في الأسواق البرمجية التي تتسم بالتنافس الحاد، يصبح تقييم تجربة المستخدم (User Experience) عنصراً حيوياً لضمان جودة البرمجيات ونجاح المنتجات على المدى الطويل. وغالبًا ما يجمع هذا التقييم بين مقاييس كمية من استبيانات موحدة وتعليقات نوعية تم جمعها عبر أسئلة مفتوحة. على الرغم من أن التعليقات المفتوحة تقدم رؤى قيمة لعمليات التحسين وتساعد في تفسير النتائج الكمية، إلا أن تحليل كميات كبيرة من تعليقات المستخدمين يمثل تحديًا يستغرق وقتًا طويلاً.

في دراسة تناولت تقنيات تم تطويرها خلال مشروع قياس تجربة المستخدم على المدى الطويل في إحدى الشركات البرمجية الكبرى، تم تقديم طرق فعالة لمعالجة وتفسير كميات هائلة من تعليقات المستخدمين. ولتقديم نظرة عامة عالية المستوى على التعليقات التي تم جمعها، استخدمنا نهج التعلم الآلي المراقب (Supervised Machine Learning) الذي يعين تسميات موضوعية ذات معنى مسبق على كل تعليق.

علاوة على ذلك، تُظهر النتائج كيفية استغلال الذكاء الاصطناعي التوليدي (Generative AI) لإنشاء ملخصات مختصرة ومفيدة لتعليقات المستخدمين، مما يسهل التواصل الفعال للنتائج مع المنظمة، وخاصةً مع الإدارة العليا. وأخيرًا، تم بحث ما إذا كانت المشاعر المعبر عنها في تعليقات المستخدمين يمكن أن تكون مؤشراً على مستوى رضا المنتج بشكل عام. وقد أظهرت نتائجنا أن تحليل المشاعر وحده لا يعكس بدقة مستوى رضا المستخدم. بدلاً من ذلك، يجب تقييم رضا المنتج بشكل صريح من خلال الاستطلاعات لقياس تصور المستخدم للمنتج.