关于 multi-source-signal-synthesiser
multi-source-signal-synthesiser 是面向产品团队的多来源反馈整合技能,可对信号加权、识别共同或相互矛盾的需求,并输出带证据和置信度说明的洞察排序。
主要功能
- 01按来源为信号加权
- 02识别共性与分歧需求
- 03区分表面请求和深层需求
- 04按加权频次排列洞察
- 05标注证据缺口与置信度
适用场景
- 01整合访谈与支持工单反馈
- 02发现不同用户群体的需求冲突
- 03依据证据排列产品洞察优先级
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ mohitagw15856/ pm-claude-skills --skill multi-source-signal-synthesiser安装后在 Claude Code 中输入/multi-source-signal-synthesiser确认已加载。
详细介绍
多源信号综合技能
综合来自多个来源的用户信号——访谈、支持工单、NPS、应用评论、销售通话——形成统一且加权的洞察简报,揭示潜在需求,而不是停留在表面诉求。
必需输入
如果用户未提供,请向其询问以下信息:
- 信号来源(访谈、支持工单、NPS 原话、应用评论、销售通话、分析数据——可任意组合)
- 数据覆盖的时间段
- 信号所涉及的产品领域或功能(如有范围限定)
来源权重(默认值——根据情境调整)
| 来源 | 权重 | 理由 |
|---|---|---|
| 直接研究(访谈、可用性测试) | 5 | 保真度最高、结构化 |
| 支持工单(未经提示主动表达的痛点) | 4 | 真实痛点、未经筛选 |
| NPS 原话 | 3 | 覆盖面广,但信息较浅 |
| 应用商店评论 | 2 | 公开发布、由用户自行选择提交 |
| 销售通话摘要 | 2 | 经过销售视角筛选 |
| 轶事或单条反馈 | 1 | 单独来看置信度低 |
流程
- 为每条信号标注来源并应用权重
- 寻找趋同:同一潜在需求是否出现在 3 个或更多来源中
- 寻找分歧:相互矛盾的信号是否意味着用户细分群体不同
- 区分表面诉求与潜在需求(例如,“导出更快”可能意味着“我不相信需要时能拿到数据”)
- 按加权频次对洞察排序
- 验证——确认每条洞察都有至少 2 种来源类型的证据。若某条洞察仅基于单一来源,请标记为低置信度。
输出结构
用户信号综合——[日期 / 时段]
包含的来源:[按来源列出数量] 处理的信号总数:[n]
洞察 1:[潜在需求,而非功能诉求]
- **置信度:**高 / 中 / 低(基于来源多样性和权重)
- 证据:[各来源中支持该洞察的信号]
- 矛盾信号:[任何相矛盾的证据及其解读方式]
- 对产品的启示:[具体的下一步行动,而非泛泛而谈]
[对排名前 3-5 的洞察重复上述内容]
分歧信号(可能的用户细分)
[指出用户群体确实存在不同需求的情况——明确说明所属细分群体]
数据无法告诉我们的内容
[采取行动前需要进一步研究的空白]
质量检查
- 每条洞察都引用至少 2 种不同的来源类型
- 将表面诉求转化为潜在需求,而非简单复述
- 分歧信号明确指出具体用户细分群体,而非只说“有些用户意见不一”
- 置信度评级与来源多样性和权重一致
- “数据无法告诉我们的内容”部分如实说明数据空白
反模式
- 不要将表面功能诉求原样作为洞察——纳入发现之前,先把每项诉求转化为潜在需求
- 不要将仅由一种来源类型支持的洞察评为高置信度——置信度需要至少两种不同来源类型相互印证
- 不要将所有来源视为权重相同——单条访谈引述与 200 张支持工单中呈现的模式,不能视为同等信号
- 不要将分歧信号合并为单一发现——如果用户细分群体确实有不同需求,请明确指出这些群体,而非将差异平均掉
- 如果关键决策依据的是薄弱数据,不要省略研究空白部分——不标明空白就依据低置信度发现采取行动,会误导产品团队
评论
支持 Markdown