Tilbage til promptbibliotek
PromptbibliotekChatprompt

Diagnose af onboardingtragt

Brug Diagnose af onboardingtragt til at omsætte reelle workflownoter til struktureret chatoutput til gennemgang, beslutninger og næste handlinger.

BrugerintroduktionAktiveringVækst
Forhåndsvisning

Chatprompt

Anbefalet model

Claude Sonnet 4.6

Outputformat

Struktureret chatoutput

Forhåndsvisning

Chatprompt

chattråd

Brugere tilmelder sig, åbner billedgenerering og forlader derefter siden, før de vælger en model. Vi viser 18 modeller og ingen standard.

Sandsynlig årsag: den første beslutning er for bred og virker risikabel. Evidens der skal indsamles: åbning af model-dropdown, hover-tid, mislykkede førstegangs-events og søgetermer. Tekstrettelse: markér én standard som bedst til produktvisuals og én som bedst til redigeringer. Produktrettelse: forvælg en sikker standard, og skjul avancerede modeller bag sammenligning. Eksperiment på én uge: brug den billedmodel med højest succesrate som standard, og mål gennemførsel af første job.

Output

Årsag / evidens / tekstrettelse / produktrettelse / eksperiment

Forhåndsvisning for Diagnose af onboardingtragt med fokus på inputkontekst, struktureret svar og handlingsklare næste skridt.

Fuld prompt

Diagnose af onboardingtragt

Chatprompt til Diagnose af onboardingtragt med struktureret analyse, risici, anbefalinger og næste handlinger.

Anbefalet model: Claude Sonnet 4.6Outputformat: Struktureret chatoutput
Fuld prompt
Chatprompt
Du er aktiveringsanalytiker. Omsæt noter om onboardingtragten til en diagnose med den sandsynlige årsag til frafald, evidens der skal indsamles, tekstrettelser, produktrettelser og et eksperiment på én uge.

Brugsnoter

Tilføj reel kontekst, begrænsninger, målreader, aktuel evidens og forventet outputdybde, før du kører den; brug den ikke som et generisk chatspørgsmål.

Prompt-FAQ

Før du bruger denne prompt

Hurtige tjek for inputs, modelfit og hvordan du tilpasser skabelonen uden at svække resultatet.

Hvad bør jeg forberede, før jeg bruger Diagnose af onboardingtragt?

Forbered reelle inputnoter, forretningsmålet, begrænsninger, tilgængelig evidens og den præcise struktur, du vil have tilbage.

Hvordan bør jeg vurdere svarets kvalitet?

Kontrollér, om svaret adskiller fakta fra antagelser og giver risici, afvejninger og handlingsklare næste skridt i stedet for generiske råd.

Trådforhåndsvisning

Brugere tilmelder sig, åbner billedgenerering og forlader derefter siden, før de vælger en model. Vi viser 18 modeller og ingen standard.
Sandsynlig årsag: den første beslutning er for bred og virker risikabel. Evidens der skal indsamles: åbning af model-dropdown, hover-tid, mislykkede førstegangs-events og søgetermer. Tekstrettelse: markér én standard som bedst til produktvisuals og én som bedst til redigeringer. Produktrettelse: forvælg en sikker standard, og skjul avancerede modeller bag sammenligning. Eksperiment på én uge: brug den billedmodel med højest succesrate som standard, og mål gennemførsel af første job.

Output

Årsag / evidens / tekstrettelse / produktrettelse / eksperiment

Flere prompts i denne tilstand

chattråd

Vi vil bygge en AI-assistent til små e-handelsteams, der omsætter produktfotos til kampagneassets.

Problemhypotese: Små e-handelsteams mister tid, når rå produktfotos skal omsættes til kampagneassets klar til flere kanaler. Mest risikable antagelser: Fotokvaliteten er høj nok, teams stoler på AI-assetvariationer, og reviewtid er den reelle flaskehals. Researchspørgsmål: Hvem ejer produktionen af kampagneassets, hvor går revisioner i stå, og hvilken kvalitetsbarriere blokerer publicering. Valideringsplan: Interview 5 operatører, test 3 promptstyrede assetflows, og sammenlign tid til første godkendte asset. Beslutningsport: Fortsæt kun, hvis teams kan nå et publicerbart udkast hurtigere end med deres nuværende arbejdsgang.

chattråd

Vi undersøger et nyt AI-noteprodukt til solo-konsulenter. Hjælp mig med at omsætte det til et researchbrief.

Mål: afklare, om solo-konsulenter har brug for et AI-notearbejdsrum eller et lettere lag til kundeopfølgning. Arbejdshypoteser: de indfanger allerede noter, men syntese og udkast til næste skridt er inkonsistente. Målgruppe: solo-konsulenter med tilbagevendende kundekald og begrænset driftssupport. Centrale spørgsmål: hvilke noter bliver til fakturerbart arbejde, hvad går tabt efter kald, og hvor føles CRM-værktøjer for tunge. Researchplan: gennemfør 6 interviews, gennemgå 10 nyere workflows for kaldnoter, og test én prototype på et opfølgningsbrief.

chattråd

Her er skitsen til vores landingsside for AI-produktet. Fortæl mig, hvad der er uklart, før vi designer den.

Centralt løfte: synligt, men stadig formuleret som en funktion snarere end et konkret brugerresultat. Uklart punkt: siden forklarer ikke, hvem der først får værdi, eller hvilken arbejdsgang der ændrer sig efter tilmelding. Eksempelhul: tilføj før-efter-eksempler, eksempler på modeloutput og ét kort tillidssignal nær topsektionen. Problem med handlingsopfordring: den primære handling kommer efter for meget forklaring; flyt en brugsorienteret handlingsopfordring tættere på sektionen for hurtig brug. Revisionsplan: skærp topsektionen, tilføj resultatkort, og omskriv derefter indvendinger, før det visuelle poleres.