พรอมต์สคริปต์สัมภาษณ์ผู้ใช้ ไม่ชี้นำ
สคริปต์สัมภาษณ์ AI ส่วนใหญ่เป็นคำถามชี้นำที่แอบแฝง 'feature ของเราจะช่วยคุณอย่างไร?' แทนที่จะเป็น 'เล่าให้ฟังถึงครั้งล่าสุดที่เจอเรื่องนี้' พรอมต์นี้บังคับการตั้งคำถามแบบพฤติกรรมในอดีต ไม่มีสมมติฐาน และกลยุทธ์ follow-up ที่ชัดเจน
สร้างสคริปต์สัมภาษณ์ผู้ใช้ 30 นาที
เป้าหมายของการสัมภาษณ์: {สิ่งที่ต้องการเรียนรู้ ระบุชัด}
Segment: {คนที่คุยด้วย บทบาท บริบท พฤติกรรมปัจจุบัน}
สมมติฐานที่ใช้งาน (ตัวเลือก): {สิ่งที่คุณเชื่อว่าจริงในปัจจุบัน}
Output สคริปต์ด้วยโครงสร้างนี้
1. Warm-up (3 นาที): คำถามเปิดสองข้อเกี่ยวกับกิจวัตรปัจจุบัน ไม่กล่าวถึงสินค้า
2. Past behavior section (15 นาที): คำถาม 5-7 ข้อ แต่ละข้อยึดกับครั้งล่าสุดที่ทำพฤติกรรมที่เกี่ยวข้อง รูปแบบ 'เล่าให้ฟังถึงครั้งล่าสุดที่คุณ...'
สำหรับแต่ละคำถาม ระบุ 2-3 follow-up probes ที่ผู้สัมภาษณ์ควรเตรียมไว้
3. Constraint section (8 นาที): คำถาม 3-4 ข้อเกี่ยวกับสิ่งที่พวกเขาลอง สิ่งที่พวกเขาจ่าย สิ่งที่ล้มเหลว เผยความต้องการจริง vs ความสุภาพ
4. Wrap-up (4 นาที): คำถามเปิดข้อเดียว 'อะไรที่ฉันไม่ถาม' + ขอบคุณ
กฎเข้มงวด (Mom Test)
1. ห้ามคำถามใดเริ่มด้วย 'would you...' หรือ 'do you think...' ทั้งสองเชิญการโกหกแบบสุภาพ
2. ห้ามคำถามใดกล่าวถึงสินค้าหรือทางออกสมมติของคุณ
3. ทุกคำถามต้องเผยข้อเท็จจริง (สิ่งที่พวกเขาทำ) หรือการชำระเงิน (เงิน/เวลาที่ใช้) ไม่ใช่ความคิดเห็น
4. หากคำถามไม่สามารถตอบได้โดยไม่จินตนาการอนาคต เขียนใหม่ให้เกี่ยวกับอดีต
5. Follow-ups ต้องขุดลงในรายละเอียด 'บ่อยแค่ไหน', 'ใครจ่าย', 'ลองอะไรจริงๆ'
คืนค่าเฉพาะสคริปต์ ทำเครื่องหมายแต่ละ follow-up เป็น [follow-up: ...] จบด้วยส่วน 'red flags during the interview' หนึ่งย่อหน้าที่ระบุสิ่งที่จะทำให้ข้อมูลไม่ถูกต้องเมื่อไหร่ควรใช้
- ก่อนสร้างอะไรก็ตาม การสัมภาษณ์ 5-10 ครั้งแทนที่เดือนของการเดา
- เมื่อ metrics นิ่งและไม่รู้ว่าทำไม คำถามพฤติกรรมในอดีตเผย decision tree จริง
- ตรวจสอบสมมติฐานราคา ส่วน constraint ('คุณจ่ายอะไร') ซื่อสัตย์กว่า 'คุณจะจ่ายเท่าไหร่'
เคล็ดลับตามโมเดล
- claude
- ดีที่สุดในการหลีกเลี่ยงคำถามชี้นำ จะเขียนคำถามสมมติให้เป็นคำถามพฤติกรรมในอดีตเมื่อขอ
- chatgpt
- มักแทรก 'would you' เข้ามา กฎ 'NO would you' สำคัญที่สุดที่ต้องบังคับใช้
- any
- หากคำถามรู้สึกถามสบายๆ น่าจะชี้นำ สคริปต์ควรรู้สึกบุกรุกเล็กน้อย นั่นคือวิธีที่คุณได้ข้อมูลจริง
ตัวอย่าง discovery interview สำหรับเครื่องมือการเงินส่วนบุคคล
Goal: เข้าใจวิธีที่พนักงาน SaaS อายุกลาง 30 ติดตามการเงินส่วนบุคคลจริงๆ
Warm-up (3 นาที)
- เล่าให้ฟังเรื่องงาน ทำอะไรในแต่ละวัน?
- เช้าวันจันทร์ปกติเป็นอย่างไรก่อนเริ่มงาน?
Past behavior (15 นาที)
Q1: เล่าให้ฟังถึงครั้งล่าสุดที่นั่งดูบัญชีธนาคาร เมื่อไหร่ อะไรเป็นตัวกระตุ้น?
[follow-up: วางแผนหรือ reactive?]
[follow-up: ใช้เวลานานแค่ไหน?]
Q2: ครั้งล่าสุดที่ตัดสินใจทางการเงินเกิน $500 ซื้อ รอ เปลี่ยนธนาคาร เล่าให้ฟัง
[follow-up: ตรวจอะไรก่อนตัดสินใจ?]
[follow-up: ปรึกษาใครอีก?]
... [อีก 5 ข้อ]
Constraints (8 นาที)
Q8: เครื่องมือการเงินล่าสุดที่จ่ายเงินจริงคืออะไร แม้ $5? อะไรทำให้หยุดหรือจ่ายต่อ?
... [อีก 3 ข้อ]
Wrap-up: อะไรที่ฉันไม่ถามที่คุณอยากให้ถาม?
Red flags during interview:
- ผู้เข้าร่วมพูด 'ฉันจะ' พวกเขาไม่ได้ทำจริง สำรวจครั้งจริงล่าสุด หากไม่มี segment อาจไม่มีปัญหา
- คลุมเครือเรื่องตัวเลข/วันที่ ('ฉันเช็คบางครั้ง') คลุมเครือ = พฤติกรรมที่จินตนาการ ถาม 'ครั้งล่าสุดที่แน่ชัดเมื่อไหร่?' เพื่อยึดให้แน่นวิธีการทำงาน
ทำไมสคริปต์สัมภาษณ์ AI ส่วนใหญ่ไม่มีประโยชน์
Output LLM ค่าเริ่มต้นสำหรับ 'เขียนสคริปต์สัมภาษณ์ให้ฉัน' ผลิตคำถามชี้นำ 'feature X จะช่วยคุณอย่างไร?' The Mom Test (Rob Fitzpatrick, 2014) แสดงเมื่อสองทศวรรษก่อนว่าคำถามสมมติได้ความสุภาพ ไม่ใช่ข้อมูล ผู้ใช้จริงพูดสิ่งที่คิดว่าคุณอยากได้ยิน สคริปต์ด้านบนบังคับการยึดกับพฤติกรรมในอดีต ซึ่งได้ข้อเท็จจริง
Follow-up probes สำคัญเท่ากัน คำถามอย่าง 'เล่าให้ฟังถึงครั้งล่าสุดที่เจอเรื่องนี้' จะได้คำตอบ 30 วินาทีเป็นค่าเริ่มต้น probes ('ตรวจอะไรก่อน', 'ใครจ่าย', 'นานแค่ไหน') เปลี่ยน 30 วินาทีเป็น 5 นาทีของรายละเอียดที่มีประโยชน์
วิธีจัดการกับ output
รัน 5 การสัมภาษณ์ก่อนเปลี่ยนสคริปต์ รูปแบบโผล่ในการสัมภาษณ์ 3-4 ภายในการสัมภาษณ์ที่ 5 คุณจะบอกได้ว่าคำถามใดได้ข้อมูลดีและคำถามใดได้ฟิลเลอร์สุภาพ ลบคำถามฟิลเลอร์สุภาพและเพิ่ม follow-up เฉพาะสำหรับคำถามที่ดี
หลังการสัมภาษณ์ 5-7 ครั้ง รันผ่านพรอมต์ research-summary เพื่อดึงข้ออ้างและข้อขัดแย้ง คอมโบ (สคริปต์สัมภาษณ์ → สรุปที่มีโครงสร้าง → claim mapping) เร็วกว่าการอ่าน transcripts และพยายามจดจำรูปแบบมาก
คำถามที่พบบ่อย
›ทำไมไม่ใช้คำถาม 'would you'?
เพราะทุกคนพูดว่าใช่กับ feature ที่อธิบายต่อหน้า สมมติฐานเชิญความสุภาพ พฤติกรรมในอดีตเชิญข้อเท็จจริง การปรับปรุงคุณภาพการสัมภาษณ์ที่ใหญ่ที่สุดคือการลบทุก 'would you' ออกจากสคริปต์
›ถ้าสินค้ายังไม่มีทำอย่างไร?
ยิ่งดี ไม่มีอะไรให้ bias พวกเขา ทุกคำถามกลายเป็นเกี่ยวกับความเจ็บปวดที่มีอยู่และทางออกปัจจุบัน นั่นคือสิ่งที่ discovery interviews มีไว้สำหรับ
›ต้องการสัมภาษณ์กี่ครั้ง?
5-12 ต่อ segment ปกติ ในการสัมภาษณ์ที่ 5 ได้ยินรูปแบบ การเพิ่มมากขึ้นปรับให้ละเอียดมากกว่าค้นพบใหม่ผลตอบแทนลดน้อยถอยลงหลังประมาณ 10 ครั้ง เว้นแต่จะวิจัย segment ใหม่
›ถ้าผู้เข้าร่วมออกนอกหัวข้อทำอย่างไร?
บ่อยครั้งนั่นคือทอง ความเจ็บปวดจริงทำให้การสนทนาออกนอกเรื่อง คำตอบสบายๆ ไม่ ปล่อยให้พวกเขาไป 2-3 นาที จดบันทึก แล้วเชื่อมกลับ 'เล่าเรื่อง X เพิ่มเติม นั่นเป็นครั้งเดียวกับที่ทำ Y หรือเปล่า?'
›ควรแบ่งปันสมมติฐานล่วงหน้าไหม?
ไม่ บอกเป้าหมายแบบคลุมเครือ ('ฉันกำลังวิจัยวิธีที่คนจัดการ X') การแบ่งปันสมมติฐานเฉพาะทำให้คำตอบของพวกเขา bias
›ใช้สำหรับ usability tests ได้ไหม?
เป้าหมายต่างกัน usability tests ต้องการสคริปต์ task ไม่ใช่ discovery มีความทับซ้อน (ไม่ชี้นำ สังเกตพฤติกรรม) แต่รูปแบบต่างกัน เราจะเผยแพร่พรอมต์ usability แยก
เครื่องคำนวณที่เกี่ยวข้อง
พรอมต์ที่เกี่ยวข้อง
อัปเดตล่าสุด: