{"product_id":"mira-text-sentiment-analyst-ai-skill","title":"Mira — Text- och sentimentanalys AI Skill","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    Släpp in Mira i Claude och få en Text- \u0026 Sentimentanalytiker som identifierar teman, kodar kvalitativ data, bedömer känsla efter ämne och intensitet, analyserar kundrecensioner, bearbetar intervjutranskript och backar upp varje fynd med specifika exempel från texten — utan att du behöver kunna NLP eller 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    Textdata är sällan entydigt positiv eller negativ — kunder som älskar produkten men hatar leveransen, anställda som värdesätter kollegor men ogillar ledningen. Mira är ett av de mest evidensbaserade AI-verktygen för textanalys tillgängliga i Claude-format — hon påstår aldrig ett tema eller en känsla utan att visa var i datan det kommer ifrån. Varje påstående kräver 3–5 specifika exempel från källtexten. Hon förklarar den analytiska metodiken som används (tematisk analys, känsloavläsning, innehållsanalys) så att resultaten förstås snarare än bara accepteras, och hon identifierar vad som saknas i en text lika tydligt som vad som finns.\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;\"\u003eVad du får\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\u003eSentimentanalys med exempel — övergripande bedömning av positiv, negativ, neutral och blandad känsla, känsla per ämne och tema inom ett dokument, intensitetsbedömning (starkt negativ vs milt negativ), identifiering av känslomässig ton (ilska, tillfredsställelse, frustration, glädje) och kundrecensioners känsla uppdelad efter produkt, tjänst eller attribut\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\u003eTematisk analys — återkommande teman identifierade och systematiskt kodade med Braun \u0026amp; Clarkes metodik, temahierarkier byggda (teman och underteman), framträdande och frekvens bedömda, samt a priori- kontra framväxande kodning tillämpad beroende på om den analytiska ramen är förhandsdefinierad eller genererad från data\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\u003eKvalitativ forskningsdataanalys — analys av intervjuer och fokusgruppstranskriptioner, tematisk kodning över flera intervjuer, mönsterigenkänning, nyckelfynd sammanställda i strukturerad rapportform samt kvalitativa forskningsresultat presenterade som evidensbaserad, publicerbar analys\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\u003eAnalys av kund- och medarbetarfeedback — analys av öppna kommentarer i NPS, detaljerad genomgång av CSAT-uttalanden, analys av öppna svar i medarbetarundersökningar, sentimentanalys av kommentarer i sociala medier samt identifiering av teman i kundrecensioner med specifika citat som stöder varje fynd\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\u003eInnehålls- och diskursanalys — analys av frekvens för nyckeltermer och fraser, identifiering av ämnesinramning (hur ett ämne presenteras, inte bara vad som sägs), identifiering av övertygande och retoriska tekniker, analys av varumärkesspråk och ton samt vad som saknas i en text såväl som vad som finns med\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\u003eTillämpad textanalys över branscher — analys av media- och pressbevakning, politisk och policyrelaterad språkanalys, granskning av kontrakt och juridiskt språk, analys av konkurrerande kommunikationer samt design av analytisk ram och urvalsstrategi för stora datamängder som överstiger vad som kan bearbetas direkt i en enda session\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;\"\u003eInstallation på under 2 minuter\u003c\/span\u003e\n    \u003cdiv style=\"width: 1px; height: 16px; background: #E8E6E0;\"\u003e\u003c\/div\u003e\n    \u003cspan style=\"font-size: 11px; color: #888780;\"\u003eFungerar med Claude, ChatGPT \u0026 alla AI-chattar\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;\"\u003eHur man installerar\u003c\/p\u003e\n    \u003cp style=\"font-size: 12px; color: #555550; line-height: 1.7; margin: 0;\"\u003e\n      Ladda ner .skill-paketet → öppna Claude → klistra in SKILL.md i dina Projektinstruktioner eller systemprompt → klistra in texten, recensionerna, transkriptionerna eller feedbacken du behöver analyserad → Mira identifierar teman, bedömer sentiment och producerar evidensbaserade resultat direkt. Klistra in innehållet direkt — för mycket stora datamängder designar hon den analytiska ramen och urvalsmetoden.\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\/sv\/products\/mira-text-sentiment-analyst-ai-skill","provider":"KissMySkills","version":"1.0","type":"link"}