Volver a la biblioteca de prompts
Biblioteca de promptsPrompt de chat

Diagnóstico de embudo de onboarding

Usa Diagnóstico de embudo de onboarding para convertir notas reales de flujo de trabajo en una salida de chat estructurada para revisión, decisiones y próximas acciones.

OnboardingActivaciónCrecimiento
Vista previa

Prompt de chat

Modelo recomendado

Claude Sonnet 4.6

Formato de salida

Salida de chat estructurada

Vista previa

Prompt de chat

hilo de chat

Los usuarios se registran, abren generación de imágenes y luego se van antes de elegir un modelo. Mostramos 18 modelos y ningún valor predeterminado.

Causa probable: la primera decisión es demasiado amplia y parece arriesgada. Evidencia que recopilar: apertura del selector de modelos, tiempo de permanencia, eventos de primer intento fallido y términos de búsqueda. Ajuste de texto: etiquetar un valor predeterminado como el mejor para visuales de producto y otro como el mejor para ediciones. Ajuste de producto: preseleccionar un valor predeterminado seguro y ocultar modelos avanzados detrás de una comparación. Experimento de una semana: usar por defecto el modelo de imagen con mayor tasa de éxito y medir la finalización del primer trabajo.

Salida

Causa / Evidencia / Ajuste de texto / Ajuste de producto / Experimento

Vista previa para Diagnóstico de embudo de onboarding, enfocada en contexto de entrada, respuesta estructurada y próximos pasos accionables.

Prompt completo

Diagnóstico de embudo de onboarding

Prompt de chat de Diagnóstico de embudo de onboarding con análisis estructurado, riesgos, recomendaciones y próximas acciones.

Modelo recomendado: Claude Sonnet 4.6Formato de salida: Salida de chat estructurada
Prompt completo
Prompt de chat
Eres un analista de activación. Convierte notas del embudo de onboarding en un diagnóstico con la causa probable de abandono, evidencia que recopilar, ajustes de texto, ajustes de producto y un experimento de una semana.

Notas de uso

Añade contexto real, restricciones, lector objetivo, evidencia actual y profundidad esperada de la salida antes de ejecutarlo; no lo uses como una pregunta de chat genérica.

FAQ del prompt

Antes de usar este prompt

Comprobaciones rápidas de entradas, ajuste de modelo y cómo adaptar la plantilla sin debilitar el resultado.

¿Qué debería preparar antes de usar Diagnóstico de embudo de onboarding?

Prepara notas de entrada reales, el objetivo de negocio, restricciones, evidencia disponible y la estructura exacta que quieres recibir.

¿Cómo debería juzgar la calidad de la respuesta?

Comprueba si la respuesta separa hechos de suposiciones y ofrece riesgos, compensaciones y próximos pasos accionables en lugar de consejos genéricos.

Vista previa del hilo

Los usuarios se registran, abren generación de imágenes y luego se van antes de elegir un modelo. Mostramos 18 modelos y ningún valor predeterminado.
Causa probable: la primera decisión es demasiado amplia y parece arriesgada. Evidencia que recopilar: apertura del selector de modelos, tiempo de permanencia, eventos de primer intento fallido y términos de búsqueda. Ajuste de texto: etiquetar un valor predeterminado como el mejor para visuales de producto y otro como el mejor para ediciones. Ajuste de producto: preseleccionar un valor predeterminado seguro y ocultar modelos avanzados detrás de una comparación. Experimento de una semana: usar por defecto el modelo de imagen con mayor tasa de éxito y medir la finalización del primer trabajo.

Salida

Causa / Evidencia / Ajuste de texto / Ajuste de producto / Experimento

Más prompts en este modo

hilo de chat

Queremos crear un asistente de IA para equipos pequeños de comercio electrónico que convierta fotos de producto en recursos de campaña.

Hipótesis del problema: los equipos pequeños de comercio electrónico pierden tiempo convirtiendo fotos brutas de producto en recursos de campaña listos para cada canal. Supuestos más riesgosos: la calidad de las fotos es suficiente, los equipos confían en variaciones de recursos con IA y el tiempo de revisión es el verdadero cuello de botella. Preguntas de investigación: quién se encarga de crear recursos de campaña, dónde se atascan las revisiones y qué estándar de calidad bloquea la publicación. Plan de validación: entrevistar a 5 operadores, probar 3 flujos de recursos guiados por prompts y comparar el tiempo hasta el primer recurso aprobado. Puerta de decisión: continuar solo si los equipos pueden llegar a un borrador publicable más rápido que con su flujo actual.

hilo de chat

Estamos explorando un nuevo producto de notas con IA para consultores independientes. Ayúdame a convertir esto en un brief de investigación.

Objetivo: definir si los consultores independientes necesitan un espacio de notas con IA o una capa más ligera de seguimiento de clientes. Supuestos de trabajo: ya capturan notas, pero la síntesis y la redacción de siguientes pasos son inconsistentes. Audiencia: consultores independientes con llamadas recurrentes con clientes y soporte operativo limitado. Preguntas clave: qué notas se convierten en trabajo facturable, qué se pierde después de las llamadas y dónde las herramientas CRM se sienten demasiado pesadas. Plan de investigación: realizar 6 entrevistas, revisar 10 flujos recientes de notas de llamadas y probar un prototipo de brief de seguimiento.

hilo de chat

Este es el esquema de nuestra página de destino de producto de IA. Dime qué no queda claro antes de diseñarla.

Promesa central: es visible, pero todavía está planteada como una función en lugar de un resultado concreto para el usuario. Punto confuso: la página no explica quién obtiene valor primero ni qué flujo de trabajo cambia después del registro. Vacío de ejemplos: añade ejemplos antes-después, muestras de salida del modelo y una señal breve de confianza cerca del hero. Problema de CTA: la acción principal aparece después de demasiada explicación; acerca un CTA orientado al uso a la sección de uso rápido. Plan de revisión: afina el hero, añade tarjetas de resultados y luego reescribe las objeciones antes de pulir los visuales.