تحلیل مصاحبه مشتری با هوش مصنوعی
از روی حرفهای مشتری ببینید واقعا میخواسته چه کاری انجام بده، کجا گیر کرده و چطور از پسش براومده. برای هر برداشت، جمله یا یادداشت مربوط بهش رو نگه دارید.
تحلیل مصاحبه مشتری با هوش مصنوعی از جایی جالب میشه که دو نفر یک قابلیت رو میخوان ولی دلیلشون یکی نیست. ممکنه هر دو بگن «از این صفحه خروجی اکسل میخوایم». یکی میخواد سفارش عقبافتاده رو پیدا کنه و دیگری باید برای مدیرش گزارش آماده کنه. اسکیل interview-to-jtbd کمک میکنه درخواست رو کنار توضیح خود مشتری بخونید و برای هر برداشت مشخص کنید شاهدش کدوم بخش مصاحبهست.
گاهی فقط یک نفر درباره مشکلی حرف زده یا اصلا نگفته در حال حاضر چطور حلش میکنه. میتونید این کمبود رو در گزارش مشخص کنید تا موقع تصمیمگیری، یک حدس شخصی به حساب نظر مشتریها گذاشته نشه. خروجی برای جمعبندی بعد از مصاحبهست؛ گفتگوی تازهای با مشتری ترتیب نمیده.
کاربردها
- برای پیدا کردن نیاز واقعی مشتری، درخواست یک قابلیت رو به موقعیت، کاری که انجام میده و نتیجهای که انتظار داره وصل کنید.
- در تحلیل کیفی مصاحبه، حرف خود مشتری رو از توضیحی که تیم به حرفش اضافه کرده جدا بنویسید.
- راه موقتی رو که مشتری پیش گرفته پیدا کنید؛ مثلا کجا اطلاعات یک ابزار رو با دست وارد ابزار دیگه میکنه.
- برای اولویتبندی فرصتهای محصول، کنار هر مورد بنویسید چه شواهدی دارید و کدوم بخش هنوز نیاز به بررسی داره.
- یک سوال مصاحبه بعدی رو از جایی بسازید که چند برداشت ممکنه ولی شاهدی برای انتخاب بین اونها ندارید.
نصب و استفاده
- اسکیل رو به ایجنتتون بدید. نسخهای از متن گفتگو یا یادداشتها رو آماده کنید که اجازه استفاده ازش رو دارید و اسم و مشخصات غیرضروری رو بردارید.
- بگید «از این سه گفتگو، کارهایی رو که مشتریها دنبال میکردن دربیارید. برای هر کدوم یک شاهد و سوالهای بیجوابش رو هم بنویسید».
- نقلقولها رو با متن اصلی مقایسه کنید. موردی که هنوز شواهد کافی نداره میتونه در فهرست فرضیههای دور بعد بمونه.
سوالات متداول
منبع
ساخته lowwwbank. نام اصلی: interview-to-jtbd، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub