Prompt library پر واپس
Prompt libraryChat Prompt

user feedback theme map چیٹ

user feedback کو themes، sample quotes، product implications، اور follow-up research questions میں cluster کریں۔

ResearchCustomerProduct
Preview

Chat Prompt

Recommended model

Gemini 2.5 Pro

Output format

feedback theme map output

Preview

Chat Prompt

chat thread

تین users confusing model names کا ذکر کرتے ہیں۔ ایک agency team history مانگتی ہے۔ دو creators کہتے ہیں کہ وہ صرف faster image retries چاہتے ہیں۔

Theme: model choice clarity۔ Sample quote: users confusing model names کا ذکر کرتے ہیں۔ Frequency hint: تین notes، likely worth validating۔ Product implication: run panel کے قریب plain-language model guidance شامل کریں۔ Follow-up question: کیا guidance نئے users کے لیے first successful generation بہتر کرتی ہے؟ Edge case: team history request شاید agency workflow research سے تعلق رکھتی ہے۔

Output

theme / sample quote / frequency hint / product implication / follow-up question بریف

product teams کو raw comments کو researchable themes میں بدلنے میں مدد دیتا ہے۔

Full prompt

user feedback theme map چیٹ

user feedback کو themes، sample quotes، product implications، اور follow-up research questions میں cluster کریں۔

Recommended model: Gemini 2.5 ProOutput format: feedback theme map output
Full prompt
Chat Prompt
آپ raw feedback organize کرنے والے user research lead ہیں۔ important exceptions کو flatten کیے بغیر feedback cluster کریں۔ جواب ان حصوں کے ساتھ واپس کریں: theme، sample quote، frequency hint، product implication، follow-up question۔ ایک quote کو broad trend میں نہ بدلیں۔ edge cases کو visible رکھیں جب وہ decision بدلتے ہوں۔

Usage notes

feedback source، segment، اور date شامل کریں۔ small sample sizes کو visible رکھیں۔

Prompt FAQ

یہ prompt استعمال کرنے سے پہلے

Inputs، model fit اور template adapt کرنے کے طریقے کو جلد check کریں تاکہ result کمزور نہ ہو۔

User Feedback Theme Map Chat کب استعمال کرنا چاہیے؟

user feedback کو themes، sample quotes، product implications، اور follow-up research questions میں cluster کریں۔ اسے اس وقت استعمال کریں جب آپ کے پاس notes، constraints، یا rough draft پہلے سے ہوں اور team review کے لیے structured next step چاہیے ہو۔

چلانے سے پہلے مجھے کیا شامل کرنا چاہیے؟

source material، audience، constraints، key facts، اور وہ boundaries شامل کریں جنہیں answer invent نہیں کر سکتا۔ output Theme / sample quote / frequency hint / product implication / follow-up question کے طور پر organized ہوتا ہے۔

Thread preview

تین users confusing model names کا ذکر کرتے ہیں۔ ایک agency team history مانگتی ہے۔ دو creators کہتے ہیں کہ وہ صرف faster image retries چاہتے ہیں۔
Theme: model choice clarity۔ Sample quote: users confusing model names کا ذکر کرتے ہیں۔ Frequency hint: تین notes، likely worth validating۔ Product implication: run panel کے قریب plain-language model guidance شامل کریں۔ Follow-up question: کیا guidance نئے users کے لیے first successful generation بہتر کرتی ہے؟ Edge case: team history request شاید agency workflow research سے تعلق رکھتی ہے۔

Output

theme / sample quote / frequency hint / product implication / follow-up question بریف

اس mode میں مزید prompts

chat thread

ہم چھوٹی ecommerce teams کے لیے ایک AI assistant بنانا چاہتے ہیں جو product photos کو campaign assets میں بدل دے۔

Problem hypothesis: چھوٹی ecommerce teams raw product photos کو channel-ready campaign assets میں بدلنے میں وقت ضائع کرتی ہیں۔ Riskiest assumptions: photo quality کافی اچھی ہے، teams AI asset variation پر اعتماد کرتی ہیں، اور اصل bottleneck review time ہے۔ Research questions: campaign asset creation کا owner کون ہے، revisions کہاں رکتی ہیں، اور کون سا quality bar publishing کو روکتا ہے۔ Validation plan: 5 operators کے interviews کریں، 3 prompt-led asset flows test کریں، اور time-to-first-approved asset compare کریں۔ Decision gate: صرف اس صورت میں آگے بڑھیں جب teams اپنے current workflow سے تیز publishable draft تک پہنچ سکیں۔

chat thread

ہم solo consultants کے لیے ایک نیا AI notes product explore کر رہے ہیں۔ اسے research brief میں بدلنے میں میری مدد کریں۔

Objective: define کریں کہ solo consultants کو AI notes workspace چاہیے یا ہلکی client-follow-up layer۔ Working assumptions: وہ پہلے ہی notes capture کرتے ہیں، مگر synthesis اور next-step drafting inconsistent ہیں۔ Audience: recurring client calls اور limited operations support رکھنے والے solo consultants۔ Key questions: کون سے notes billable work بنتے ہیں، calls کے بعد کیا کھو جاتا ہے، اور CRM tools کہاں بہت heavy محسوس ہوتے ہیں۔ Research plan: 6 interviews کریں، 10 recent call-note workflows review کریں، اور ایک follow-up brief prototype test کریں۔

chat thread

یہ ہمارے AI پروڈکٹ لینڈنگ پیج کا خاکہ ہے۔ ڈیزائن شروع کرنے سے پہلے بتائیں کہ کیا بات غیر واضح ہے۔

بنیادی وعدہ: دکھائی دے رہا ہے، لیکن ابھی بھی اسے ایک ٹھوس صارف نتیجے کے بجائے فیچر کے طور پر پیش کیا گیا ہے۔ غیر واضح نکتہ: صفحہ یہ نہیں بتاتا کہ سب سے پہلے کس صارف کو value ملتی ہے یا signup کے بعد workflow کیسے بدلتا ہے۔ مثال کی کمی: before-after مثالیں، model output samples، اور hero کے قریب ایک مختصر trust signal شامل کریں۔ CTA مسئلہ: بنیادی action بہت زیادہ وضاحت کے بعد آتا ہے؛ quick-use سیکشن کے قریب استعمال پر مبنی CTA منتقل کریں۔ ترمیمی منصوبہ: hero کو تیز کریں، outcome cards شامل کریں، پھر visuals polish کرنے سے پہلے اعتراضات دوبارہ لکھیں۔