Нейросети дико упростили каздев, исследования JTBD и создание продуктов. Вот как ↓

Раньше нужно было придумать стратегию исследования, впоросы для интервью, готовить карточки пользователей и ключевые инсайты, pain-поинты повторяющиеся и т.п. Все это вместе создавало такое понятное, четкое осознание, что и как дальше делать внутри продукта, хотя бы на следующую его итерацию.

Но

занимало недели и недели времени.

Сейчас все стало дико проще.

Расскажу как мы это делаем (сейчас готовим курс в рамках @whatsalt).

1️⃣ Готовим вопросы. Просто попросите GPT или Claude:

🤖 Действуй как опытный менеджер продукта и специалист в Lean Startup, Jobs to Be Done и Product Discovery. Создай список из 10 вопросов, которые я могу задать потенциальным пользователям и клиентам на discovery-интервью по моему продукту {{что за продукт}}, который {{что делает}}. Вопросы должны быть в рамках правил Rob Fitzpatrick, Steve Blank, Ash Maurya.

2️⃣ Находим потенциальных клиентов.
Вообще найти людей не оч сложно, но даже тут нейросети могут все по максимуму упростить.

🤖 Помоги мне придумать, как я могу найти 30 потенциальных клиентов для проведения discovery interview по моему продукту {{продукт}}, который {{что делает}}. Предложи варианты, где их искать и что мне им сказать, чтобы они согласились на 30-минутное интервью.

3️⃣ Задаем им все эти вопросы в интервью. Можно в зуме, можно войсами в телеге. Главное, чтобы был транскрипт или аудио с ответами в любой форме.

4️⃣ Набираем от 10 до 30 таких бесед. Переводим их все в тексты. Кладем в один длинный текст. файл.

5️⃣ Закидываем в нейросети. Например, Claude принимает и работает с файлами до 10MB. Просто скидываем туда простыню из наших 10-30 транскриптов и просим с ними что-то сделать.

6️⃣ Несколько идей таких запросов:

🔵 Согласно интервью, какие топ-5 задач решают пользователи?
🔵 Какие pain points отмечают пользователи? Приведи список из 10 пунктов с описанием.
🔵 Какие сегменты аудитории ты можешь выделить? Приведи до 5 сегментов, к каждому предложи описание.
🔵 Для каждого сегмента создай описание усредненного персонажа, который лучше всего описывает пользователя этого сегмента.
🔵 Что важно знать про людей из этих интервью?
🔵 Какие общие черты есть у людей в интервью?
🔵 Что беспокоит этих людей чаще всего?
🔵 Какими продуктами или услугами пользуются люди из интервью сейчас? Как они решают свои задачи?
🔵 Распиши ключевые Jobs to be Done пользователей из интервью.
🔵 Какие Jobs to be Done уже успешно решаются людьми из интервью?
🔵 Я хочу сделать продукт, чтобы решить проблемы, описанные в интервью. Какими функциями должен обладать такой продукт?
🔵 Что мне НЕ стоит делать в продукте, согласно интервью? Чего стоит опасаться?
🔵 Какие улучшения в своей жизни хотят люди из интервью?
🔵 Какие задачи являются первостепенными по важности, а какие второстепенными?
🔵 Какие конкуренты есть на рынке, которые упоминаются в интервью? В чем их сильные стороны?
🔵 Кто является покупателем решений в области {{product market}}, а кто пользователем?
🔵 Каких лиц, принимающих решения, нужно учесть при создании продукта?
🔵 Предложи варианты дополнительных вопросов, которые я могу задать людям из этих интервью, чтобы сделать мой продукт лучше?

7️⃣ Каждый промпт выше можно чуть расписать, чтобы повысить эффективность ответов нейросети на 15-30%. Для этого полезно помнить структуру идеального промпта:

🔵 Роль («действуй как»)
🔵 Контекст (о чем продукт)
🔵 Запрос (что нужно сделать)
🔵 Пример (что-то, что является примером хорошего ответа)
🔵 Ограничения (что нужно НЕ делать)
🔵 Формат (в каком виде выдать ответ)

..

Эти 7 пунктов очень сильно упрощают работу любого человека, который делает какой-то продукт, свой или чужой.

А самое важное, что каздев становится меньше rocket science и больше вопросом качества собранных данных (problem) и проделанных после этого итераций продукта (solution).

Про использование нейросеток в повседневной жизни пишу канале @ppprompt. Подписывайтесь.

🚀 Onwards! #discovery

PS: А как вы используете нейросетки при создании продуктов?

@ponchiknews

Если любопытно, почему вопрос человекообразных текстов LLM так волнует авторов канала, то вот есть любопытная статистика. По последним рисечам на тему, детектирование AI в текстах оставляет желать лучшего. Сиииильно лучшего:

🌀 Точность AI-детекторов в среднем по рынку всего 39.5%;

🌀 Вы можете добавить в сгенерированный текст разные виды атак и точность определения AI-текста упадет до 22%;

🌀 Только 67% текста написанного человеком было помечено как «Реальный»;

–
via https://tg-me.sbs/denissexy/7983

#llm #ai #detection #plagiarism

@ppprompt

Приятные новости 👇

🥷 Множественный джейлбрейк: как взломать LLM с большим окном контекста (пейпер от Antropic)

Создатели Claude.ai сделали отличное исследование на тему того, как с увеличением окна контекста (200K - 1M токенов) хакеры могут обходить защиты LLM и получать вредоносные ответы.

Техника работает через создание фиктивного диалога между пользователем и AI-ассистентом в одном запросе, что толкает модель к выдаче джейлбрейкнутых ответов. Чем больше фиктивных диалогов в запросе, тем проще взломать LLM.

Анонс + пейпер: https://www.anthropic.com/research/many-shot-jailbreaking

#️⃣ #jailbreak #antropic #claude #llm

@ppprompt

Реальные спецназовцы или генерация Midjourney?

Опрос ниже ⬇️

@ppprompt