⚗️ Каздев, JTBD и continous discovery с помощью нейросетей, часть 3
*** Продолжение. Предыдущая часть тут ***
6. У вас набралось 20+ транскриптов? Отлично. Время для поиска паттернов (needs, jobs, drivers, blockers, etc.)
Собираем все транскипты в один большой файл. Лучше разметить роли каждого из тех, с кем вы говорили (особенно если это были и клиенты, и ребята изнутри продукта).
Этот большой файл закидываем в Claude.ai (у него лучше всего дела обстоят дела с окном контекста) и просим сформулировать ключевое:
From these transcripts, identify key segments (categories) of users. For each segment, answer these questions:
- What are key needs?
- What are key pain points?
- What are key drivers and barriers?
- What are key jobs to be done?
- What hypotheses should I test?
- What data am I missing?
- What metrics are important?
- What analogous products should I know about?
- How do users make decisions?
- What my product is missign?
- What extra questions should I ask?
Естественно это все можно сразу переводить на русский.
7. Предложите нейросети сделать сегментацию за вас.
Для этого попробуйте несколько разных промптов — с первого раза может не получиться что-то достойное, но после 3-5 раз вроде бы получается.
- How would you segment the audience based on my transcripts? Offer me 3 distinct segmentations
- Segment the audience of my product based on users’ needs, goals and jobs to be done
- Segment the audience of my product based on users’ behaviors
- Segment the audience of my product based on their sentiments and attitudes
- Segment my audience based on key patterns emerging from the user interviews in transcripts
8. Суммируйте это всё в одном файле и отранжируйте от самого важного до менее важного. Это уже лучше сделать вручную, подбивая executive summary раз в 3-4 недели.
9. (Дополнительно) Подключите AI ассистента для звонков в процесс работы службы поддержки и отдела продаж. Если там уже есть саммарайзер, добавьте в его кастомный промпт вопросы, как из предыдущей части.
Пусть эти саммари (по продуктовой части) приходят к вам на почту или в тг. Можно сделать это через IFTTT, Zapier или Make.
10. (Дополнительно) Расставьте сбор данных в различные тачпоинты по всему продукту и регулярно их анализируйте через LLM. Сбор можно устроить в чатботах поддержки, через хитмэпы, сквозную аналитику, опросы NPS.
Собирайте эти данные, особенно из вопросов с открытыми ответами, и закидывайте в мультимодальные нейронки вроде GPT-4o / Claude 3.
Пример: загрузите в GPT-4o несколько хитмэпов и попросите нейронку объяснить каждый, а затем собрать саммари с рекомендациями, как если бы нейросеть была опытным UX дизайнером.
***
Точно так же можно просить нейронку покритиковать лендосы и страницы с UX/UI. Для этого можно загрузить картинку и попросить ее проанализировать, выдав рекомендации.
Ponchik News | про аутентичность в мире AI
⚗️ Каздев, JTBD и continous discovery с помощью нейросетей, часть 2 Продолжим серию про создание продуктов при помощи нейросетей. В первой части мы говорили о том, как с помощью GPT/Claude создавать вопросы, проводить каздев и понять, какие фичи нужны в продукте прежде всего, опираясь на боли клиентов. В этой части попробуем зайти в advanced тему: как настроить процесс регулярного понимания болей пользователей и постоянного улучшения (continuous discovery/continous improvement). Для начала пара определений: 🔸 Continous discovery – это постоянный процесс, в рамках которого команды, занимающиеся разработкой продукта, регулярно взаимодействуют с клиентами: собирют инсайты, проверяют гипотезы, принимают более взвешенные решения по продукту. Это про исследования. 🔸 Continous improvement – то же самое, только про постоянное улучшение продукта в ответ на обратную связь среды. Это про действие. Теперь: как можно сделать эти части круче, дешевле и быстрее с помощью AI. 1️⃣ Подключть AI notetaker к Zoom/Meet для…