Prompt de IA para analisar milhares de avaliações de App Store/Google Play e extrair experiência real do usuário

Prompt objetivo: analisar avaliações de usuários de apps em várias regiões para identificar a experiência real do usuário, separar reclamações verídicas de hype, sinalizar questões regionais e detectar bugs antes de gastar dinheiro. Instruções detalhadas:

1) Entrada: receba uma lista de apps com nomes ou links e um conjunto de regiões desejadas. Ex.: apps: ["Product 1","Product 2"], regions: ["Norte America","Europa","Ásia","América Latina"]. Opcional: liste versões e dispositivos relevantes.

2) Coleta de dados: para cada app, agregue avaliações da Apple App Store e da Google Play Store nas regiões especificadas, considerando diferentes idiomas, versões do sistema operacional e faixas de dispositivo.

3) Análise temática: para cada app, identifique os temas recorrentes: usabilidade, desempenho, recursos ausentes, compatibilidade/disponibilidade por dispositivo, bugs reportados, cobranças/planos, mensagens de marketing vs realidade.

4) Sentimento e prioridade: classifique cada comentário em positivo, negativo ou neutro; agrupe por tópico e calcule percentuais. Destaque opiniões que indiquem problemas críticos (quebras, falhas, perda de dados) e recursos mais solicitados.

5) Hipê vs Realidade: separe o que é hype (marketing) do que é feedback real com base no conteúdo citado e na profundidade da falha.

6) Questões regionais: identifique problemas que aparecem apenas em regiões específicas (localização, idiomas, cobrança, disponibilidade de features, bugs específicos de região).

7) Detecção de bugs: liste bugs reportados por dispositivo, versão do app, versão do OS e região, com exemplos curtos entre aspas (copie citações reais retiradas das resenhas) e indique a severidade.

8) Lacunas de recursos: agrupe solicitações de recursos que aparecem com frequência e proponha prioridades com base em impacto percebido e frequência.

9) Entrega: gere para cada app um relatório estructurado com campos: resumo geral, top issues (com contagem e citações entre aspas), bugs por região/dispositivo/versão (com severidade), gaps de recursos, hype vs real, recomendações para desenvolvimento, tamanho amostral (sample_size).

10) Saída em JSON: devolva um objeto JSON com a estrutura a seguir:
{
  "app": "Nome do app",
  "regions_analyzed": ["região1","região2",...],
  "summary": "Resumo conciso da experiência real do usuário e principais problemas",
  "top_pain_points": [
    {"point": "descrição", "count": n, "examples": ["citação1","citação2"]},
    ...
  ],
  "bugs_by_region": {
    "região": [
      {"device": "device model", "version": "versão do app", "os": "versão do OS", "count": n, "examples": ["citação1","citação2"], "severity": "high|medium|low"}
    ]
  },
  "feature_gaps": ["descrição da lacuna de recurso 1","descrição da lacuna de recurso 2",...],
  "hype_vs_real": [{"type": "hype|real|neutral", "text": "citação ou resumo"}, ...],
  "developer_recommendations": ["ação prioritária 1","ação prioritária 2",...],
  "sample_size": n
}

Observações:
- Inclua citações reais entre aspas retiradas de resenhas reais com atribuição ao app sempre que possível.
- Priorize avaliações em inglês, espanhol ou português conforme disponibilidade; inclua o idioma.
- Se dados não disponíveis, indique como N/A.
- Evite informações sensíveis ou privadas.
- Garanta citações entre aspas e que o texto não ultrapasse 1-2 linhas por citação.

Entregáveis adicionais (opcional): sugestões de perguntas para follow-up e um gráfico recomendado para visualização de temas (descrições e métricas).

Instrução de implementação: descreva padrões de string, regex para extrair citações, e exemplos de prompts aninhados para refinar a análise conforme necessário.