{"product_id":"mira-text-sentiment-analyst-ai-skill","title":"Mira — Skill AI per analisi di testo e sentimenti","description":"\u003cdiv style=\"font-family: 'DM Sans', sans-serif; color: #1A1A18; max-width: 680px;\"\u003e\n\n  \u003cp style=\"font-size: 16px; font-weight: 600; color: #1A1A18; line-height: 1.5; margin: 0 0 8px 0;\"\u003e\n    Inserisci Mira in Claude e ottieni un Analista di Testo e Sentiment che identifica temi, codifica dati qualitativi, valuta il sentiment per argomento e intensità, analizza recensioni clienti, elabora trascrizioni di interviste e supporta ogni risultato con esempi specifici dal testo — senza richiedere conoscenze di NLP o Python.\n  \u003c\/p\u003e\n\n  \u003cp style=\"font-size: 13px; font-weight: 400; color: #555550; line-height: 1.7; margin: 0 0 28px 0;\"\u003e\n    I dati testuali raramente sono uniformemente positivi o negativi — clienti che amano il prodotto ma odiano la consegna, dipendenti che apprezzano i colleghi ma non la direzione. Mira è uno degli strumenti di analisi testuale AI più citati come evidenza disponibile in formato Claude — non afferma mai un tema o un sentiment senza mostrare da dove nei dati proviene. Ogni affermazione richiede 3–5 esempi specifici dal testo sorgente. Spiega la metodologia analitica utilizzata (analisi tematica, punteggio del sentiment, analisi del contenuto) affinché i risultati siano compresi e non solo accettati, e identifica ciò che manca in un testo con la stessa chiarezza di ciò che è presente.  \n  \u003c\/p\u003e\n\n  \u003cdiv style=\"background: #E8F6F9; border-radius: 12px; padding: 24px 28px; margin-bottom: 24px;\"\u003e\n    \u003cp style=\"font-size: 10px; font-weight: 600; color: #1A8FA8; letter-spacing: 0.08em; text-transform: uppercase; margin: 0 0 16px 0;\"\u003eCosa ottieni  \u003c\/p\u003e\n    \u003cul style=\"margin: 0; padding: 0; list-style: none;\"\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eAnalisi del sentiment con esempi — valutazione complessiva del sentiment positivo, negativo, neutro e misto, sentiment per argomento e tema all'interno di un documento, valutazione dell'intensità (fortemente negativo vs lievemente negativo), identificazione del tono emotivo (rabbia, soddisfazione, frustrazione, piacere), e sentiment delle recensioni clienti suddiviso per prodotto, servizio o attributo  \u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eAnalisi tematica — temi ricorrenti identificati e codificati sistematicamente utilizzando la metodologia di Braun \u0026 Clarke, costruzione di gerarchie tematiche (temi e sotto-temi), valutazione di rilevanza e frequenza, e applicazione di codifica a priori o emergente a seconda che il quadro analitico sia preesistente o generato dai dati  \u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eAnalisi dei dati di ricerca qualitativa — analisi di trascrizioni di interviste e focus group, codifica tematica su più interviste, identificazione di schemi, sintesi dei risultati chiave in formato scritto strutturato e presentazione dei risultati di ricerca qualitativa come analisi di qualità pubblicabile con evidenze citate\u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eAnalisi di feedback di clienti e dipendenti — analisi dei commenti aperti NPS, suddivisione verbatim CSAT, analisi delle risposte aperte nei sondaggi dipendenti, sentiment dei commenti sui social media e identificazione dei temi nelle recensioni clienti con citazioni specifiche a supporto di ogni risultato\u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; border-bottom: 1px solid rgba(26,143,168,0.12); display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eAnalisi del contenuto e del discorso — analisi della frequenza di termini e frasi chiave, identificazione dell’inquadramento tematico (come un argomento è presentato, non solo cosa viene detto), identificazione di tecniche persuasive e retoriche, analisi del linguaggio e del tono del brand, e cosa manca in un testo oltre a ciò che è presente\u003c\/span\u003e\n      \u003c\/li\u003e\n      \u003cli style=\"font-size: 13px; color: #1A1A18; padding: 7px 0; display: flex; align-items: flex-start; gap: 10px;\"\u003e\n        \u003cspan style=\"color: #1A8FA8; font-weight: 600; flex-shrink: 0;\"\u003e→\u003c\/span\u003e\n        \u003cspan\u003eAnalisi testuale applicata in vari settori — analisi della copertura mediatica e stampa, analisi del linguaggio politico e delle politiche, revisione del linguaggio contrattuale e legale, analisi delle comunicazioni competitive e progettazione di quadro analitico e strategia di campionamento per dataset di grandi dimensioni che superano ciò che può essere elaborato direttamente in una singola sessione\u003c\/span\u003e\n      \u003c\/li\u003e\n    \u003c\/ul\u003e\n  \u003c\/div\u003e\n\n  \u003cdiv style=\"display: flex; align-items: center; gap: 20px; background: #FFFFFF; border: 1px solid #E8E6E0; border-radius: 8px; padding: 14px 20px; margin-bottom: 24px;\"\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780; font-family: monospace;\"\u003e📄 mira-text-analyst.md\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eInstallazione in meno di 2 minuti\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eFunziona con Claude Sonnet 4 \u0026 Claude Cowork\u003c\/span\u003e\n  \u003c\/div\u003e\n\n  \u003cdiv style=\"border-left: 3px solid #1A8FA8; padding-left: 16px;\"\u003e\n    \u003cp style=\"font-size: 10px; font-weight: 600; color: #1A8FA8; letter-spacing: 0.08em; text-transform: uppercase; margin: 0 0 6px 0;\"\u003eCome installare\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Scarica il file .md → apri Claude → incolla il contenuto del file nel prompt di sistema o nelle istruzioni del progetto → incolla il testo, le recensioni, le trascrizioni o i feedback che desideri analizzare → Mira identifica i temi, valuta il sentiment e produce risultati con evidenze citate all’istante. Incolla direttamente il contenuto — per dataset molto grandi progetta il quadro analitico e l’approccio di campionamento.\n    \u003c\/p\u003e\n  \u003c\/div\u003e\n\n\u003c\/div\u003e","brand":"Kissmyskills","offers":[{"title":"Default Title","offer_id":57640127824136,"sku":null,"price":29.0,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1036\/1444\/7880\/files\/11_mira-text-analyst.png?v=1776869013","url":"https:\/\/kissmyskills.com\/it\/products\/mira-text-sentiment-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}