marketing-parser/TT for improvement.md

Привет! Я хочу провести глубокий рефакторинг метода generateJsonAnalysis в классе MarketingAnalysisService.java.

У нас нет ограничений по токенам, но есть жесткое требование к качеству и детализации данных. Текущий метод пытается получить всё за один запрос, из-за чего страдает глубина.

ЗАДАЧА: Перепиши метод generateJsonAnalysis так, чтобы он выполнял агрегацию данных из нескольких отдельных запросов к OpenAI. Метод должен вызывать приватные helper-методы (создай их), каждый из которых отвечает за свою часть и возвращает Map<String, Object>.

СТРУКТУРА НОВОГО МЕТОДА:

1. Вызвать getAudienceAnalysis(request) -> возвращает секцию "audienceAnalysis"
2. Вызвать getCompetitorAnalysis(request) -> возвращает секцию "competitorAnalysis"
3. Вызвать getSeasonalityAndMarket(request) -> возвращает секцию "seasonality" и "market"
4. Объединить результаты в один Map<String, Object> и вернуть его.

ДЕТАЛИЗАЦИЯ HELPER-МЕТОДОВ (Промпты внутри них):

--- Метод 1: getAudienceAnalysis --- Промпт должен требовать JSON строго такой структуры (для отрисовки виджетов на фронте): { "audienceAnalysis": { "ageGroups": { "18-24": 15, "25-34": 40, "35-44": 30, "45+": 15 }, // Pie chart data "ageComment": "Текст вывода под графиком возраста (1-2 предложения)", "genderDistribution": { "Женщины": 60, "Мужчины": 40 }, // Donut chart "genderComment": "Текст вывода под графиком пола", "segments": [ // Список из 4 детальных карточек сегментов { "name": "Название (например 'Молодые профессионалы')", "sharePercent": 35, "ageRange": "25-34", "incomeLevel": "Средний+", "motivation": "Ключевая мотивация покупки", "triggers": "Триггеры (на что реагируют)", "primaryChannels": ["Instagram", "TikTok"], // Топ каналы для этого сегмента "secondaryChannels": ["Telegram"] } ], "segmentsChannelMatrix": [ // Для таблицы heatmap: Сегмент vs Канал { "segmentName": "Молодые профи", "instagram": "high", "telegram": "medium", "youtube": "low" } ], "keyTakeaways": ["Вывод 1", "Вывод 2", "Вывод 3"] } }

--- Метод 2: getCompetitorAnalysis --- Промпт должен требовать JSON: { "competitorAnalysis": { "marketShareChart": [ // Оценочные доли рынка для графика { "name": "Наш бренд", "value": 25 }, { "name": "Конкурент А", "value": 30 }, { "name": "Конкурент B", "value": 20 }, { "name": "Другие", "value": 25 } ], "marketShareComment": "Вывод по доле рынка", "competitorsDetails": [ // Детали по 3-4 конкурентам { "name": "Конкурент А", "priceStrategy": "Высокая/Средняя/Низкая", "digitalMetrics": { "reach": 50000, "followers": 12000, "activityIndex": 85 }, "channelsHeatmap": { // Оценка (0-100) качества ведения канала "Instagram": 90, "TikTok": 20, "Telegram": 70, "YouTube": 40 } } ], "comparisonTable": [ // Сравнительная таблица (5-6 характеристик) { "feature": "Ценовая политика", "us": "Средняя", "compA": "Высокая", "compB": "Низкая" }, { "feature": "УТП", "us": "Сервис", "compA": "Бренд", "compB": "Дешевизна" } ], "swotCompetitors": { // Краткий SWOT по рынку в целом "strengths": ["..."], "weaknesses": ["..."] }, "keyInsights": ["Вывод 1", "Вывод 2"] } }

ТЕХНИЧЕСКИЕ ТРЕБОВАНИЯ:

1. Используй существующий openAIAnalyticsService.generateWithInstruction для вызовов.
2. В каждом helper-методе добавь отдельный try-catch и логирование, чтобы падение одной части не ломало весь отчет (возвращай пустую Map или stub-данные при ошибке).
3. Используй objectMapper для парсинга ответов.
4. Убедись, что JSON очищается от markdown-тегов (```json) перед парсингом.

Пожалуйста, полностью реализуй этот модульный подход.