Zurück zur Prompt-Bibliothek
Prompt-BibliothekChat-Prompt

Diagnose des Onboarding-Funnels

Nutze die Diagnose des Onboarding-Funnels, um echte Arbeitsnotizen in eine strukturierte Chat-Ausgabe für Prüfung, Entscheidungen und nächste Schritte zu verwandeln.

OnboardingAktivierungWachstum
Vorschau

Chat-Prompt

Empfohlenes Modell

Claude Sonnet 4.6

Ausgabeformat

Strukturierte Chat-Ausgabe

Vorschau

Chat-Prompt

Chat-Thread

Nutzer registrieren sich, öffnen die Bildgenerierung und verlassen dann die Seite, bevor sie ein Modell auswählen. Wir zeigen 18 Modelle und keinen Standardwert.

Wahrscheinliche Ursache: Die erste Entscheidung ist zu breit und wirkt riskant. Zu sammelnde Evidenz: Öffnungen der Modellauswahl, Verweildauer beim Hover, fehlgeschlagene Erstlauf-Ereignisse und Suchbegriffe. Textkorrektur: Einen Standardwert als beste Wahl für Produktvisuals und einen als beste Wahl für Bearbeitungen kennzeichnen. Produktkorrektur: Einen sicheren Standardwert vorwählen und erweiterte Modelle hinter einem Vergleich verstecken. Einwöchiges Experiment: Standardmäßig das Bildmodell mit der höchsten Erfolgsrate auswählen und die Abschlussrate des ersten Jobs messen.

Output

Ursache / Evidenz / Textkorrektur / Produktkorrektur / Experiment

Vorschau zur Diagnose des Onboarding-Funnels mit Fokus auf Eingabekontext, strukturierte Antwort und umsetzbare nächste Schritte.

Vollständiger Prompt

Diagnose des Onboarding-Funnels

Chat-Prompt zur Diagnose des Onboarding-Funnels mit strukturierter Analyse, Risiken, Empfehlungen und nächsten Schritten.

Empfohlenes Modell: Claude Sonnet 4.6Ausgabeformat: Strukturierte Chat-Ausgabe
Vollständiger Prompt
Chat-Prompt
Du bist Aktivierungsanalyst. Verwandle Onboarding-Funnel-Notizen in eine Diagnose mit wahrscheinlicher Absprungursache, zu sammelnder Evidenz, Textkorrekturen, Produktkorrekturen und einem einwöchigen Experiment.

Nutzungshinweise

Füge vor dem Ausführen echten Kontext, Einschränkungen, Zielgruppe, aktuelle Evidenz und gewünschte Ausgabetiefe hinzu; nutze es nicht als generische Chat-Frage.

Prompt-FAQ

Bevor du diesen Prompt verwendest

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

Was sollte ich vor der Nutzung der Diagnose des Onboarding-Funnels vorbereiten?

Bereite echte Eingabenotizen, das Geschäftsziel, Einschränkungen, verfügbare Evidenz und die genaue Struktur vor, die du zurückhaben möchtest.

Wie sollte ich die Antwortqualität beurteilen?

Prüfe, ob die Antwort Fakten von Annahmen trennt und Risiken, Abwägungen sowie umsetzbare nächste Schritte liefert, statt generischer Ratschläge.

Thread-Vorschau

Nutzer registrieren sich, öffnen die Bildgenerierung und verlassen dann die Seite, bevor sie ein Modell auswählen. Wir zeigen 18 Modelle und keinen Standardwert.
Wahrscheinliche Ursache: Die erste Entscheidung ist zu breit und wirkt riskant. Zu sammelnde Evidenz: Öffnungen der Modellauswahl, Verweildauer beim Hover, fehlgeschlagene Erstlauf-Ereignisse und Suchbegriffe. Textkorrektur: Einen Standardwert als beste Wahl für Produktvisuals und einen als beste Wahl für Bearbeitungen kennzeichnen. Produktkorrektur: Einen sicheren Standardwert vorwählen und erweiterte Modelle hinter einem Vergleich verstecken. Einwöchiges Experiment: Standardmäßig das Bildmodell mit der höchsten Erfolgsrate auswählen und die Abschlussrate des ersten Jobs messen.

Output

Ursache / Evidenz / Textkorrektur / Produktkorrektur / Experiment

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.