Offizieller Skill · Produkt
Synthese von Nutzerinterviews
Verdichtet Interviewnotizen zu Themen mit der Zahl der Teilnehmenden, Zitaten, Jobs-to-be-done, Erkenntnissen getrennt von Annahmen und Empfehlungen mit Konfidenz.
KI-Skill
Lass deine KI Erkenntnisse aus deinen Nutzerinterviews ziehen
14 Tage kostenlos · Keine Karte nötig
Funktioniert in Claude, ChatGPT und Coding-Agents. In Team und Business aktualisiert sich der offizielle Skill in deinem Pod von selbst, wenn wir ihn verbessern.
Wann du ihn nutzt
- Du hast 3 oder mehr Nutzerinterviews oder Discovery Calls geführt und brauchst die Muster
- Das Team fragt vor einer Produktentscheidung: „Was haben wir gelernt?“
Was du ihm gibst
- Transkripte oder Notizen pro Teilnehmerin oder Teilnehmer
- Die Forschungsfrage
- Segmente der Teilnehmenden (optional)
Was du bekommst
Ein Research-Readout: wichtigste Ergebnisse, Themen mit Zahlen und Zitaten, Jobs-to-be-done, eine Tabelle der Erkenntnisse und Empfehlungen mit Konfidenz.
So funktioniert er
- Zieh einzelne Beobachtungen heraus
- Gruppier sie zu Themen
- Zähl die Teilnehmenden pro Thema
- Wähl Zitate aus
- Schreib die Jobs-to-be-done
- Trenne Erkenntnisse von Annahmen
- Empfiehl mit Konfidenz
Beispiel
Was du ihm gibst
Eingabe (zusammengefasste Notizen, 4 Interviews zum Nachfassen bei offenen Rechnungen): > P1 (Agenturinhaber): mahnt überfällige Rechnungen jeden Freitag anhand einer Tabelle an. „Ich hasse es, der Böse zu sein.“ > P2 (Freelancerin): schickt Erinnerungen per SMS vom Handy, nicht per E-Mail. Wünscht sich automatische Erinnerungen. > P3 (Agenturinhaberin): lässt ihre Buchhalterin die Rechnungen nachverfolgen. Wusste bis zum Monatsende nicht, wer im Verzug war. > P4 (Freelancer): kopiert jedes Mal dieselbe Erinnerungs-E-Mail; „Ich formuliere sie jedes Mal weicher, damit sie nicht unhöflich klingt.
Was du zurückbekommst (der Anfang)
Interview-Synthese: Wie fassen kleine Dienstleister bei überfälligen Rechnungen nach?
Teilnehmende: 4 (2 Agenturinhaber, 2 Freelancer) · Zeitraum: [Daten] · Interviewt von: [Namen]
Wichtigste Ergebnisse
1. Nachfassen fühlt sich sozial unangenehm an — 2 von 4 2. Nachfassen ist manuell und wiederkehrend — 3 von 4
Themen
Nachfassen fühlt sich sozial unangenehm an — 2 von 4
- Belege: P1 getan: mahnt wöchentlich, gesagt: will nicht „der Böse“ sein. P4 getan: schreibt den Ton jedes Mal um.
- Zitate: „Ich hasse es, der Böse zu sein.“ — P1; „Ich formuliere sie jedes Mal weicher, damit sie nicht unhöflich klingt.“ — P4
- Segmente: beide
Nachfassen ist manuell und wiederkehrend — 3 von 4
- Belege: P1 getan: Tabelle jeden Freitag. P2 getan: SMS vom Handy. P4 getan: kopiert eine E-Mail.
- Zitate: „Ich formuliere sie jedes Mal weicher“ — P4
- Segmente: beide
Der Rest dieses Ergebnisses, alle Schritte und die Prüfungen, die die KI vor der Antwort macht, sind in deinem Pod, sobald du den Skill hinzufügst.
Diesen Skill in deiner KI nutzenTeile ihn mit deinem Team
Füge ihn einem AI Skill Pod hinzu, und alle im Team, auch Freelancer, nutzen dieselbe Version aus ihrer eigenen KI. Lies, wie Teams KI-Skills am besten teilen
Änderungen
- v1.0.3 · · Example: top finding 2 reads "Follow-up is manual and repeated", as its theme heading does; only P1 batches (every Friday), so "done in batches" is gone.
- v1.0.2 · · Example: the template recommendation is rated High, as the skill's scale requires, since both its themes rest on behavior from at least half the participants (2 of 4 and 3 of 4).
- v1.0.1 · · Example: the single-participant finding is dropped from Top findings (it stays under Worth watching), each recommendation names a theme, and the awkwardness theme no longer claims people delay follow-ups, which no participant said.
- v1.0.0 · · First release.
Quellen
- Affinity Diagramming for Sorting UX Findings and Ideas - NN/G (gelesen am 2026-11-04)
- Jobs to Be Done Theory (Christensen Institute) (gelesen am 2026-11-04)