jtbd-knowledge-skill

name	jtbd-knowledge-skill
version	3.1.37
description	JTBD (Jobs to Be Done) v3.0 完整工具集。融合四大学派——Klement 进步力量、 Ulwick ODI 机会算法、Wunker Jobs Atlas 七维度、Kalbach Job Stories 整合—— 提供 13 项可执行能力和 15 篇方法论知识库。附带完整 Python API（JTBDSkill 统一入口）， 覆盖访谈→问卷→评分→优先级→竞争→营销→增长→描述→Job Map→Outcome→Stories→障碍→Atlas 全流程，以及 CEO 决策视角的市场规模估算、优先级评分与商业化可行性分析。

JTBD (Jobs to Be Done) v3.0 执行技能

融合四大 JTBD 学派的完整工具集，不仅提供理论指导，更具备直接执行能力。

🧭 快速决策：什么时候使用 JTBD？

你的需求	推荐技能
需要理解用户"工作"、机会评分、竞争分析	✅ JTBD（本技能）
需要选择研究方法、设计访谈、执行可用性测试	→ Universal Design Methods
需要定量验证假设、设计 A/B 测试、计算样本量	→ Quantitative UX Research
需要创建人物角色、用户细分、设计指导	→ Web Persona
需要价值主张画布、实验验证、优先级排序	→ Value Proposition Design
需要将研究结果转化为数据叙事、图表呈现	→ Storytelling with Data

💡 JTBD 聚焦"用户想完成什么工作"：发现 Jobs → 机会评分 → VPD 画布填充。

🌐 AliDujie 技能生态系统

JTBD 是 需求洞察层，在 Persona 之后、VPD 之前，负责理解用户"工作"并量化机会：

Persona (角色定义)
  │
  ▼  用户行为与目标
┌────────────────┐
│  JTBD 本技能    │ 🎯 需求洞察 — 理解用户"工作"、机会评分、竞争分析
│  · 四力分析     │
│  · 机会评分     │──────► VPD (价值主张画布填充)
│  · Job Map     │──────► QuantUX (定量验证)
│  · 竞争分析     │──────► SWD (研究结果汇报)
└────────────────┘

JTBD 的典型协作：UDM 访谈方法挖掘 Jobs → JTBD 结构化分析 → VPD 画布填充 → QuantUX 验证 → SWD 汇报

四大学派融合：Klement（进步力量、切换访谈、情感分析）→ Ulwick ODI（Opportunity Algorithm、Desired Outcome、Universal Job Map）→ Wunker Jobs Atlas（七维度分析、障碍诊断、ABC Job Drivers）→ Kalbach 整合（Job Stories、VPC 整合、多格式描述）。

进步力量模型：推力（Push）、拉力（Pull）、焦虑（Anxiety）、惯性（Inertia）。净推动力 = (推力+拉力) - (焦虑+惯性)。

触发条件

触发词 / 场景	激活能力
全面分析、完整分析、深度分析	能力九 + CEO 全流程
访谈提纲、用户访谈、Switch 访谈、ODI 访谈	能力一：访谈提纲生成
问卷、调查、量化、survey、ODI 量表	能力二：调查问卷设计
机会评估、机会分数、ODI 评分	能力三：机会评分
优先级、值不值得做、排序	能力四：优先级矩阵
竞争分析、竞品、替代方案、颠覆诊断	能力五：竞争分析
文案、营销、广告、落地页、VPC	能力六：营销文案
增长、留存、流失、churn、ODI 策略	能力七：增长策略
JTBD 描述、Job 描述、Outcome Statement	能力八：JTBD 描述生成
Job Map、Universal Job Map、八阶段	能力九：Job Map 构建
Desired Outcome、成果管理	能力十：Outcome Statement 管理
Job Stories、用户故事	能力十一：Job Stories 生成
采用障碍、使用障碍、obstacle	能力十二：障碍诊断
Jobs Atlas、七维度、全景图	能力十三：Jobs Atlas 构建
场景库、场景分析、JTBD 分析报告	综合运用全部能力
市场规模、TAM/SAM/SOM	CEO: 市场规模估算
优先级评分、资源分配	CEO: 优先级评分
商业化、付费意愿、Go/No-Go	CEO: 商业化可行性
完整分析 + CEO 决策	analyze(include_ceo_analysis=True)

13 项执行能力

能力一：访谈提纲生成

支持 Switch（切换访谈）、ODI（成果驱动）、Churn（流失回溯）三种类型。从 6 个模块（挣扎时刻/竞争格局/推力拉力/焦虑惯性/进步验证/功能验证）组合生成结构化提纲。

skill.generate_interview("用户访谈", ["competition", "push", "anxiety"])
skill.generate_interview("ODI访谈", interview_type="odi")

详见 references/05-research-methods.md。

能力二：调查问卷设计

支持筛选型/验证型/竞争型/ODI Outcome 配对量表/Job 评分五类问卷，输出完整问卷（题目+选项+跳转逻辑+预计时长）。

skill.generate_survey("体验调研", "screening", struggles=["找酒店耗时"])
skill.generate_survey("ODI量表", "odi_outcome", outcomes=["快速找到合适住处"])

详见 references/05-research-methods.md。

能力三：机会评分

四维模型：挣扎强度(30%)、替代方案满意度(25%)、市场规模(25%)、预算可获取性(20%)。 ODI 双轨评分：Opportunity = Importance + max(Importance - Satisfaction, 0)。

skill.score_opportunity("快速找住处", struggle=4, alternative=3, market=4, budget=4)
skill.score_odi("快速找住处", importance=8, satisfaction=3)

详见 references/06-analysis-framework.md + references/12-odi-methodology.md。

能力四：优先级矩阵

对多个 Job 标准化描述、四力分析、机会评分（含 ODI），输出排序矩阵和行动建议。

skill.add_job_to_matrix("快速找住处", struggle=4, alternative=3, market=4, budget=4,
                        importance=8, satisfaction=3)
matrix = skill.render_priority_matrix()

详见 references/06-analysis-framework.md。

能力五：竞争分析

识别直接竞品/间接竞品/非消费方案，支持 Outcome 对比和颠覆诊断（新进入者威胁评估）。

skill.add_competitor("携程", "direct", strengths=["酒店多"], weaknesses=["界面复杂"])
skill.add_outcome_comparison("快速找到合适住处", 7, "携程", 5)
skill.add_disruption("新兴平台", disruptor_advantages=["AI推荐"], threat_level="high")
report = skill.render_competition()

详见 references/08-business-decisions.md。

能力六：营销文案生成

按挣扎共鸣→进步愿景→消除焦虑→克服惯性→行动号召结构生成，支持 VPC（Value Proposition Canvas）价值主张整合。

skill.generate_marketing_copy(
    struggle="花30分钟比价", desired_outcome="专注工作",
    value_proposition="AI 一键推荐最优方案"
)

详见 references/08-business-decisions.md。

能力七：增长与留存策略

识别上游/下游/横向增长机会，按三种流失原因生成针对性策略。支持 ODI 五策略矩阵（Differentiated/Dominant/Discrete/Sustaining/Disruptive）和 7 种产品策略行动。

skill.generate_growth_strategy(
    target_job="预订商务出行酒店",
    churn_segments=[("no_progress", "首周未预订", 200)],
    odi_strategy="differentiated", odi_rationale="高重要性低满意度"
)

详见 references/08-business-decisions.md。

能力八：JTBD 描述生成

支持四种描述格式：Klement（[动作]+[挣扎]，这样我就能+[进步]）、Outcome Statement（[方向]+[指标]+[对象]+[条件]）、Job Story（When...I want to...So I can...）、Traditional（As a...I want to...So that...）。

skill.create_jtbd_statement("Help me", "快速找住处", "专注工作", statement_format="klement")
skill.create_outcome_statement(direction="minimize", metric="the time",
    obj="finding a suitable hotel", clarifier="when traveling for business")

详见 references/06-analysis-framework.md。

能力九：Universal Job Map 构建

Ulwick 八阶段 Job Map（Define → Locate → Prepare → Confirm → Execute → Monitor → Modify → Conclude），每阶段记录需求、重要性、满意度，自动识别高机会阶段。

jm = skill.create_job_map("预订商务出行酒店")
jm.add_need("define", "确定出差日期和目的地", importance=9, satisfaction=7)
jm.add_need("locate", "搜索符合预算的酒店", importance=8, satisfaction=4)
result = jm.build()

详见 references/12-odi-methodology.md。

能力十：Desired Outcome Statement 管理

按 Ulwick 标准格式管理成果声明，支持 minimize/increase 方向、过程需求/情感需求/社会需求分类，自动生成优先级排序。

ob = skill.create_outcome_statements("预订商务出行酒店")
ob.add_outcome("minimize", "the time it takes to", "find a suitable hotel",
               "when traveling for business", importance=9, satisfaction=3)
ob.add_outcome("minimize", "the likelihood of", "booking a hotel that doesn't match its photos",
               importance=8, satisfaction=4, need_type="emotional")
result = ob.build()

详见 references/12-odi-methodology.md。

能力十一：Job Stories 生成

支持四种变体：Classic（标准三段式）、Anxious（焦虑导向）、Force（四力聚焦）、Context-Rich（场景丰富），从不同视角捕捉同一 Job。

js = skill.create_job_stories("预订商务出行酒店")
js.add_story("intercom", situation="出差需要住酒店",
             motivation="快速找到合适的住处", outcome="专注工作而不是为住宿烦恼")
js.add_story("kalbach", situation="到达酒店后很疲惫",
             motivation="快速办理入住", outcome="尽快休息",
             emotional_trigger="疲惫焦虑", emotional_reward="如释重负")
stories = js.build()

详见 references/14-playbook-tools.md。

能力十二：采用障碍诊断

从 Adoption（认知不足/价值不清/信任缺失/切换成本/复杂度）和 Usage（学习曲线/功能过载/性能/整合/支持）两大类诊断障碍，输出严重度评分和消除策略。

diag = skill.diagnose_obstacles("旅行预订平台")
diag.add_obstacle("lack_of_knowledge", "用户不知道平台存在", severity=4)
diag.add_obstacle("behavior_change", "习惯使用老平台", severity=3)
diagnosis = diag.build()

详见 references/14-playbook-tools.md。

能力十三：Jobs Atlas 七维度构建

基于 Wunker 方法论的七维度 Job 全景图：Core Functional、Related、Emotional、Social、Financial、Consumption Chain、Context。包含 ABC Job Drivers（Attitude、Background、Circumstance）分析。

atlas = skill.create_jobs_atlas("旅行预订平台")
atlas.set_core_job("出差时快速找到合适的住处")
atlas.add_related_job("管理差旅预算")
atlas.add_driver("circumstances", "紧急出差，时间紧迫", influence_level=4)
atlas.add_success_criterion("预订耗时", measurement="分钟", current_score=3, target_score=9)
result = atlas.build()

详见 references/13-jobs-atlas.md。

CEO 决策视角

在 JTBD 分析完成后，可自动附加商业决策支持分析。当用户要求全面分析、深度分析，或涉及商业决策场景时，应自动设置 include_ceo_analysis=True。

CEO 方法一：市场规模估算

基于 Job 数据推导 TAM/SAM/SOM，输出关键假设和分阶段验证计划（定性→定量→MVP→试点）。

API: skill.generate_market_size_estimate(jobs)

CEO 方法二：优先级评分

综合重要性、满意度差距、置信度计算机会分，输出资源分配建议（P0/P1/P2 分层）和验证时间线。

API: skill.generate_priority_scoring(jobs)

CEO 方法三：商业化可行性

评估付费意愿(WTP)、投入产出比(ROI)、回收期，输出 Go/No-Go 决策建议。

API: skill.generate_commercialization_feasibility(jobs)

一键生成

result = skill.analyze(include_ceo_analysis=True)
# 标准分析报告 + 市场规模 + 优先级评分 + 商业化可行性

Python 工具包

位于 jtbd/ 目录，纯标准库实现，无外部依赖。版本 3.0.0。

模块	核心类/函数	用途	学派来源
__init__.py	JTBDSkill	统一 Facade 入口，封装全部 13 项能力 + CEO 方法	融合
jtbd_analyzer.py	JTBDAnalyzer	JTBD 描述管理（四种格式）、四力分析、报告生成	Klement
interview_generator.py	InterviewBuilder	Switch/ODI/Churn 三种访谈提纲生成	Klement+Ulwick
survey_generator.py	SurveyBuilder	五类问卷设计（含 ODI 配对量表）	Ulwick
priority_calculator.py	PriorityAnalyzer	四维评分 + ODI Opportunity Algorithm	Klement+Ulwick
competition.py	CompetitionAnalyzer	竞品分析 + Outcome 对比 + 颠覆诊断	融合
marketing.py	MarketingCopywriter	营销文案 + VPC 价值主张整合	Kalbach
growth.py	GrowthStrategyBuilder	增长策略 + ODI 五策略矩阵 + 7 产品策略	Ulwick
forces.py	ForcesProfile	推力/拉力/焦虑/惯性结构化分析	Klement
innovation.py	InnovationFinder	创新信号识别、补偿行为分析	Klement
job_map.py	JobMapBuilder	Universal Job Map 八阶段构建	Ulwick
outcome_statement.py	OutcomeBuilder	Desired Outcome Statement 管理	Ulwick
job_stories.py	JobStoryBuilder	Job Stories 四种变体生成	Kalbach
obstacles.py	ObstacleAnalyzer	采用/使用障碍诊断与消除策略	Wunker
jobs_atlas.py	JobsAtlasBuilder	Jobs Atlas 七维度全景图 + ABC Drivers	Wunker
config.py	AnalysisConfig	运行时配置：分析维度、输出格式	—
templates.py	模板常量	访谈问题、报告模板、分析框架	—
utils.py	load_knowledge, search_knowledge	知识库加载与搜索	—

快速使用

import sys
sys.path.insert(0, "/path/to/jtbd-knowledge-skill")
from jtbd import JTBDSkill

skill = JTBDSkill("在线旅行预订平台")

# 基础分析
guide = skill.generate_interview("用户访谈", ["competition", "push"])
survey = skill.generate_survey("体验调研", "screening", struggles=["找酒店耗时"])

# ODI 分析
odi = skill.score_odi("快速找住处", importance=8, satisfaction=3)
jm = skill.create_job_map("预订商务出行酒店")

# Atlas 分析
atlas = skill.create_jobs_atlas("预订商务出行酒店")
obstacles = skill.diagnose_obstacles("旅行预订平台")

# 完整报告（含 CEO 决策）
report = skill.analyze(include_ceo_analysis=True)

# 知识库搜索
from jtbd import search_knowledge
results = search_knowledge("焦虑")

知识库索引

所有文档位于 references/ 目录（共 15 篇）：

文件	主题	关键内容
01-theory-foundation.md	理论基础	Klement JTBD 定义、与传统需求分析的区别
02-principles.md	核心原则	九大原则详解与实战应用
03-forces-of-progress.md	进步力量模型	四种力量详解、子类型、诊断方法
04-system-of-progress.md	进步系统	System of Progress 完整框架
05-research-methods.md	信息采集方法	访谈设计、问卷设计、观察法
06-analysis-framework.md	信息整理框架	机会评分、优先级矩阵、场景分层
07-innovation-guide.md	创新指南	创新信号识别、补偿行为分析
08-business-decisions.md	业务决策	竞争分析、营销文案、增长策略
09-case-studies.md	案例精华	经典 JTBD 案例分析
10-two-models.md	两种模型对比	Klement vs Moesta-Ulwick 流派差异
11-quick-reference.md	速查手册	全部概念速查与公式汇总
12-odi-methodology.md	ODI 方法论	Ulwick Opportunity Algorithm、Job Map、Outcome Statement
13-jobs-atlas.md	Jobs Atlas	Wunker 七维度分析、ABC Drivers、全景图构建
14-playbook-tools.md	实战工具箱	Job Stories 模板、障碍检查清单、研讨会引导
15-glossary.md	术语表	四大学派核心术语中英对照

AI Agent 调用规则

#	规则	说明
1	统一入口	优先通过 JTBDSkill Facade 调用，亦可直接使用子类（JTBDAnalyzer / InterviewBuilder 等）
2	返回值	所有方法返回 Markdown 字符串（Builder 类需先 .build() 再 .render_markdown()）
3	触发映射	根据用户意图选择对应能力（参见触发条件表），模糊意图时优先执行能力九全流程
4	四力优先	任何分析先进行四力（推力/拉力/焦虑/惯性）分析，这是 JTBD 的基石
5	学派匹配	用户提及 ODI/Outcome/Job Map 时使用 Ulwick 工具，提及 Atlas/障碍时使用 Wunker 工具
6	知识优先	理论问题先调用 search_knowledge() 查询知识库
7	CEO 决策默认附加	全面分析或涉及商业决策时，自动使用 include_ceo_analysis=True
8	完整交付	每个任务产出完整可用的分析/报告/建议，不留半成品
9	格式灵活	能力八支持四种描述格式，根据上下文选择最合适的格式

与其他 Skill 协作

JTBD 可与生态系统中其他技能组合使用，形成完整的用户洞察到产品决策工作流：

协作场景	协作 Skill	工作流
JTBD 发现验证	Universal Design Methods	JTBD 假设 → UDM 访谈/观察验证 → JTBD 机会评分
JTBD 定量验证	Quantitative UX Research	JTBD 机会分数 → QuantUX A/B 测试验证 → SWD 呈现
JTBD 到价值主张	Value Proposition Design	JTBD Jobs → VPD 画布填充 → VPD 实验验证
JTBD 到人物角色	Web Persona	JTBD 任务聚类 → Persona 角色定义 → Persona 验证
JTBD 结果汇报	Storytelling with Data	JTBD 洞察 → SWD 上下文分析 → SWD 数据故事构建
JTBD 结构化分析	Structured Thinking Model	STM PESTEL/五力 → JTBD 市场机会评估 → STM 决策建议

协作示例（JTBD → VPD）：

# Step 1: JTBD 发现核心 Job
jtbd = JTBDSkill("旅行预订")
opportunity = jtbd.score_opportunity("快速找到合适住处", struggle=4, alternative=3, market=4, budget=4)
# Step 2: VPD 填充价值主张画布
from vpd import VPDSkill
vpd = VPDSkill("旅行预订平台", "商务差旅人士")
vpd.analyze_canvas(
    jobs=[{"description": "快速找到合适住处", "category": "functional", "importance": 5}],
    pains=[{"description": "选择过多难以决策", "severity": "critical"}]
)

最佳实践

#	原则	说明
1	四力先行	任何分析先做 Push/Pull/Anxiety/Habit 四力分析，这是 JTBD 的基石
2	关注切换而非喜好	用户"为什么换"比"喜欢什么"更有价值
3	挣扎时刻是关键	聚焦用户决定切换的那个时刻，而非使用过程
4	功能→情感→社会	完整 JTBD 分析需覆盖三层：功能性、情感性、社会性
5	非消费是最大竞品	用户不消费往往是最大的竞争威胁
6	补偿行为=创新信号	用户自己拼凑解决方案，就是未被满足的需求
7	先定性后定量	JTBD 访谈发现机会 → QuantUX 定量验证 → SWD 汇报

参考资料

书名	作者	关键贡献
When Coffee and Kale Compete	Alan Klement (2023)	本 Skill 理论基础，JTBD 四大学派融合
Competing Against Luck	Clayton Christensen (2016)	JTBD 理论奠基之作
Demand-Side Sales	Bob Moesta (2021)	Switch 访谈与 Forces of Progress
Jobs to Be Done	Tony Ulwick (2016)	ODI 方法论、机会算法
Job Stories	Jeff Patton	用户故事整合框架

AliDujie 技能生态

JTBD 是 AliDujie UX 研究技能生态系统 的需求洞察层，与其他 6 个技能协作：

技能	定位	协作模式
Universal Design Methods	方法论核心	JTBD 假设 → UDM 访谈验证 → 机会评分
Quantitative UX Research	定量研究	JTBD 机会分数 → QuantUX A/B 验证
Web Persona	用户角色	JTBD 任务聚类 → Persona 角色定义
Value Proposition Design	价值验证	JTBD Jobs → VPD 画布填充
Storytelling with Data	数据叙事	JTBD 洞察 → SWD 数据故事
Structured Thinking Model	战略框架	STM PESTEL/五力 → JTBD 市场评估