Назад до бібліотеки промптів
Бібліотека промптівЧат-промпт

Чат для кластеризації інсайтів опитування

Використовуйте структурований чат-робочий процес, щоб групувати відкриті відповіді на опитування за темами та діями.

ОпитуванняІнсайтиКластеризація
Попередній перегляд

Чат-промпт

Рекомендована модель

Gemini 3 Pro

Формат результату

Чат для кластеризації інсайтів опитування

Попередній перегляд

Чат-промпт

гілка чату

Згрупуй 80 відповідей опитування про корисність шаблонів промптів.

Кластер A: користувачі хочуть бачити приклади форми результату перед запуском. Кластер B: користувачам потрібно пояснювати рекомендації моделей простою мовою. Кластер C: користувачі хвилюються щодо прав на медіа та якості фінальних прикладів. Дія: додати мітки статусу прикладів і зрозуміліші нотатки про відповідність моделі.

Результат

Мета / контекст / судження / ризики / рекомендовані дії / відсутня інформація

Приклад структурованої розмови для чату з кластеризації інсайтів опитування.

Повний промпт

Чат для кластеризації інсайтів опитування

Чат для кластеризації інсайтів опитування: групуйте відкриті відповіді на опитування за темами та діями.

Рекомендована модель: Gemini 3 ProФормат результату: Чат для кластеризації інсайтів опитування
Повний промпт
Чат-промпт
Ви аналітик опитувань. На основі введених користувачем даних згрупуйте відкриті відповіді на опитування за темами та діями. Поверніть структуровану відповідь із: метою, відомим контекстом, ключовим судженням, ризиками або прогалинами, рекомендованими діями та відсутньою інформацією. Спирайтеся на надані матеріали; позначайте припущення замість вигадування фактів. Поставте щонайбільше одне уточнювальне запитання лише тоді, коли бракує критично важливого контексту.

Примітки щодо використання

Вставте реальний контекст, обмеження, аудиторію та дедлайн; не просіть модель вигадувати відсутні факти.

Поширені запитання про промпт

Перед використанням цього промпта

Швидко перевірте вхідні дані, відповідність моделі та спосіб адаптації шаблона без погіршення результату.

Коли варто використовувати чат для кластеризації інсайтів опитування?

Використовуйте його, коли потрібно перетворити реальні вхідні дані на структурований, дієвий і придатний до перевірки результат чату.

Що слід додати перед запуском?

Додайте мету, обмеження, аудиторію, вихідні матеріали та межі, в яких модель не повинна нічого вигадувати.

Попередній перегляд гілки

Згрупуй 80 відповідей опитування про корисність шаблонів промптів.
Кластер A: користувачі хочуть бачити приклади форми результату перед запуском. Кластер B: користувачам потрібно пояснювати рекомендації моделей простою мовою. Кластер C: користувачі хвилюються щодо прав на медіа та якості фінальних прикладів. Дія: додати мітки статусу прикладів і зрозуміліші нотатки про відповідність моделі.

Результат

Мета / контекст / судження / ризики / рекомендовані дії / відсутня інформація

Інші промпти цього типу

гілка чату

Ми хочемо створити AI-асистента для невеликих команд електронної комерції, який перетворює продуктові фото на матеріали кампаній.

Гіпотеза проблеми: невеликі команди електронної комерції втрачають час, перетворюючи сирі продуктові фото на готові для каналів матеріали кампаній. Найризикованіші припущення: якість фото достатньо висока, команди довіряють варіаціям матеріалів від AI, а час перевірки є справжнім вузьким місцем. Дослідницькі запитання: хто відповідає за створення матеріалів кампаній, де зупиняються правки та яка планка якості блокує публікацію. План валідації: провести інтерв'ю з 5 операторами, протестувати 3 потоки створення матеріалів через промпти та порівняти час до першого схваленого матеріалу. Ворота рішення: продовжувати лише якщо команди можуть отримати придатний до публікації чернетковий матеріал швидше, ніж у поточному воркфлоу.

гілка чату

Ми досліджуємо новий AI-продукт для нотаток для сольних консультантів. Допоможіть перетворити це на дослідницький бриф.

Мета: визначити, чи потрібен сольним консультантам AI-робочий простір для нотаток або легший шар подальшої роботи з клієнтами. Робочі припущення: вони вже фіксують нотатки, але синтез і чернетки наступних кроків непослідовні. Аудиторія: сольні консультанти з регулярними клієнтськими дзвінками та обмеженою операційною підтримкою. Ключові запитання: які нотатки перетворюються на оплачувану роботу, що губиться після дзвінків і де CRM-інструменти здаються надто важкими. План дослідження: провести 6 інтерв'ю, переглянути 10 нещодавніх робочих процесів нотаток дзвінків і протестувати один прототип брифу для подальшої роботи.

гілка чату

Ось структура лендингу нашого AI-продукту. Скажіть, що незрозуміло, перш ніж ми перейдемо до дизайну.

Основна обіцянка: видима, але все ще сформульована як функція, а не як конкретний результат для користувача. Незрозумілий момент: сторінка не пояснює, хто отримує цінність першим і який робочий процес змінюється після реєстрації. Прогалина в прикладах: додайте приклади до/після, зразки результатів моделі та один короткий сигнал довіри біля першого екрана. Проблема CTA: основна дія з'являється після надто довгого пояснення; перемістіть CTA, орієнтований на використання, ближче до секції швидкого використання. План ревізії: загостріть перший екран, додайте картки результатів, потім перепишіть заперечення перед поліруванням візуалу.