把 Will「AI 辅助 UX 工作流」的第一阶段 Discover & Research(发现与研究) 拆成一份"提示词 + 流程"手册。这一阶段要回答的四个问题:业务背景与用户场景是什么(Context & Scenario)、业务目标与用户任务是什么(Business Goal & User Task)、从用户视角看界面有哪些问题(UI Symptoms)、要解决的设计挑战是什么(Design Challenge)。
这篇 vs Google UX 证书 / UX 研究与共情-定义 的分工:Google UX 证书 / UX 研究与共情-定义 讲研究方法本身——怎么访谈、怎么画共情地图、怎么跑可用性测试、怎么把便签变洞察。这篇讲怎么用 AI 把这些研究产物"快速产出成能汇报、能放作品集的表达"。两者互补:你用 google-ux-research 的方法做真研究,用这篇的提示词把结果蒸馏成专业文档。重叠处(问题陈述、假设、用研报告结构)交叉引用,不重复。
对 PM 的意义:这套提示词的隐含读者是"做 UX 作品集 / 准备面试 / 要给老板汇报"的人。它的核心价值不是"替你做研究",而是把你脑子里零散的项目背景,逼成一条"人群→场景→任务→证据→设计决策"的论证链,并用客观、可量化、不夸大的语言表达出来。即便你不做 UX,这套"先定人群场景再问需求""业务结果=流量×转化×成本""需求四维打分"的思维模型,也是 PM 做需求判断的通用脚手架。
〇、先建 4 个 mental model(提示词背后的脑子)
AI 提示词只是壳,真正决定输出质量的是你给它的思考框架。Will 这套技法反复用到 4 个底层模型,先建立它们,后面的提示词才不是黑箱。
1. 业务结果 = 流量 × 行为转化 × 成本结构
企业靠业务结果盈利,而体验设计只作用在"用户行为层"这一个变量上,不是整个业务系统。这是全篇最重要的一句话——它让你诚实,不夸大设计的作用。
| 层级 | 由什么决定 | 体验设计的作用 |
|---|---|---|
| 流量 Traffic | 广告 / 渠道 / 品牌 | 基本不起决定性作用 |
| 行为 Behavior | 产品能力 + 体验设计 | 主场(转化率、留存率) |
| 成本 Cost | 技术 / 组织 / 流程 | 仅"用户自助化"环节会介入 |
业务目标四大类 = 增长 / 盈利 / 降本 / 增效,体验在每一类里的作用边界不同:
- 增长 = 流量 × 转化 × 留存。体验主要影响转化率、留存率,不影响流量获取。
- 盈利 = 用户规模 × 付费转化率 × 客单价。体验影响付费转化 + 一部分感知价值,不决定定价与商业模式。
- 降本 = 降低单位服务成本。体验只在"用户能否自助、是否操作失败、要不要找客服"上介入,不决定技术架构成本。
- 增效 = 减少时间 + 提高产出。体验作用最大——直接影响操作路径和认知成本。
Why(为什么 PM 要先记这个):面试官 / 老板最反感"提升体验就能增长"这种空话。当你能说"体验只作用在转化和留存,流量得靠投放"——你立刻显得懂业务边界。后面所有提示词里反复出现的"不夸大体验作用、需客观表达作用边界",根就在这里。
2. 体验目标 ≠ 业务目标(四个词别混)
- 业务目标 = 要达成的结果(公司视角,如"移动端 DAU +20%")
- 指标 = 证明结果是否发生的数据
- 体验/设计目标 = 为实现业务目标,需要改变的用户行为(如"降低取文件的操作成本")
- 体验/设计指标 = 验证行为有没有被改变的数据(完成率 / 时长 / 点击率)
链路永远是:体验优化 → 用户行为变化 → 业务结果变化。提示词里"必须体现因果关系"指的就是这条链。
3. MVP 的双假设(价值 vs 方案)
MVP(最小可行产品,来自《精益创业》)= 一个产品/功能的最简版本,但必须足够让你判断"用户能不能从中得到价值"。它先后回答两个问题,对应两类假设:
- 价值主张假设(Value-Proposition Hypothesis):"某价值对某类人有价值"——验证用户是否觉得这东西有用。
骨架:
我们相信 [某价值] 对 [某类人] 有价值。如果测试中看到 [某种行为信号],就说明这个假设成立。 - 方案假设(Solution Hypothesis):"这个具体做法能不能把价值交付出来"。
关键提醒:MVP 很难用导致用户放弃,不一定是想法没价值,可能只是设计太烂把价值挡住了。所以 MVP 失败要分清是"价值假设不成立"还是"方案假设不成立"。
何时用 MVP(风险-回报矩阵):高风险+高回报 → 先用便宜的原型 MVP测;低风险+高回报 → 可上代码 MVP进真实市场;低风险+低回报 → 先不专门做;高风险+低回报 → 降优先级或重做问题定义。
对外措辞:除非真的正式发布,别叫 "launch/release",叫 pilot / experiment / learning test,强调"这是验证不是定版"——更容易拿到 stakeholder 支持。
MVP 常用指标(6 类):参与度 Engagement、留存 Retention、宏转化 Macro-conversion(直接影响收入的关键行为)、微转化 Micro-conversion(接近转化的小行为,如点"了解更多")、系统性能、AI 表现(AI 输出被认为相关/准确的比例)。
4. 需求强度四维打分(判断"值不值得做")
判断一个需求是不是真痛点,按 4 个维度各打 1–5 分:频率 / 强度(不解决会怎样) / 现有替代成本(现在的办法多糟) / 付费迁移意愿。只要其中两项很低,通常就不值得优先投入。 这张表后面在"用研报告"和"判断需求"里反复出现。
黄金判据:"发生过" > "觉得可能"。访谈时只要对方讲不出"最近一次真实发生的例子",这个需求大概率不强。详见 §一的行为回溯法。
一、判断用户是否真有需求(Market Need)
这是研究的起点,不是 AI 技法而是访谈心法,但它决定后面所有 AI 提示词的输入质量——人群场景没定清,AI 产出的"目标"就全是空话。
Why:大多数人验证需求的方式是"问用户喜不喜欢这个概念",得到的全是礼貌的"挺好的",最后变成"大家都说有点用,但没人愿意换"。
4 步可复用流程:
- 先别问"需不需要",先定位"谁 + 在什么场景 + 想完成什么任务(JTBD)"。这三项没定,回答会高度分散。
- 访谈用"行为回溯",不用"态度提问"——让对方讲一段最近发生的真实故事,而不是对一个概念表态:
- 最近一次(强制具体化):"你最近一次遇到这个问题是什么时候?当时在做什么?目标是什么?"
- 现有解法(看是否真痛):"你现在怎么解决?这个办法哪里最麻烦?麻烦到什么程度?"
- 代价量化(把痛点变成成本):"这件事通常花你多久?一周几次?最糟会损失什么(钱/时间/风险/情绪/机会成本)?"
- 优先级对比:"你工作里排前 3 的烦恼是什么?这个排第几?只能修一个你修哪个?"
- 用"假设方案"做轻量验证,看是否愿意付出成本——人会对好主意说 yes,但不会为它付出代价。Fake door / 等待名单(看点击转化而非口头支持);Pre-mortem 承诺问题:"如果明天就能用,你会用在什么任务上?愿意改现有流程吗?愿意付出什么代价:导入数据/培训 30 分钟/每月付费/让 IT 评审?"
- 需求三角验证(别只靠访谈):客服工单/销售录音(最真实的需求信号)、站内搜索词(用户在找解决方案)、行为漏斗(在哪步流失)、竞品/手动替代方案(Excel/Notion/微信群/截图就是真需求信号)、社区吐槽。Market Need 不是单一证据,而是这些证据是否指向同一个"痛点/人群/场景"。
反例:对方只说"挺好",但一谈迁移/付费/学习就犹豫 → 这是 nice-to-have(锦上添花),不是 must-have。
这一节是 Google UX 证书 / UX 研究与共情-定义 §三"用户访谈 SOP"的"商业验证版"——UX 访谈偏"这个按钮放哪",这里偏"这门生意/功能值不值得做",与一堂 OSCAR 调研同源。
二、AI 技法 1:把零散背景蒸馏成「项目背景表达 PB」
解决的工作:你手上有一堆零散的项目信息(截图、聊天记录、旧 PPT、脑子里的片段),要把它变成一段"专业、能在面试/汇报里直接说出口"的项目背景。这是整条 AI 流水线的第一个产物,后面"业务目标""体验问题"都吃它的输出。
输入:零散项目背景信息(图/文)→ 输出:专业项目背景表达(文)。
可复用提示词骨架
你是资深产品经理与 UX 研究员,擅长将碎片化信息或截图转化为专业结论表达。
我将提供输入信息,请你:
- 必须完整吸收所有信息(不可忽略任何关键点)
- 基于理解重建逻辑(禁止改写或沿用原结构)
- 输出必须极度精简、直击本质(每条都是结论,不解释过程)
1. 业务背景(Why):从输入提炼 趋势 / 核心问题(覆盖所有关键点)/ 机会
2. 用户场景(When):用结构「当用户在【具体场景】下,由于【现实限制】,需要【任务】」,
覆盖所有关键信息,禁止抽象表达
3. 用户洞察(Insight):1 句话,必须揭示"真正缺什么",不是表面需求
4. 口述表达(面试/汇报):一句话版本(≤200 字),结构 背景→问题→机会,能直接说出口
强约束:不遗漏关键信息 / 不复述不解释不铺垫 / 不超字数 / 每句话都是"结论" / 优先"少但准"不是"多但全"
业务背景的填空模板(可单独用,不依赖 AI)
业务背景 = 业务问题 + 趋势 + 机会。专业表达的填空骨架:
这个项目是一个【产品类型/行业】产品,主要服务于【目标用户】。一个典型场景是:当【用户角色】在【具体场景】下,由于【强限制/突发情况】,他必须马上【关键任务】,但现在的方式是【原有低效/失败方式】,这会导致【具体后果:延误/出错/损失/尴尬】。 而我们的产品提供了【核心功能】,用户只需【1–2 步关键操作】就可以【直接结果】,把原本很卡的场景变成可快速完成的流程。 目前产品处于【具体阶段 + 客观数据:用户规模/DAU/频次】,内部承担【一句话业务角色:增长/转化/效率】。我负责的是【模块范围,一句话说清起点→终点】,这一段是【关键路径定位】,但当前核心问题是【一句话问题结论】。从数据看,【指标1】是【当前值】低于【对比/目标】,【指标2】在【关键节点】明显流失……
Why:这个模板的精髓是"场景→限制→任务→后果"的因果链 + "我负责哪段 + 那段的数据问题"。面试官不想听"我做了个 App",想听"用户在地铁里突然要发文件、只能等回到电脑、所以耽误了客户、而我负责的移动端入口点击率只有 18%"。后者把抽象项目焊死在一个具体的、有数据的痛点上。
坑:别让 AI"沿用输入原结构"——它会偷懒复制你的 PPT 排版。强约束里"重建逻辑、每句是结论"就是治这个。
三、AI 技法 2:用户故事(System View → User Behavior View)
解决的工作:把"系统视角"的功能描述,翻译成"用户行为视角"的一句话故事。本质上 §二业务背景表达里已经隐含了它。
固定模板(WHO + WHAT + WHY):
作为一个 [用户身份],他希望 [用户想做的事],以便 [用户希望的结果]。例:销售在路上遇到客户临时要资料,他希望立即通过手机控制电脑发送文件,这样就不用回电脑或找同事代发,还能提升在客户心中的专业印象。
Why:用户故事强制你从"我做了什么功能"切换到"用户为了什么目的做什么行为"。和 Google UX 证书 / UX 研究与共情-定义 的问题陈述(
[用户]需要[需求]因为[痛点])是同一个动作的两种句式——故事偏"想做什么",问题陈述偏"缺什么"。
四、AI 技法 3:由背景推导「业务目标 × 体验目标 × 驱动逻辑」
解决的工作:吃 §二的"项目背景表达"输出,自动推导出 3–5 组"业务目标→体验目标→大白话因果"的完整链路。这是把 §〇的 mental model 2 自动化。
输入:项目背景表达(文)→ 输出:体验目标 + 明确体验对业务的价值。
可复用提示词骨架
你是资深产品经理,具备业务分析与指标体系搭建能力。
根据上面的业务背景与用户场景,输出 3–5 组完整链路,每组严格控制结构:
① 业务目标与指标(两句话)
第1句:业务要实现的结果 + 核心指标(必须量化,如 DAU/转化率/成本/时长 + 变化方向或区间)
第2句:属于 增长/盈利/降本/增效 哪一类,点出核心驱动路径
② 体验目标与指标(两句话)
第1句:要优化的"用户行为" + 体验指标(必须量化,如完成率/时长/点击率/流失率)
第2句:具体作用在哪个环节(转化/留存/付费/成功率)
③ 体验 → 业务的驱动逻辑(必须大白话)
1–2 句,不讲术语,解释为什么这些体验优化会影响业务目标,
必须体现"用户行为变化 → 业务结果变化"的因果,可说明作用边界(不是唯一因素)
总原则:完整吸收不遗漏 / 重建逻辑禁止复述 / 客观不夸大体验作用 / 禁止空话(如"提升体验""增强粘性")/
每句都是结论不写推导 / 第③部分必须"讲人话"让非产品的人也懂
输出长什么样(文字描述)
三段式,每段句数被严格卡死:
- ① 业务目标:"提升移动端轻任务使用规模,使相关 DAU 提升 20%~30%。该目标属于增长,通过提升碎片场景下的使用频次扩大整体活跃。"
- ② 体验目标:"降低用户完成轻任务的操作成本,使任务完成时长下降 30%、完成率提升 20%。该优化主要作用在留存与使用频次环节。"
- ③ 驱动逻辑(大白话):"用户本来觉得麻烦就不会用,现在更快更简单了,就更容易多用几次;用的人多了、用得更频繁了,DAU 自然就上来了。"
Why:这套提示词的杀手锏是第③段强制"讲人话"。很多人写目标能写得很专业,但一被追问"为什么体验优化能带来 DAU 增长",就卡壳或绕术语。强制用大白话讲因果,既检验你真懂了没,也让汇报对象(非产品的老板)立刻理解。
坑:"禁止空话"是这条提示词最容易被违反的约束——"提升粘性""增强体验"是 AI 默认会吐的废话,骨架里必须显式禁掉,逼它用"行为 + 量化指标"表达。
五、AI 技法 4:对旧界面「定位体验问题 + 量化指标影响」
解决的工作:给 AI 一张旧版界面截图(或一个流程的多张图),让它先站业务视角找出核心操作,再站用户视角挑出 3–5 个体验问题,并把每个问题焊死到具体业务指标上。这是 UX 作品集里"为什么要改版"那一页的论证引擎。
输入:旧版单个界面或流程(图)→ 输出:核心体验问题 + 对业务/体验指标的影响。
可复用提示词骨架(两部分,顺序不能反)
你是资深产品经理与 UX 设计专家,具备从商业目标到用户体验的全链路分析能力。
我将提供一个界面(或多个界面组成的流程)。
【第一部分:业务视角分析(必须优先完成)】
1 核心操作识别:用户最核心的一步操作是什么(只能有一个,必须是"对业务最关键"的行为
而非表层点击,一句话 = 动作 + 结果)
2 为什么它是业务核心:2–3 句,说明它在业务链路的位置(转化/留存/变现/激活)
3 关键业务指标:3–5 个,含 指标名 + 变化方向(↑/↓) + 可选影响范围(新/老用户)
4 商业逻辑成立条件:大白话解释这些指标提升意味着什么逻辑成立(需求被验证/转化有效/付费意愿成立)
5 总结业务目标(一句话):「通过提升【核心操作】的完成效率与转化,驱动【关键指标】提升,
从而验证【某商业逻辑成立】。」
【第二部分:用户体验问题分析】
模拟用户真实使用,只输出 3–5 个问题,必须按"对业务指标影响权重"从高到低排序。
每个问题含:
1 问题描述(What):一句话点本质(不是表象)
2 具体表现(Where & Detail):结合界面细节——信息架构/交互路径/视觉层级/视觉权重/比例尺度/一致性
3 影响的业务指标(Impact):哪个指标 + 如何影响(↑/↓)
4 原因解释(Why,大白话):为什么这问题导致指标变化,用户在这卡住/犹豫/放弃的真实心理
风格:不复述输入 / 不泛泛而谈 / 不讲"设计原则",只讲"问题→影响→原因" / 每句是结论 / 可直接用于作品集
Why:这条提示词的设计哲学是"先业务后体验,且体验问题必须挂在业务指标上"。新手做 UX 评审最容易犯的错是"罗列一堆设计瑕疵"(对齐不齐、配色不好看),但说不清这些瑕疵到底让公司损失了什么。这套结构强制每个问题回答"它拉低了哪个指标、为什么"——把"审美吐槽"升级成"商业论证"。
和 Google UX 证书 / UX 研究与共情-定义 的关系:那篇的"可用性研究"是让真实用户操作来发现问题;这里是让 AI模拟用户操作来快速生成问题假设。AI 版便宜快,但只能当"待验证的假设清单",真实可用性测试才是验真——别把 AI 的猜测当结论。
坑:"按业务指标影响权重排序"很关键。不排序的话 AI 会平铺 5 个问题显得一样重要;强制排序逼它判断"哪个问题最致命",这正是 PM 的核心能力。
六、AI 技法 5:把模糊问题改写成「可行动的问题陈述 + 概览图」
解决的工作:把一句模糊的抱怨("流失变高了")改写成一条精确、可量化、可定位的问题陈述,并配一页"问题概览图"的数据描述。
输入:Step1 先用 GPTs「PitchPro」上传项目截图,产出"背景/挑战/问题/解决方案"的整体框架;Step2 把框架 + 提示词喂进去 → 输出:准确界定的问题 + 调研数据支撑。
可复用提示词骨架
需求:把模糊问题"可行动化",转化为可量化、可定位的问题陈述。
输出形态:
A 一条精炼的问题陈述语句
B 一页问题概览图(含 时间趋势图 + 关键指标数值 + 受影响人群描述)
问题陈述示例(目标质感):
「近两个月付费用户月度流失率从 3% 上升到 5%,其中新用户前 30 天流失占比增加最快。」
「自 10 月起,使用 X 功能的 B 端小团队客户在第 2–3 个计费周期的流失率从 12% 上升到 21%,
主要集中在年付转月付的客户。」
一页问题概览图:给出数据使用的图表类型 + 数据明细。
Why:一条合格的问题陈述必须同时带 时间(从什么时候起)+ 量级(从 X% 到 Y%)+ 人群(集中在谁)。对比"流失变高了"和"自 10 月起 B 端小团队第 2–3 计费周期流失从 12% 升到 21%、集中在年付转月付"——后者直接告诉你去哪查、查谁。这是 Google UX 证书 / UX 研究与共情-定义 问题陈述公式(
[用户]需要[需求]因为[痛点])的"数据定位版",更偏 PM 的指标语言。坑:本环境不嵌图,"问题概览图"在实操里就是让 AI 描述"用什么图表 + 标哪些数",再由你或设计工具画出来。
七、AI 技法 6:MVP 目标 & 指标(一段面试口述话术)
解决的工作:给定产品/用户/场景,让 AI 一次性推完"价值假设→MVP 形式→测试方式→指标→模拟结果→结论",并输出成一段约 5 句、能直接说出口的面试话术。
可复用提示词骨架
【用户输入】项目/产品: / 目标用户: / 使用场景:
【你的任务】基于输入自动推理(不显式展示过程):
1 推断最核心的价值假设(1 个)
2 选择 MVP 形式(原型/代码)
3 推断测试方式(定性/定量/混合)
4 定义 ≤3 个核心指标(必须符合该产品场景)
5 合理生成一组典型测试结果(有真实感,避免极端)
6 给出结论(支持/部分支持/不支持)
【输出要求】一段面试口述话术,约 5 句,只含 目标→方法→指标→结果→判断;
不解释推理 / 不给策略 / 不夸张(避免"非常成功""效果很好")/ 用词客观(表现较好/存在下降/有一定问题)
【输出风格】这次 MVP 主要验证的是…… 我们使用的是…… 核心看三项指标…… 结果是…… 整体判断是……
输出长什么样
"这次 MVP 主要验证的是:用户在收到个性化理财建议后,是否会产生实际行动意愿。我们使用的是可点击原型,在目标用户中做了定性测试。核心看三项指标:用户是否理解产品价值、是否认可建议有用、是否表达愿意执行。结果是理解和认可两个维度表现较好,但在'实际执行意愿'上存在明显下降,用户普遍犹豫。整体判断价值感知成立,但行为转化这一层没有完全验证。"
Why:这条提示词最精妙的约束是"用词客观、避免夸张"。新手写 MVP 复盘爱说"效果非常好、大获成功"——一被追问就翻车。Will 这套刻意训练"表现较好/存在下降/部分验证"的克制表达,反而显得真做过、想得清楚。这和 §〇 MVP 双假设(价值 vs 方案)直接呼应:一份"价值感知成立但行为转化没验证"的结论,比"全面成功"可信一百倍。
和 stakeholder 对齐:讲 MVP 时要(1)明确验证哪个假设 + 为什么和业务有关(2)用 pilot/experiment 框定为实验(3)讲清"什么结果算支持/部分支持/不支持"。
八、AI 技法 7:生成完整「产品概念用研报告」(含模拟数据 + 风险信号)
解决的工作:在一个已完成的产品/项目之后,补齐前期"用户研究"这一段的论证链,产出一份结构完整、可在面试讲清"为什么做"的用研报告(模拟案例)。这是本阶段最重磅的提示词。
⚠️ 用法红线(必须先懂,否则会翻车)
报告里的用户和数据是基于合理推演的模拟,不是真实采集。面试/答辩中更稳的讲法是把它框定为"我的用户研究思路与论证"(我会如何定义用户、如何找证据、会得到什么结论),而不要声称"我真的访谈了 30 个用户"。
原因:面试官一旦追问"讲一个让你最意外的用户原话",编的"真实数据"会当场翻车;而"研究思路"永远经得起追问。同理,报告刻意保留一节"风险与反对信号"——一份全是好评的报告一眼假,一份"我们也发现了 XX 问题"的报告才像真做过研究,可信度最高。
可复用提示词骨架(9 步工作流)
【输入(我会填)】产品是什么 / 目标人群 / 使用场景 / 用户任务(JTBD)+ 期望收益 / 现有替代方案
Step 0 输入诊断 + 升级(不打断,而是教学):逐项检查输入质量,对不合格字段
① 指出问题(为什么会让研究失焦)② 给"合格版本"示范 ③ 用升级版继续并告诉我升级成了什么
常见问题:人群写成"想学 X 的人"= 循环定义且混淆购买者vs使用者(要拆到角色/年龄规模/熟练度/谁掏钱/谁用);
场景写成"任何碎片化场景"= 没触发点(要写清触发事件/频率/上下文);
替代方案写"没有"= 危险不专业(要含直接竞品 + 间接/手动替代:Excel/纸笔/找人代劳/免费视频)
Step 1 研究设计:研究目标 / 方法(深访+问卷,定性+定量混合)/ 样本设计(N=15–30,如何分层,招募标准)
Step 2 受访者画像:N 个有代表性受访者,分层覆盖,必须同时含购买者和使用者两类
Step 3 定性发现(行为回溯法):对关键受访者用第一人称呈现"最近一次真实故事"
(具体时刻/当时在做什么/目标 → 现在怎么解决/最麻烦处 → 代价 → 在他烦恼里的优先级),
归纳成 3–5 个主题,每主题配 1–2 句代表性"原话"
Step 4 定量统计:汇总成数据(X% 一周遇到 N 次 / X% 用某替代方案凑合 / 痛点强度 1–5 均值 / 付费意愿分布),
务必注明"以上为模拟数据"
Step 5 痛点优先级(四维打分):频率/强度/现有替代成本/付费迁移意愿 各 1–5 打分排序,得出最该优先解决的痛点
Step 6 机会点 & 设计启示:把高优先级痛点翻译成设计机会,反向连到具体功能
——明确"因为发现痛点 A,所以做了功能 B"(面试官最想听的逻辑链)
Step 7 风险与反对信号(关键别省):诚实列反对意见/风险/未解问题/这方案可能不成立的条件
Step 8 执行摘要(最后写,放最前):一段话讲清 谁·什么场景·什么核心痛点·多强证据·所以值得做
【输出顺序】1 执行摘要 2 背景与研究目标 3 研究方法与样本 4 受访者画像 5 定性发现 6 定量统计(注明模拟)
7 痛点优先级四维表 8 机会点与设计启示(痛点→功能)9 风险与反对信号 10 结论
语气:客观专业、像真做过,但保留局限与反对证据,避免"一边倒好评"的失真感
输出长什么样(以「儿童自然拼读 App」示范案例为例)
这份示范案例的价值在于演示"输入诊断"如何把废输入救活,以及研究结论如何反转产品方向:
- Step 0 诊断把"想学拼读的用户"升级为"使用者=4–6 岁儿童 / 购买决策者=25–38 岁母亲";把"任何碎片化场景"升级为"触发=睡前亲子共读、每日 1 次 5–10 分钟";把"替代方案:没有"升级为"斑马英语/叽里呱啦/Starfall + B 站免费视频/字母卡片自教"。
- 定性发现归纳出 5 个主题,每个配真人口吻原话,如"我买课图的就是省事,你让我自己听孩子念、自己判断对错?我又不是英语老师"。
- 定量统计(标注模拟):81% 认为拼读重要,但 76% 自认无法判断发音是否标准;愿为"练习工具"付费仅 19%,愿为"AI 纠音"付费 58%;"无法纠音"痛点强度 4.3 vs "缺练习工具"2.4。
- 四维打分得出反转结论:产品原本主打的"自测练习工具"是最低优先级痛点,真正的高价值机会是 AI 语音听音 + 实时纠错。
- 机会点→功能:核心功能从"查看答案自评"升级为"孩子念→AI 实时判分 + 高亮错误音素";睡前推送 + 连续打卡;错音进"错题本"按遗忘曲线复现。
- 风险与反对信号(诚实呈现):赛道极度拥挤、儿童口音 AI 识别准确率是命门、4 岁以下是伪需求(那类家长讲不出最近一次例子)、58% 的"愿付费"只是态度数据需 fake door 验证真实转化。
Why:这份报告的灵魂是 Step 6 的"痛点→功能"逻辑链 + Step 7 的诚实反对信号。前者是面试官最想听的那句"因为研究发现 A,所以我把功能从 X 改成 Y";后者用"我们也发现了问题"建立可信度。它把 §〇 mental model 4(需求四维打分)和 §一(行为回溯法)全部串进一份可交付文档里。
和 Google UX 证书 / UX 研究与共情-定义 的关系:那篇讲怎么真做访谈、画亲和图、写强洞察的 5 标准;这篇是当你"来不及/没条件做真研究"时,用 AI 生成一份论证结构正确的模拟报告当作品集骨架——但前提是诚实标注模拟、用"研究思路"框定。两者是"真做" vs "演示结构",别混用,更别拿模拟数据冒充真实调研。
九、AI 技法 8:把内容转成专业「信息图」的图表提示词
解决的工作:给 AI 一段产品信息(业务背景/用户路径/系统模块/增长逻辑……),让它产出一条"图表提示词",再喂给画图工具生成可放作品集/汇报的专业信息图(概念框架图/用户流程图/信息架构图/系统架构图/策略路径图等)。这是"项目背景表达"的可视化版本。
三步流程:Step1 信息(图/文)+ 提示词 → 多个方案的图形描述;Step2 用全英文绘制选定图;Step3 给一张视觉风格参考图,要求"内容不变、改成这种视觉风格"。
可复用提示词骨架(生成"图表提示词")
你是熟悉互联网数字产品表达的专业图表设计师,擅长把复杂的产品信息/业务逻辑/用户流程/系统关系/
策略路径/关键结果,转化为适合专业汇报、UX 作品集、产品文档、管理层沟通的高质量可视化图表。
我会提供产品项目的关键信息(业务背景/目标用户/核心问题/产品目标/功能结构/信息架构/用户路径/
关键策略/系统模块/增长逻辑/数据结果/实验设计/优化结论等),请生成中文提示词用于制作专业图表
(概念框架图/产品业务逻辑图/用户流程图/信息架构图/功能结构图/系统架构图/策略路径图/机制示意图/核心结果可视化图)。
整体风格:简洁现代的数字产品风格,接近高质量产品方案图/咨询图/高级 UX 作品集;布局清晰、信息层级明确、
配色 3–4 种以内、无衬线字体。
每条提示词必须说明:① 图表呈现对象(业务系统/产品模块/用户任务/策略机制/指标结果)
② 核心变量或关键要素(用户角色/触点/功能模块/决策节点/输入输出关系/增长杠杆/指标变化)
③ 逻辑结构(先后流程/因果关系/层级关系/闭环机制/路径拆解/模块协同)
④ 需强调的重点结论(核心问题/关键影响因素/方案如何起作用/优化后结果/业务或体验价值)
风格要求:专业简洁清晰 / 强调逻辑表达而非装饰 / 不得编造未提供的信息 / 信息不足只基于已知组织不补细节
最重要:不要沿用我输入内容原本的结构直接出图——即使我给的是文字/已有图表/PPT 结构,
也必须先理解真实含义和逻辑,再重建更适合可视化的新结构,目标是"更利于理解、展示、传达"而非机械复刻排布。
精确控制视觉风格的"迁移/禁止"清单(Step3 用)
当你想"借鉴一张参考图的风格但不照抄内容"时,明确告诉 AI:
- 允许迁移:主色 / 辅色 / 笔触与质感 / 造型语言(细节如何简化)。
- 禁止迁移:主体内容与结构 / 具体符号 / 具体构图布局 / 背景。
Why:整条提示词反复强调的是同一件事——"先理解逻辑再重建结构,不要复刻原排布"。新手让 AI 出图最常见的失败是"把一段文字直接横排成一行框",毫无信息层级。强制"重建更适合可视化的新结构"才能拿到真正的信息图。而"允许/禁止迁移"清单则解决了换风格时"风格没抄到、内容反而被带跑"的串味问题。
坑(本环境):Will 的实操里图是直接生成的;本 wiki 不嵌图,这里只保留"提示词怎么写"。真要出图时把骨架喂给支持文字渲染的画图模型(中文卡片型素材见 memory 里的 content-replication 经验)。
〇之外:配套的映射表(查表用,不是 AI 技法)
源区还附了 4 张"速查映射表",是做研究设计时的对照工具,非提示词。要点:
- 项目阶段 × 需求类型:从"需求定义→概念→设计→原型→开发→测试→上线→运营→优化→增长→重定位→生命周期结束"全周期,每阶段对应该做的工作(发现阶段=需求收集/市场调研/需求优先级排序)。
- 需求类型 × 业务目标:用户/业务/技术/市场/运营/生命周期六大类需求,每类映射到 增长/盈利/降本/增效(如"基本功能需求→增效""市场需求→增长""合规需求→降本")。
- 需求类型 × UX 研究方法:每类需求该用什么研究方法 + 定性/定量(如"痛点需求→用户访谈+旅程映射+任务分析,定性""增长需求→A/B 测试+问卷,定量")。
- 项目阶段 × UX 研究方法:发现阶段=访谈/问卷/焦点小组/田野研究;概念=Persona/旅程图/概念测试;迭代=可用性测试/A/B/眼动/热图;上线后=NPS/日志/情感分析。这张表与 Google UX 证书 / UX 研究与共情-定义 §一"研究三类型 × 时机"是同一张地图的细化版。
Why 收进来:这些表回答"我现在在哪个阶段、该用什么方法、对应哪个业务目标"——是把前面所有 AI 技法"挂回项目全景"的索引。但它们是查表资料,不是每天用的核心,放在文末当附录。
关键术语速查(Glossary)
| 英文 | 中文 | 一句话 |
|---|---|---|
| Market Need | 市场需求 | 多证据指向同一"痛点/人群/场景"才算成立 |
| JTBD (Job To Be Done) | 用户任务 | 用户想完成什么(定人群场景的第三要素) |
| Behavior recall | 行为回溯法 | 让用户讲"最近一次真实故事"而非对概念表态 |
| Fake door | 假门测试 | 做个入口看点击转化,验证愿不愿付出成本 |
| PB (Project Background) | 项目背景表达 | 把零散信息蒸馏成可说出口的专业背景 |
| Value-Proposition / Solution Hypothesis | 价值/方案假设 | MVP 先验"有没有价值"再验"做法能不能交付" |
| MVP Risk-Reward Matrix | 风险-回报矩阵 | 高风险高回报→原型 MVP;低风险高回报→代码 MVP |
| 业务结果 = 流量×转化×成本 | — | 体验只作用在"行为/转化/留存"这一层 |
| 增长/盈利/降本/增效 | 四大业务目标 | 体验在每类里的作用边界不同(增效最大) |
| 需求四维打分 | — | 频率/强度/替代成本/付费迁移意愿,两项低就不做 |
| 痛点→功能逻辑链 | — | "因为发现痛点 A,所以做了功能 B"(面试官最想听) |
| 风险与反对信号 | — | 用研报告必留的一节,有反对证据才可信 |
<!-- 源区 "UX Research" 参考页为纯图片+视频的幻灯片(11 张 image + 1 段 mp4),无可提取文字,本 wiki 不嵌图故未收;其内容与 [Google UX 证书 / UX 研究与共情-定义](/knowledge/kb-a307fb5b2fe9b584760983817c93009b) 的研究方法部分重叠。EN 提示词页为各 CN 提示词的英文镜像,内容等价未重复收录。 -->