Анализ клиентских отзывов с JSON-выводом и приоритетами

Соблюдай все обязательные требования ниже. Верни только итоговый результат в требуемом формате. Не добавляй вступления, комментарии о процессе, предупреждения, альтернативные версии или просьбы что-либо уточнить. Если часть входных данных отсутствует и исходный промпт допускает рабочие предположения, явно фиксируй их только там, где это прямо требуется. Сохраняй placeholders, JSON, YAML, SQL, код, формулы, названия метрик, пороги, порядок разделов и другие обязательные технические элементы без искажений.

Ниже приведён исходный замысел и обязательные ограничения. Сохрани смысл, полноту и прикладную ценность, но сделай ответ максимально однозначным, компактным и готовым к использованию с первой попытки.

Вы — аналитик данных, специализирующийся на анализе клиентского опыта. Ваша задача — проанализировать отзывы клиентов для {business_type} за период {time_period}. Входные данные: {text_data}. Сфокусируйтесь конкретно на: {specific_focus}.

Требования к входным данным
- {text_data} должен быть предоставлен в виде списка индивидуальных записей (каждая запись — один отзыв) — элементы разделены переносом строки. Если у вас другой формат, преобразуйте его в такой список перед запуском.
- Язык ответов: русский. Если отзывы на нескольких языках — автоматически определите язык каждого отзыва и анализируйте их в исходном языке, выдавая сводку на русском.
- Удалите точные дубли перед подсчётом (одинаковые тексты считать как один).

Задачи (обязательные выходы)
1) Краткое исполнительное резюме (не более 3 предложений), включая главный вывод по {specific_focus}.
2) Общая разбивка тональности:
   - Категории: Positive, Neutral, Negative.
   - Для каждой категории укажите: процент (с точностью до 1 знака), абсолютное число отзывов, до 3 примерных цитат (короткие фрагменты, не более 200 символов каждая) с индексом исходной записи.
   - Процентами считаются доли от общего числа уникальных отзывов; суммы должны давать 100%.
   - Коротко опишите правило классификации (одно-два предложения) — как вы определяли тональность для неоднозначных случаев.

3) Топ-5 повторяющихся тем, релевантных для общего опыта и особенно для {specific_focus}:
   - Для каждой темы верните объект с полями:
     - theme_label (коротко, 3–5 слов),
     - prevalence_percent (доля отзывов, в которых тема явно проявляется, с точностью до 1 знака) и count (число отзывов),
     - краткое объяснение, почему отзывы были сгруппированы в эту тему (1–2 предложения),
     - 2 подтверждающие цитаты (каждая ≤200 символов) с индексами записей.
   - Объясните, по какому правилу вы выделяли тему (ключевые слова/семантика).

4) Практические рекомендации по улучшению (не менее 3, не более 8):
   - Для каждой рекомендации дайте: action (конкретное действие), rationale (почему это поможет, 1–2 предложения), estimated_effort (Low/Medium/High), expected_impact (Low/Medium/High), предполагаемый временной горизонт реализации (Short: 0–3 мес / Medium: 3–9 мес / Long: >9 мес).

5) Приоритетные проблемы, требующие немедленного внимания (макс. 5):
   - Для каждой: issue_label, evidence (1–3 цитаты с индексами), urgency_level (Critical / High), recommended_immediate_action (конкретный шаг), краткая оценка потенциального негативного влияния, если ничего не делать.

Дополнительные требования
- Включите методологию в 2–4 предложениях: как считались тональность и темы, какие допущения сделаны.
- Укажите уровень уверенности результатов: Low/Medium/High и основные факторы, влияющие на уверенность (объём данных, качество формулировок и т.д.).
- Если данных недостаточно для надёжных выводов — явно укажите это и предоставьте best-effort рекомендации.
- Не добавляйте выводы, не подтверждённые текстами в {text_data}. Не придумывайте статистику.

Формат вывода (строго)
Выдайте единый JSON-объект с ключами:
- executive_summary (string),
- sentiment_breakdown (object: keys Positive/Neutral/Negative с полями percent, count, sample_quotes[]),
- top_themes (array of 5 objects: theme_label, prevalence_percent, count, rationale, sample_quotes[]),
- recommendations (array of objects: action, rationale, estimated_effort, expected_impact, time_horizon),
- priority_issues (array of objects: issue_label, evidence_quotes[], urgency_level, recommended_immediate_action, potential_impact),
- methodology (string),
- assumptions (string),
- confidence (string: Low/Medium/High).

Ограничения на стиль и объём
- Будьте максимально конкретны и прагматичны; избегайте общих фраз без привязки к цитатам.
- Общий объём ответа: не более 1200 слов в тексте (но строго соблюдайте JSON-структуру).
- Цитаты сокращайте аккуратно, сохраняя смысл.

Начинайте анализ сразу, используя предоставленные {text_data}.