Zurück zur Prompt-Bibliothek
Prompt-BibliothekChat-Prompt

Daten-Erkenntnis-Narrativ-Chat

Verwandle Kennzahlennotizen in ein führungstaugliches Erkenntnisnarrativ mit dem, was sich verändert hat, warum es wichtig ist und was als Nächstes zu tun ist.

DatenerkenntnisZusammenfassung für FührungskräfteNarrativ
Vorschau

Chat-Prompt

Empfohlenes Modell

Gemini 3.1 Pro

Ausgabeformat

Erkenntnisnarrativ

Vorschau

Chat-Prompt

Chat-Thread

Die Aktivierung stieg um 8 Prozent, aber die Bindung in Woche zwei sank. Verwandle das in eine Erkenntnis für Führungskräfte.

Überschrift: Aktivierung verbessert sich, aber früher Mehrwert bleibt möglicherweise nicht haften. Was hat sich verändert: mehr Nutzer schließen das Onboarding ab; weniger kehren in Woche zwei zurück. Wahrscheinliche Treiber: schnellerer erster Erfolg, aber schwächere Folgeschleife. Aktion: Prompts nach dem Onboarding prüfen und nach Akquisitionskanal segmentieren. Warnhinweis: dies noch nicht als Kausalität behandeln.

Output

Überschrift / Was hat sich verändert / Warum ist es wichtig / Treiber / Konfidenz / empfohlene Aktion

Am besten für wöchentliche Kennzahlenprüfungen, Wachstumsupdates und Entwürfe für Vorstandsmemos.

Vollständiger Prompt

Daten-Erkenntnis-Narrativ-Chat

Datenstorytelling-Prompt, um Kennzahlennotizen in führungstaugliche Erkenntnisnarrative zu verwandeln.

Empfohlenes Modell: Gemini 3.1 ProAusgabeformat: Erkenntnisnarrativ
Vollständiger Prompt
Chat-Prompt
Du bist Analyst für Datenstorytelling. Verwandle die Nutzerkennzahlen in ein Erkenntnisnarrativ für Führungskräfte mit diesen Abschnitten: Überschrift, Was hat sich verändert, Warum ist es wichtig, Wahrscheinliche Treiber, Konfidenzniveau, Empfohlene Aktion, Warnhinweise und benötigte Folgedaten. Übertreibe keine Kausalitätsaussagen.

Nutzungshinweise

Füge Zeitraum, Segmente, Baseline und alle Vorbehalte hinzu. Der Prompt ist am stärksten, wenn er Rohzahlen plus Kontext erhält.

Prompt FAQ

Bevor du diesen Prompt verwendest

Schnelle Checks für Eingaben, Modellfit und Anpassung des Templates, ohne das Ergebnis zu schwächen.

Wann sollte ich den Daten-Erkenntnis-Narrativ-Chat verwenden?

Füge Zeitraum, Segmente, Baseline und alle Vorbehalte hinzu. Der Prompt ist am stärksten, wenn er Rohzahlen plus Kontext erhält.

Was sollte ich vor dem Ausführen anpassen?

Ersetze Produkt, Zielgruppe, Einschränkungen, Ausgabeformat und alle Marken- oder Sicherheitsregeln, damit das Ergebnis zur tatsächlichen Aufgabe passt.

Thread-Vorschau

Die Aktivierung stieg um 8 Prozent, aber die Bindung in Woche zwei sank. Verwandle das in eine Erkenntnis für Führungskräfte.
Überschrift: Aktivierung verbessert sich, aber früher Mehrwert bleibt möglicherweise nicht haften. Was hat sich verändert: mehr Nutzer schließen das Onboarding ab; weniger kehren in Woche zwei zurück. Wahrscheinliche Treiber: schnellerer erster Erfolg, aber schwächere Folgeschleife. Aktion: Prompts nach dem Onboarding prüfen und nach Akquisitionskanal segmentieren. Warnhinweis: dies noch nicht als Kausalität behandeln.

Output

Überschrift / Was hat sich verändert / Warum ist es wichtig / Treiber / Konfidenz / empfohlene Aktion

Weitere Prompts in diesem Modus

Chat-Thread

Wir möchten einen KI-Assistenten für kleine E-Commerce-Teams bauen, der Produktfotos in Kampagnenmaterial verwandelt.

Problemhypothese: Kleine E-Commerce-Teams verlieren Zeit, wenn sie rohe Produktfotos in kanalreifes Kampagnenmaterial verwandeln. Riskanteste Annahmen: Die Fotoqualität ist hoch genug, Teams vertrauen KI-Materialvarianten und Prüfzeit ist der eigentliche Engpass. Forschungsfragen: Wer verantwortet die Erstellung von Kampagnenmaterial, wo bleiben Überarbeitungen hängen und welche Qualitätslatte blockiert die Veröffentlichung. Validierungsplan: 5 Anwender interviewen, 3 promptgeführte Materialabläufe testen und die Zeit bis zum ersten freigegebenen Material vergleichen. Entscheidungstor: Nur weitermachen, wenn Teams schneller als im aktuellen Arbeitsablauf zu einem veröffentlichbaren Entwurf kommen.

Chat-Thread

Wir prüfen ein neues KI-Notizprodukt für Solo-Berater. Hilf mir, daraus ein Recherchebriefing zu machen.

Ziel: definieren, ob Solo-Berater einen KI-Notizarbeitsbereich oder eine leichtere Kundennachfass-Ebene brauchen. Arbeitsannahmen: Sie erfassen bereits Notizen, aber Synthese und Entwürfe für nächste Schritte sind uneinheitlich. Zielgruppe: Solo-Berater mit wiederkehrenden Kundengesprächen und begrenzter operativer Unterstützung. Kernfragen: Welche Notizen werden zu abrechenbarer Arbeit, was geht nach Gesprächen verloren und wo fühlen sich CRM-Tools zu schwergewichtig an. Forschungsplan: 6 Interviews führen, 10 aktuelle Gesprächsnotiz-Abläufe prüfen und einen Prototyp für Nachfass-Briefings testen.

Chat-Thread

Hier ist die Gliederung für unsere KI-Produkt-Landingpage. Sag mir, was unklar ist, bevor wir sie gestalten.

Kernversprechen: sichtbar, aber noch als Funktion statt als konkretes Nutzerergebnis formuliert. Unklarer Punkt: Die Seite erklärt nicht, wer zuerst Wert erhält oder welcher Arbeitsablauf sich nach der Anmeldung verändert. Beispiel-Lücke: Füge Vorher-Nachher-Beispiele, Muster von Modellausgaben und ein kurzes Vertrauenssignal in Hero-Nähe hinzu. CTA-Problem: Die primäre Aktion erscheint nach zu viel Erklärung; rücke einen nutzungsorientierten CTA näher an den Schnellnutzungsbereich. Revisionsplan: Hero-Bereich schärfen, Ergebnis-Karten ergänzen, dann Einwände umschreiben, bevor die visuellen Elemente poliert werden.