Terug naar promptbibliotheek
PromptbibliotheekChatprompt

GPT-5.5 Synthese van klantinzichten

Gebruik GPT-5.5 om klantinterviews, supportnotities en surveyreacties te synthetiseren tot heldere productinzichten.

KlantinzichtenResearchPositionering
Preview

Chatprompt

Aanbevolen model

GPT-5.5

Uitvoerformaat

Synthese van inzichten

Preview

Chatprompt

chatthread

Synthetiseer deze supporttickets en interviewnotities. Vind de terugkerende jobs, pijnpunten, bezwaren en formuleringen die we opnieuw moeten gebruiken in productmessaging.

Thema 1: gebruikers willen snellere triage, niet nog een dashboard. Het bewijs zit in herhaalde opmerkingen over bepalen wat eerst opgelost moet worden. Thema 2: vertrouwen hangt af van traceerbaarheid. Meerdere notities vragen waar een aanbeveling vandaan kwam. Bezwaar: kopers vrezen dat de workflow extra reviewlast toevoegt. Messagingtaal: benadruk een kort beslispad, zichtbaar bewijs en minder handmatige statusmeetings. Follow-ups: interview laagfrequente gebruikers, test de traceerbaarheidscopy en bevestig of triagesnelheid invloed heeft op renewal intent.

Uitvoer

Thema's / bewijs / user jobs / pijnpunten / bezwaren / taalpatronen / product-follow-ups / messaging-follow-ups

Gestructureerd chatvoorbeeld voor synthese van klantinzichten met GPT-5.5.

Volledige prompt

GPT-5.5 Synthese van klantinzichten

GPT-5.5 Synthese van klantinzichten: zet klantbewijs om in productthema's en volgende stappen.

Aanbevolen model: GPT-5.5Uitvoerformaat: Synthese van inzichten
Volledige prompt
Chatprompt
Je bent een lead voor productresearch. Synthetiseer uitsluitend op basis van het klantbewijs van de gebruiker de sterkste productinzichten. Groepeer bewijs per thema, citeer of parafraseer alleen het aangeleverde materiaal, identificeer user jobs, pijnpunten, triggers, bezwaren en taalpatronen en adviseer daarna product-, messaging- en research-follow-ups. Scheid signaal van anekdote en verzin geen klantquotes.

Gebruiksnotities

Plak ruwe bewijsstukken in batches, behoud bronlabels en vraag om signaalsterkte zodat losse anekdotes niet te zwaar wegen.

Prompt-FAQ

Voordat je deze prompt gebruikt

Snelle checks voor invoer, modelfit en hoe je de template aanpast zonder het resultaat te verzwakken.

Wanneer moet ik GPT-5.5 Synthese van klantinzichten gebruiken?

Gebruik dit wanneer klantbewijs verspreid is over interviews, tickets, notities en surveyreacties en moet worden omgezet in productrichting.

Wat moet ik vermijden toe te voegen?

Vermijd verzonnen quotes of samenvattingen zonder label. Houd elke bron herkenbaar zodat de output sterke patronen kan scheiden van geïsoleerde opmerkingen.

Threadpreview

Synthetiseer deze supporttickets en interviewnotities. Vind de terugkerende jobs, pijnpunten, bezwaren en formuleringen die we opnieuw moeten gebruiken in productmessaging.
Thema 1: gebruikers willen snellere triage, niet nog een dashboard. Het bewijs zit in herhaalde opmerkingen over bepalen wat eerst opgelost moet worden. Thema 2: vertrouwen hangt af van traceerbaarheid. Meerdere notities vragen waar een aanbeveling vandaan kwam. Bezwaar: kopers vrezen dat de workflow extra reviewlast toevoegt. Messagingtaal: benadruk een kort beslispad, zichtbaar bewijs en minder handmatige statusmeetings. Follow-ups: interview laagfrequente gebruikers, test de traceerbaarheidscopy en bevestig of triagesnelheid invloed heeft op renewal intent.

Uitvoer

Thema's / bewijs / user jobs / pijnpunten / bezwaren / taalpatronen / product-follow-ups / messaging-follow-ups

Meer prompts in deze modus

chatthread

We willen een AI-assistent bouwen voor kleine e-commerceteams die productfoto's omzet in campagnemateriaal.

Probleemhypothese: kleine e-commerceteams verliezen tijd wanneer ze ruwe productfoto's omzetten in campagnemateriaal dat klaar is voor verschillende kanalen. Risicovolste aannames: de fotokwaliteit is hoog genoeg, teams vertrouwen AI-variaties van assets en reviewtijd is de echte bottleneck. Onderzoeksvragen: wie is eigenaar van het maken van campagnemateriaal, waar lopen revisies vast en welke kwaliteitslat blokkeert publicatie. Validatieplan: interview 5 operators, test 3 promptgestuurde assetflows en vergelijk de tijd tot het eerste goedgekeurde asset. Beslispoort: ga alleen door als teams sneller dan in hun huidige workflow een publiceerbare draft bereiken.

chatthread

We verkennen een nieuw AI-notitieproduct voor zelfstandige consultants. Help me dit om te zetten in een onderzoeksbrief.

Doel: bepalen of zelfstandige consultants een AI-notitiewerkruimte nodig hebben of een lichtere laag voor klantopvolging. Werkhypothesen: ze leggen al notities vast, maar synthese en het opstellen van vervolgstappen zijn inconsistent. Doelgroep: zelfstandige consultants met terugkerende klantgesprekken en beperkte operationele ondersteuning. Belangrijke vragen: welke notities worden factureerbaar werk, wat gaat verloren na gesprekken en waar voelen CRM-tools te zwaar. Onderzoeksplan: voer 6 interviews uit, review 10 recente workflows voor gespreksnotities en test een prototype voor een opvolgbrief.

chatthread

Hier is de outline voor onze AI-productlandingpage. Vertel me wat onduidelijk is voordat we hem ontwerpen.

Kernbelofte: zichtbaar, maar nog steeds geformuleerd als een feature in plaats van als een concreet gebruikersresultaat. Onduidelijk punt: de pagina legt niet uit wie als eerste waarde krijgt of welke workflow na signup verandert. Voorbeeldhiaat: voeg voor-na-voorbeelden, modeloutputsamples en een kort vertrouwenssignaal dicht bij de hero toe. CTA-probleem: de primaire actie verschijnt na te veel uitleg; verplaats een gebruiksgerichte CTA dichter naar de quick-use-sectie. Revisieplan: scherp de hero aan, voeg resultaatkaarten toe en herschrijf daarna bezwaren voordat je de visuals polijst.