메뉴
可感知体验参数整理Skill - 从用户访谈笔录中挖掘深层真相，输出包含7个字段的逻辑自洽数据表。触发词："可感知体验参数"、"体验参数整理"、"用户洞察梳理"、"产品创新梳理"
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/MeerkatAIChina/meerkat-skills-activity --skill perceptible-experience-extractor명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
| name | perceptible-experience-extractor |
| type | skill |
| title | 可感知体验参数整理Skill |
| description | 可感知体验参数整理Skill - 从用户访谈笔录中挖掘深层真相，输出包含7个字段的逻辑自洽数据表。触发词："可感知体验参数"、"体验参数整理"、"用户洞察梳理"、"产品创新梳理" |
| tags | [] |
| date | 2026-06-28 |
用户洞察驱动的产品创新梳理引擎
从任何用户访谈笔录中，挖掘出关于用户的深层真相
Step 1: 输入信息提取
└── 完整读取访谈笔录，提取所有用户提到的场景和需求，不要有任何遗漏
↓
Step 2: 人群画像
└── 从访谈内容中提取用户画像
↓
Step 3: 场景化需求拆解
└── 首先判断笔录中有几个品类，每个品类生成一个独立的表格。针对同一品类，从笔录中逐一寻找场景和需求点，并按照以下的标准格式填写表格，要求不要遗漏任何一条用户提到的场景需求，每一条细的需求形成一行数据，尽可能详细。
↓
Step 4: 利益点定义
└── 针对每一行场景或需求数据，直接回应深层需求，形成独特的利益点
↓
Step 5: 体验量化
└── 将利益点转化为可感知、可验证的参数
↓
Step 6: 洞察闭环
└── 提炼反直觉的用户洞察，解释需求被忽视的原因
↓
Step 7: 数据核验
└── 把整个文档仔细检查一遍，核验有没有遗漏场景或需求，如有遗漏，添加到表格中去
检查表格内容，是否一行数据只是讲了一个细分的需求或利益点，如果是多个利益点，拆成不同的行，每个需求或利益点一行。
| 字段 | 定义 | 推导规则 | 输出格式 |
|---|---|---|---|
| 品类 | 产品所在的品类赛道及当前市场阶段 | 从输入中提取核心产品形态，判断品类生命周期（导入/成长/成熟/衰退） | "[品类名称]（[生命周期阶段]，[核心特征]）" |
| 机会点 | 基于用户行为断层发现的创新窗口 | 由品类推导：在成熟品类中寻找"用户行为已变，但产品供给未变"的断层 | "在[品类]中，[人群]的[行为/场景]已发生[变化]，但现有产品仍停留在[旧假设]，导致[具体缺口]" |
| 人群 | 精准目标用户的三维画像 | 由机会点推导：必须是"行为已变但供给未跟上"的那群人 | "[年龄/性别/收入]，[心理特征]，[行为特征]，正在[具体行为]但被迫使用[旧解决方案]" |
| 需求 | 目标人群在品类中的深层需求（非表层功能） | 由人群推导：区分"说要什么"（表层）和"真正要什么"（深层），必须包含场景+情绪+行为 | "表层需求：[功能描述]；深层需求：在[场景]下，需要[情绪/身份/关系诉求]，但现有方案[具体痛点]" |
| 利益点 | 产品能提供的具体价值主张，直接回应深层需求 | 必须回应深层需求而非表层需求，使用"通过XX，让你XX"句式 | "通过[具体机制/成分/设计]，让你在[场景]下[获得深层诉求]，无需[现有方案的代价]" |
| 可感知体验参数 | 用户能直接感知、量化或对比的效果指标 | 必须能量化或具象化深层需求的满足程度，含数字+时间+感官描述 | "[时间维度]：[指标]达到[数值][单位]，[感官描述]，[对比基准]" |
| 用户洞察结论 | 关于目标用户的反常识真相，解释需求被忽视的根本原因 | 必须回到人群和需求，提炼一个"行为悖论"或"情绪真相"，解释为什么现有产品都错了 | "用户表面[行为A]，实则[动机B]；现有产品都假设[旧认知]，但真相是[新认知]；这意味着[产品启示]" |
用户输入：
访谈笔录内容：
[完整的用户访谈笔录文本]
可选补充信息：
仅输出以下Markdown表格的数据，每一条数据都新增一行，不要输出思考过程：
| 品类 | 机会点 | 人群 | 需求 | 利益点 | 可感知体验参数 | 用户洞察结论 |
|------|--------|------|------|--------|---------------|-------------|
| [内容] | [内容] | [内容] | [内容] | [内容] | [内容] | [内容] |
输入（访谈笔录节选）：
"我是28岁，做设计的，平时喜欢国风。买口红不只是为了颜色，
更希望它像一件艺术品。花西子的雕花口红，我买了3支，
一支用，两支收藏。朋友来家里，我会拿出来展示，
她们都觉得这口红太精致了，像故宫里的藏品。
我之前用欧美大牌，颜色好看但包装都差不多。
花西子这个，涂上去感觉自己很有品味，
不只是化妆，是在用东方美学。
希望它能持久一点，但不要像某些口红那么干。
雕花不要一用就磨平了，希望能保持久一点。"
输出：
| 品类 | 机会点 | 人群 | 需求 | 利益点 | 可感知体验参数 | 用户洞察结论 |
|---|---|---|---|---|---|---|
| 高端国货彩妆（成长期，文化认同驱动） | 在高端彩妆中，25-35岁新中产女性的消费已从"国际大牌=品质"转向"文化认同=身份表达"，但现有产品仍停留在"颜色+质地"的功能竞争，缺乏可展示的文化符号 | 28-35岁/女性/月收入15K+，有文化消费意识，追求"低调的与众不同"，正在寻找能表达东方审美的社交货币但被迫使用缺乏文化辨识度的欧美大牌 | 表层需求：买一支好看的口红；深层需求：在闺蜜聚会、社交媒体展示时，需要通过"可展示的文化物件"获得"有品位、懂东方美学"的身份认同，但现有大牌口红缺乏文化独特性，无法满足"收藏+展示"的社交需求 | 通过微雕工艺+东方花卉设计，让你在社交场合拥有"可收藏的艺术品级口红"，无需用大牌Logo证明品味，用东方美学自然彰显身份 | 使用第30天：雕花完整度保持95%以上，无明显磨损；上唇3秒后感受到"丝滑包裹感"而非"覆盖感"；闺蜜主动询问"这是什么口红"的概率提升3倍（对比欧美大牌） | 用户表面"买口红为了化妆"，实则"买口红为了收藏和展示"；现有产品都假设"口红是消耗品"，但真相是"口红是社交货币"；这意味着彩妆的竞争从"颜色质地"转向"文化符号的可收藏性" |
输入：
"我是程序员，30岁，每天坐办公室10小时。
经常忙起来忘了喝水，等到口渴了才想起来。
希望有个杯子能提醒我喝水，但又不要太烦人。
现在的智能杯，要么一直震很烦，要么App推送我根本不看。
我想要的是，放在桌上，偶尔看一眼就知道自己今天喝了多少，
还差多少达标。最好还能显示水温，免得烫嘴。
外观要简洁，不要花里胡哨的，放在办公桌上不突兀。"
输出：
| 品类 | 机会点 | 人群 | 需求 | 利益点 | 可感知体验参数 | 用户洞察结论 |
|---|---|---|---|---|---|---|
| 智能健康水杯（导入期，功能教育阶段） | 在智能水杯中，25-35岁久坐办公人群的饮水行为已从"口渴才喝"转向"主动健康管理"，但现有产品仍停留在"App推送+震动提醒"的打扰式干预，缺乏"无感知的自我觉察"设计 | 25-35岁/男性为主/久坐办公，有健康意识但抗拒被管教，追求"自主掌控感"，正在尝试建立饮水习惯但被迫使用"像家长一样唠叨"的智能提醒 | 表层需求：需要一个提醒喝水的杯子；深层需求：在专注工作场景下，需要"不打扰的知情权"（知道自己喝了多少），而非"被指挥的行动令"（被催促去喝水），但现有方案要么沉默（普通杯）要么唠叨（智能杯），缺乏"静默反馈"的中间态 | 通过桌面级水墨屏+实时饮水量可视化，让你在工作间隙"一瞥即知"今日饮水进度，无需解锁手机、无需被震动打扰，自主决定何时喝水 | 工作8小时内：屏幕抬眼可见次数达到20+次（自然视线范围内）；每日饮水达标率从35%提升至75%；App打开次数从10次/天降至0.5次/天（推导） | 用户表面"想要被提醒喝水"，实则"想要掌控感而非被管教"；现有产品都假设"用户需要被督促"，但真相是"用户需要被赋权"；这意味着智能健康产品的竞争从"提醒功能"转向"无感知的自我觉察设计" |
"用户表面要的是功能，实则要的是情绪；产品竞争的不是功能，是对情绪的精准回应。"
"可感知体验参数不是技术指标，是用户能说出'我感觉到了'的那个点。"
"真正的洞察是反常识的：它解释为什么所有人都错了。"