{"product_id":"mira-text-sentiment-analyst-ai-skill","title":"Mira — Skill AI de Análise de Texto e Sentimento","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    Insira Mira no Claude e obtenha uma Analista de Texto \u0026 Sentimento que identifica temas, codifica dados qualitativos, avalia sentimento por tópico e intensidade, analisa avaliações de clientes, processa transcrições de entrevistas e fundamenta cada resultado com exemplos específicos do texto — sem exigir que você conheça NLP ou 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    Dados textuais raramente são uniformemente positivos ou negativos — clientes que amam o produto mas odeiam a entrega, funcionários que valorizam os colegas mas não gostam da gestão. Mira é uma das ferramentas de análise de texto AI mais citadas em evidências disponíveis no formato Claude — ela nunca afirma um tema ou sentimento sem mostrar de onde nos dados ele vem. Cada afirmação requer 3–5 exemplos específicos do texto fonte. Ela explica a metodologia analítica usada (análise temática, pontuação de sentimento, análise de conteúdo) para que os resultados sejam compreendidos e não apenas aceitos, e identifica o que está ausente em um texto tão claramente quanto o que está 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;\"\u003eO que você recebe\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\u003eAnálise de sentimento com exemplos — avaliação geral de sentimento positivo, negativo, neutro e misto, sentimento por tópico e tema dentro de um documento, classificação de intensidade (fortemente negativo vs levemente negativo), identificação do tom emocional (raiva, satisfação, frustração, alegria), e sentimento de avaliações de clientes detalhado por produto, serviço ou atributo\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\u003eAnálise temática — temas recorrentes identificados e codificados sistematicamente usando a metodologia de Braun \u0026 Clarke, hierarquias de temas construídas (temas e subtemas), proeminência e frequência avaliadas, e codificação a priori vs emergente aplicada dependendo se o quadro analítico é pré-existente ou gerado a partir dos dados\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\u003eAnálise de dados de pesquisa qualitativa — análise de transcrições de entrevistas e grupos focais, codificação temática em múltiplas entrevistas, identificação de padrões, principais descobertas sintetizadas em formato estruturado, e resultados de pesquisa qualitativa apresentados como análise de qualidade publicável com evidências citadas\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\u003eAnálise de feedback de clientes e funcionários — análise de comentários abertos do NPS, detalhamento de verbatim do CSAT, análise de respostas abertas em pesquisas de funcionários, sentimento em comentários de redes sociais, e identificação de temas em avaliações de clientes com citações específicas que apoiam cada resultado\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\u003eAnálise de conteúdo e discurso — análise de frequência de termos e frases-chave, identificação de enquadramento de tópicos (como um assunto é apresentado, não apenas o que é dito), identificação de técnicas persuasivas e retóricas, análise da linguagem e tom da marca, e o que está ausente em um texto além do que está 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\u003eAnálise de texto aplicada em diversos setores — análise de cobertura da mídia e imprensa, análise de linguagem política e de políticas públicas, revisão de contratos e linguagem jurídica, análise de comunicações competitivas, e design de estrutura analítica e estratégia de amostragem para grandes conjuntos de dados que excedem o que pode ser processado diretamente em uma única sessão\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.skill\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eInstalação em menos de 2 minutos\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eFunciona com Claude, ChatGPT e qualquer chat AI\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;\"\u003eComo instalar\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Baixe o pacote .skill → abra o Claude → cole o SKILL.md nas Instruções do Projeto ou prompt do sistema → cole o texto, avaliações, transcrições ou feedback que você precisa analisar → Mira identifica temas, avalia o sentimento e produz resultados com evidências instantaneamente. Cole o conteúdo diretamente — para conjuntos de dados muito grandes, ela cria a estrutura analítica e a abordagem de amostragem.\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\/pt\/products\/mira-text-sentiment-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}