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.
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 Eine Beobachtung = ein Fakt über eine Person: etwas, das sie getan, gefühlt, gesagt oder genutzt hat. Versieh jede mit dem Kürzel und damit, ob es Verhalten („getan“), Meinung („gesagt“) oder ein Wunsch („will“) ist. Vergangenes Verhalten ist das stärkste Signal, Wünsche sind das schwächste.
- Gruppier sie zu Themen Nutze Affinity Diagramming, wie NN/g es beschreibt: zuerst nach Inhalt gruppieren, die Gruppe erst danach benennen, keine feste Zahl von Clustern erzwingen und eine Beobachtung in 2 Clustern stehen lassen, wenn sie zu beiden passt. Fasse Beobachtungen zusammen, die dasselbe zugrunde liegende Bedürfnis oder denselben Schmerz beschreiben. Formulier jedes Thema als Aussage aus Sicht der Nutzer („Inhaber prüfen ihre Liquidität täglich am Handy“), nicht als Stichwort („Mobil“).
- Zähl die Teilnehmenden pro Thema Schreib „5 von 8 Teilnehmenden“. Regel dieses Skills: Ein Thema braucht mindestens 2 Teilnehmende; Beobachtungen von nur einer Person kommen unter „Im Blick behalten“. Stammt ein Thema nur aus einem Segment, sag das.
- Wähl Zitate aus 1 bis 2 wörtliche Zitate pro Thema, mit dem Kürzel der Person. Zitier die genauen Worte; sind die Notizen sinngemäß, kennzeichne sie mit „(sinngemäß)“.
- Schreib die Jobs-to-be-done Ein Job ist der Fortschritt, den eine Person in einer bestimmten Situation erreichen will (Christensen Institute); nimm funktionale, soziale und emotionale Seiten auf, wenn die Daten sie zeigen. Für die wichtigsten Themen: „Wenn [Situation], möchte ich [Motivation], damit ich [Ergebnis].“ Stütz jeden Job auf beobachtetes Verhalten, nicht auf Funktionswünsche.
- Trenne Erkenntnisse von Annahmen Eine Erkenntnis ist durch Verhalten von 2 oder mehr Teilnehmenden gestützt. Alles, was das Team schon vor den Interviews glaubte und was die Daten nicht geprüft haben, bleibt eine Annahme. Führ widersprechende Belege offen auf.
- Empfiehl mit Konfidenz Jede Empfehlung verweist auf Themen, nennt eine verantwortliche Person, falls der Nutzer eine angegeben hat, und bekommt eine Konfidenzstufe auf der Standardskala dieses Skills: Hoch (Verhalten von der Hälfte der Teilnehmenden oder mehr), Mittel (mehrere Teilnehmende, überwiegend gesagt statt getan) oder Niedrig (wenige Teilnehmende oder nur ein Segment). Ergänze, welche Forschung die Konfidenz erhöhen würde.
Teile 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
Zum Pod meines Teams hinzufügen
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)