mcpField
M
multi-source-signal-synthesiser

multi-source-signal-synthesiser

github.com/mohitagw15856数据与数据库1.5k40 次安装5 天前更新
代码仓库

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

  1. 01按来源为信号加权
  2. 02识别共性与分歧需求
  3. 03区分表面请求和深层需求
  4. 04按加权频次排列洞察
  5. 05标注证据缺口与置信度

适用场景

  1. 01整合访谈与支持工单反馈
  2. 02发现不同用户群体的需求冲突
  3. 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

  1. 为每条信号标注来源并应用权重
  2. 寻找趋同:同一潜在需求是否出现在 3 个或更多来源中
  3. 寻找分歧:相互矛盾的信号是否意味着用户细分群体不同
  4. 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”)
  5. 按加权频次对洞察排序
  6. 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