Retour à la bibliothèque de prompts
Bibliothèque de promptsPrompt de chat

Synthèse des enseignements clients avec GPT-5.5

Utilisez GPT-5.5 pour synthétiser entretiens clients, notes de support et commentaires d'enquête en enseignements produit clairs.

Enseignements clientsRecherchePositionnement
Aperçu

Prompt de chat

Modèle recommandé

GPT-5.5

Format de sortie

Synthèse d'enseignements

Aperçu

Prompt de chat

fil de chat

Synthétisez ces tickets de support et notes d'entretien. Identifiez les tâches récurrentes, les difficultés, les objections et les formulations que nous devrions réutiliser dans les messages produit.

Thème 1 : les utilisateurs veulent une priorisation plus rapide, pas un tableau de bord supplémentaire. Les preuves apparaissent dans des commentaires répétés sur la décision de ce qu'il faut corriger en premier. Thème 2 : la confiance dépend de la traçabilité. Plusieurs notes demandent d'où vient une recommandation. Objection : les acheteurs craignent que le flux de travail ajoute de la charge de validation. Langage pour les messages : mettez l'accent sur un chemin de décision court, des preuves visibles et moins de réunions de suivi manuel. Suites : interroger les utilisateurs peu fréquents, tester le texte sur la traçabilité et confirmer si la vitesse de priorisation influence l'intention de renouvellement.

Résultat

Thèmes / preuves / tâches utilisateur / difficultés / objections / schémas de langage / suites produit / suites messages

Exemple de chat structuré pour la synthèse des enseignements clients avec GPT-5.5.

Prompt complet

Synthèse des enseignements clients avec GPT-5.5

Synthèse des enseignements clients avec GPT-5.5 : transformez les preuves client en thèmes produit et prochaines étapes.

Modèle recommandé: GPT-5.5Format de sortie: Synthèse d'enseignements
Prompt complet
Prompt de chat
Vous êtes responsable de la recherche produit. En vous appuyant uniquement sur les preuves client fournies par l'utilisateur, synthétisez les enseignements produit les plus solides. Regroupez les preuves par thème, citez ou reformulez uniquement les éléments fournis, identifiez les tâches utilisateur, les difficultés, les déclencheurs, les objections et les schémas de langage, puis recommandez des suites pour le produit, les messages et la recherche. Séparez les signaux forts des anecdotes et n'inventez pas de citations client.

Notes d'utilisation

Collez les preuves brutes par lots, conservez les libellés de source et demandez une estimation de la force du signal afin de ne pas surpondérer les anecdotes isolées.

FAQ du prompt

Avant d'utiliser ce prompt

Vérifications rapides sur les entrées, l'adéquation du modèle et la façon d'adapter le modèle de prompt sans affaiblir le résultat.

Quand utiliser Synthèse des enseignements clients avec GPT-5.5 ?

Utilisez-le lorsque les preuves client sont dispersées entre entretiens, tickets, notes et commentaires d'enquête, et doivent devenir une direction produit.

Que faut-il éviter d'ajouter ?

Évitez les citations inventées ou les synthèses sans source. Gardez chaque source identifiable afin que la sortie distingue les motifs solides des commentaires isolés.

Aperçu du fil

Synthétisez ces tickets de support et notes d'entretien. Identifiez les tâches récurrentes, les difficultés, les objections et les formulations que nous devrions réutiliser dans les messages produit.
Thème 1 : les utilisateurs veulent une priorisation plus rapide, pas un tableau de bord supplémentaire. Les preuves apparaissent dans des commentaires répétés sur la décision de ce qu'il faut corriger en premier. Thème 2 : la confiance dépend de la traçabilité. Plusieurs notes demandent d'où vient une recommandation. Objection : les acheteurs craignent que le flux de travail ajoute de la charge de validation. Langage pour les messages : mettez l'accent sur un chemin de décision court, des preuves visibles et moins de réunions de suivi manuel. Suites : interroger les utilisateurs peu fréquents, tester le texte sur la traçabilité et confirmer si la vitesse de priorisation influence l'intention de renouvellement.

Résultat

Thèmes / preuves / tâches utilisateur / difficultés / objections / schémas de langage / suites produit / suites messages

Plus de prompts dans ce mode

fil de chat

Nous voulons créer un assistant IA pour petites équipes e-commerce qui transforme les photos produit en supports de campagne.

Hypothèse de problème : les petites équipes e-commerce perdent du temps à transformer des photos produit brutes en supports de campagne prêts pour chaque canal. Hypothèses les plus risquées : la qualité photo est suffisante, les équipes font confiance aux variations de supports par IA et le temps de relecture est bien le principal goulot d'étranglement. Questions de recherche : qui possède la création des supports de campagne, où les révisions bloquent et quel seuil de qualité empêche la publication. Plan de validation : interroger 5 opérateurs, tester 3 flux de supports guidés par prompt et comparer le temps jusqu'au premier support approuvé. Seuil de décision : continuer seulement si les équipes peuvent atteindre un brouillon publiable plus vite qu'avec leur flux actuel.

fil de chat

Nous explorons un nouveau produit de notes IA pour consultants indépendants. Aide-moi à le transformer en note de recherche.

Objectif : déterminer si les consultants indépendants ont besoin d'un espace de notes IA ou d'une couche plus légère de suivi client. Hypothèses de travail : ils capturent déjà des notes, mais la synthèse et la rédaction des prochaines étapes restent irrégulières. Audience : consultants indépendants avec appels clients récurrents et support opérationnel limité. Questions clés : quelles notes deviennent du travail facturable, qu'est-ce qui se perd après les appels et où les outils CRM paraissent trop lourds. Plan de recherche : mener 6 entretiens, examiner 10 flux récents de notes d'appel et tester un prototype de note de suivi.

fil de chat

Voici le plan de notre page de destination de produit IA. Dites-moi ce qui n'est pas clair avant que nous la concevions.

Promesse centrale : elle est visible, mais elle reste formulée comme une fonctionnalité plutôt que comme un résultat concret pour l'utilisateur. Point confus : la page n'explique pas qui obtient de la valeur en premier ni ce qui change dans le flux de travail après l'inscription. Manque d'exemples : ajoutez des exemples avant-après, des échantillons de sortie du modèle et un court signal de confiance près du héros. Problème de CTA : l'action principale arrive après trop d'explications ; rapprochez un CTA orienté usage de la section d'utilisation rapide. Plan de révision : affinez le héros, ajoutez des cartes de résultats, puis réécrivez les objections avant de peaufiner les visuels.