रिसर्च, लेखन, कोडिंग और विश्लेषण के लिए मल्टी-मॉडल AI चैट

उद्देश्य: तय करना कि स्वतंत्र सलाहकारों को AI notes workspace चाहिए या हल्का client-follow-up layer. कामकाजी धारणाएं: वे पहले से notes capture करते हैं, लेकिन synthesis और next-step drafting असंगत है. दर्शक: बार-बार client calls और सीमित operations support वाले स्वतंत्र सलाहकार. मुख्य प्रश्न: कौन-से notes billable work बनते हैं, calls के बाद क्या खो जाता है, और CRM tools कहां बहुत भारी लगते हैं. शोध योजना: 6 interviews चलाएं, 10 recent call-note workflows review करें, और एक follow-up brief prototype test करें.

Core promise: दिख रहा है, लेकिन अभी भी concrete user outcome की बजाय feature की तरह framed है। Unclear point: page यह नहीं समझाता कि value सबसे पहले किसे मिलती है या signup के बाद workflow कैसे बदलता है। Example gap: hero के पास before-after examples, model output samples और एक छोटा trust signal जोड़ें। CTA issue: primary action बहुत अधिक explanation के बाद आता है; quick-use section के पास use-oriented CTA रखें। Revision plan: hero sharpen करें, outcome cards जोड़ें, फिर visuals polish करने से पहले objections rewrite करें।

मुद्दा प्रकार: बार-बार निर्यात विफल होना और धनवापसी अनुरोध। ग्राहक-समक्ष उत्तर: failed attempts स्वीकार करें, साफ़ माफ़ी माँगें, और पुष्टि करें कि आप पहले निर्यात पथ recover करने में मदद करेंगे। नीति सीमा: धनवापसी योग्यता केवल दी गई नीति नोट्स के आधार पर समझाएँ; किसी अपवाद का वादा न करें। अगला कदम: निर्यात format, browser और timestamp पूछें; यदि खाता refund मानदंड पूरे करता है, तो billing टीम को route करें। आंतरिक नोट: इसे product reliability risk के रूप में tag करें, क्योंकि वही निर्यात दो बार fail हुआ है।