimento. Vedere scritto “Abbiamo atteso più di 50 minuti per una degustazione di formaggi” accanto ad altre due recensioni simili rende il problema molto più concreto di un generico “alcuni clienti si lamentano del servizio”.

Quello che non ha funzionato benissimo

I numeri precisi vanno presi con le pinze — ma non per colpa di Claude. Il modello oggi elabora i dati in modo affidabile. Il punto debole, se c’è, è a monte: lo scraping potrebbe non aver catturato tutte le recensioni, o la pulizia del .csv potrebbe aver tolto qualcosa per sbaglio. Dati in entrata imprecisi, risultati in uscita imprecisi. Vale sempre, non solo con l’AI.

Il valore reale non è nel contare le recensioni al decimale — per quello ci sono altri strumenti. Il valore è nell’identificare i temi, le emozioni, le frasi ricorrenti. Quella parte funziona bene.

Vale la pena farlo?

Sì, con una condizione: non fermarsi all’output di Claude. I risultati vanno letti, interpretati, messi nel contesto di chi conosce davvero l’attività.

In questo caso, il titolare sapeva già che il servizio era lento nei momenti di punta. Claude non ha scoperto niente di nuovo — ma ha reso evidente, in modo rapido e leggibile, quanto quel problema pesasse sulla percezione dei clienti. A volte è proprio quello che serve per smettere di rimandare.

Per un’analisi del genere, tra scraping, pulizia dati e prompt, ci ho messo meno di un’ora. Per 127 recensioni, non è male.

Se gestisci un ristorante, un hotel, uno studio, un negozio… hai già tutto il materiale che ti serve. Le recensioni sono lì. Claude non fa miracoli, ma trasforma una montagna di testo in qualcosa di leggibile e utilizzabile in tempi che prima erano impensabili. Il valore non è nell’automazione fine a sé stessa — è nel fatto che finalmente riesci a usare informazioni che già avevi e che finora erano rimaste ferme in una scheda Google che non aprivi mai.