{"product_id":"mira-text-sentiment-analyst-ai-skill","title":"Mira — Skill AI do analizy tekstu i sentymentu","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    Wprowadź Mirę do Claude i zyskaj Analityka Tekstu i Sentymentu, który identyfikuje motywy, koduje dane jakościowe, ocenia sentyment według tematu i intensywności, analizuje opinie klientów, przetwarza transkrypty wywiadów i popiera każde ustalenie konkretnymi przykładami z tekstu — bez konieczności znajomości NLP czy Pythona.\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    Dane tekstowe rzadko są jednolicie pozytywne lub negatywne — klienci, którzy kochają produkt, ale nie lubią dostawy, pracownicy ceniący kolegów, ale niechętni wobec zarządu. Mira jest jednym z najczęściej cytowanych narzędzi AI do analizy tekstu dostępnych w formacie Claude — nigdy nie twierdzi istnienia motywu lub sentymentu bez pokazania, skąd w danych pochodzi. Każde twierdzenie wymaga 3–5 konkretnych przykładów z tekstu źródłowego. Wyjaśnia stosowaną metodologię analityczną (analiza tematyczna, ocena sentymentu, analiza treści), aby wyniki były rozumiane, a nie tylko akceptowane, i identyfikuje to, co jest nieobecne w tekście, równie jasno jak to, co jest obecne.\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;\"\u003eCo otrzymujesz\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\u003eAnaliza sentymentu z przykładami — ogólna ocena sentymentu pozytywnego, negatywnego, neutralnego i mieszanego, sentyment według tematu i motywu w dokumencie, ocena intensywności (silnie negatywny vs łagodnie negatywny), identyfikacja tonu emocjonalnego (złość, satysfakcja, frustracja, zachwyt) oraz analiza sentymentu opinii klientów podzielona według produktu, usługi lub cechy\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\u003eAnaliza tematyczna — powtarzające się motywy zidentyfikowane i systematycznie zakodowane przy użyciu metodologii Brauna \u0026amp; Clarke'a, zbudowane hierarchie motywów (motywy i podmotywy), oceniana ich ważność i częstotliwość oraz stosowane kodowanie a priori lub emergentne w zależności od tego, czy ramy analityczne są wstępnie ustalone, czy generowane na podstawie danych\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\u003eAnaliza danych badań jakościowych — analiza transkryptów wywiadów i grup fokusowych, kodowanie tematyczne w wielu wywiadach, identyfikacja wzorców, kluczowe ustalenia syntetyzowane w ustrukturyzowanym raporcie oraz wyniki badań jakościowych przedstawione jako analiza o jakości publikacyjnej poparta dowodami\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\u003eAnaliza opinii klientów i pracowników — analiza otwartych komentarzy NPS, rozbicie dosłownych odpowiedzi CSAT, analiza otwartych odpowiedzi w ankietach pracowniczych, sentyment komentarzy w mediach społecznościowych oraz identyfikacja tematów w recenzjach klientów z konkretnymi cytatami wspierającymi każde ustalenie\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\u003eAnaliza treści i dyskursu — analiza częstości kluczowych terminów i fraz, identyfikacja ram tematycznych (jak temat jest przedstawiany, nie tylko co jest powiedziane), identyfikacja technik perswazyjnych i retorycznych, analiza języka i tonu marki oraz analiza tego, co jest nieobecne w tekście, jak i tego, co jest obecne\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\u003eZastosowana analiza tekstu w różnych branżach — analiza mediów i relacji prasowych, analiza języka politycznego i polityk, przegląd języka umów i prawnego, analiza komunikacji konkurencyjnej oraz projektowanie ram analitycznych i strategii próbkowania dla dużych zbiorów danych przekraczających możliwości przetwarzania w jednej sesji\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;\"\u003eInstalacja w mniej niż 2 minuty\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eDziała z Claude Sonnet 4 i 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;\"\u003eJak zainstalować\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Pobierz plik .md → otwórz Claude → wklej zawartość pliku do swojego systemowego promptu lub instrukcji projektu → wklej tekst, recenzje, transkrypcje lub opinie, które chcesz przeanalizować → Mira natychmiast identyfikuje tematy, ocenia sentyment i generuje wyniki poparte dowodami. Wklej zawartość bezpośrednio — dla bardzo dużych zbiorów danych projektuje ramy analityczne i podejście do próbkowania.\n    \u003c\/p\u003e\n  \u003c\/div\u003e\n\n\u003c\/div\u003e","brand":"Kissmyskills","offers":[{"title":"Default Title","offer_id":57640127824136,"sku":"mira-text-sentiment-analyst-ai-skill","price":29.0,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1036\/1444\/7880\/files\/lr2-mira-nf.png?v=1784793970","url":"https:\/\/kissmyskills.com\/pl\/products\/mira-text-sentiment-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}