Kembali ke pustaka prompt
Pustaka promptPrompt Chat

Diagnosis Funnel Onboarding

Gunakan Diagnosis Funnel Onboarding untuk mengubah catatan workflow nyata menjadi output chat terstruktur untuk tinjauan, keputusan, dan tindakan berikutnya.

OnboardingAktivasiGrowth
Pratinjau

Prompt Chat

Model yang direkomendasikan

Claude Sonnet 4.6

Format output

Output chat terstruktur

Pratinjau

Prompt Chat

thread chat

Pengguna mendaftar, membuka generasi gambar, lalu pergi sebelum memilih model. Kami menampilkan 18 model dan tidak ada default.

Kemungkinan penyebab: keputusan pertama terlalu luas dan tampak berisiko. Bukti yang perlu dikumpulkan: pembukaan dropdown model, waktu hover, event gagal first-run, dan istilah pencarian. Perbaikan copy: labeli satu default sebagai terbaik untuk visual produk dan satu sebagai terbaik untuk edit. Perbaikan produk: pilih default aman sebelumnya dan sembunyikan model lanjutan di balik perbandingan. Eksperimen satu minggu: gunakan model gambar dengan tingkat keberhasilan tertinggi sebagai default dan ukur penyelesaian job pertama.

Output

Penyebab / Bukti / Perbaikan copy / Perbaikan produk / Eksperimen

Pratinjau untuk Diagnosis Funnel Onboarding, berfokus pada konteks input, balasan terstruktur, dan langkah berikutnya yang dapat ditindaklanjuti.

Prompt lengkap

Diagnosis Funnel Onboarding

Prompt chat Diagnosis Funnel Onboarding dengan analisis terstruktur, risiko, rekomendasi, dan tindakan berikutnya.

Model yang direkomendasikan: Claude Sonnet 4.6Format output: Output chat terstruktur
Prompt lengkap
Prompt Chat
Anda adalah analis aktivasi. Ubah catatan funnel onboarding menjadi diagnosis dengan kemungkinan penyebab drop-off, bukti yang perlu dikumpulkan, perbaikan copy, perbaikan produk, dan eksperimen satu minggu.

Catatan penggunaan

Tambahkan konteks nyata, batasan, pembaca target, bukti saat ini, dan kedalaman output yang diharapkan sebelum menjalankan; jangan gunakan sebagai pertanyaan chat generik.

FAQ prompt

Sebelum Anda menggunakan prompt ini

Pemeriksaan cepat untuk input, kecocokan model, dan cara menyesuaikan template tanpa melemahkan hasil.

Apa yang perlu saya siapkan sebelum memakai Diagnosis Funnel Onboarding?

Siapkan catatan input nyata, tujuan bisnis, batasan, bukti yang tersedia, dan struktur tepat yang ingin Anda dapatkan kembali.

Bagaimana saya harus menilai kualitas respons?

Periksa apakah balasan memisahkan fakta dari asumsi dan memberi risiko, tradeoff, serta langkah berikutnya yang dapat ditindaklanjuti, bukan saran generik.

Pratinjau thread

Pengguna mendaftar, membuka generasi gambar, lalu pergi sebelum memilih model. Kami menampilkan 18 model dan tidak ada default.
Kemungkinan penyebab: keputusan pertama terlalu luas dan tampak berisiko. Bukti yang perlu dikumpulkan: pembukaan dropdown model, waktu hover, event gagal first-run, dan istilah pencarian. Perbaikan copy: labeli satu default sebagai terbaik untuk visual produk dan satu sebagai terbaik untuk edit. Perbaikan produk: pilih default aman sebelumnya dan sembunyikan model lanjutan di balik perbandingan. Eksperimen satu minggu: gunakan model gambar dengan tingkat keberhasilan tertinggi sebagai default dan ukur penyelesaian job pertama.

Output

Penyebab / Bukti / Perbaikan copy / Perbaikan produk / Eksperimen

Prompt lain dalam mode ini

thread chat

Kami ingin membuat asisten AI untuk tim ecommerce kecil yang mengubah foto produk menjadi aset kampanye.

Hipotesis masalah: tim ecommerce kecil kehilangan waktu saat mengubah foto produk mentah menjadi aset kampanye yang siap untuk berbagai kanal. Asumsi paling berisiko: kualitas foto cukup tinggi, tim mempercayai variasi aset AI, dan waktu tinjauan adalah bottleneck sebenarnya. Pertanyaan riset: siapa yang memiliki proses pembuatan aset kampanye, di mana revisi tersendat, dan standar kualitas apa yang menghambat publikasi. Rencana validasi: wawancarai 5 operator, uji 3 alur aset berbasis prompt, dan bandingkan waktu hingga aset pertama disetujui. Gerbang keputusan: lanjutkan hanya jika tim bisa mencapai draf yang layak dipublikasikan lebih cepat daripada alur kerja mereka saat ini.

thread chat

Kami sedang mengeksplorasi produk catatan AI baru untuk konsultan solo. Bantu saya mengubahnya menjadi brief riset.

Tujuan: menentukan apakah konsultan solo membutuhkan workspace catatan AI atau lapisan tindak lanjut klien yang lebih ringan. Asumsi kerja: mereka sudah menangkap catatan, tetapi sintesis dan penyusunan langkah berikutnya belum konsisten. Audiens: konsultan solo dengan panggilan klien berulang dan dukungan operasional terbatas. Pertanyaan utama: catatan mana yang berubah menjadi pekerjaan tertagih, apa yang hilang setelah panggilan, dan di mana tool CRM terasa terlalu berat. Rencana riset: lakukan 6 wawancara, tinjau 10 alur kerja catatan panggilan terbaru, dan uji satu prototipe brief tindak lanjut.

thread chat

Ini outline untuk landing page produk AI kami. Beri tahu saya bagian mana yang belum jelas sebelum kami mendesainnya.

Core promise: sudah terlihat, tetapi masih dibingkai sebagai fitur, bukan outcome pengguna yang konkret. Unclear point: halaman belum menjelaskan siapa yang mendapat value pertama atau workflow apa yang berubah setelah signup. Example gap: tambahkan contoh before-after, sampel output model, dan satu trust signal singkat di dekat hero. CTA issue: action utama muncul setelah terlalu banyak penjelasan; pindahkan CTA yang berorientasi penggunaan lebih dekat ke section quick-use. Revision plan: tajamkan hero, tambahkan outcome cards, lalu tulis ulang objections sebelum memoles visual.