Oke, saya akan berbagi beberapa konsep yang saya temukan menarik di sini, karena membuat alat AI Anda sendiri masih terdengar lebih rumit. Banyak dari ini hanya beberapa layanan yang terhubung dengan cara yang benar, dan bagian lucunya adalah Anda sudah dapat membangun sesuatu yang benar-benar berguna sebelum Anda bahkan sepenuhnya memahami apa yang dilakukan semua potongan itu.
Saya akan mulai dengan hal-hal yang memecahkan satu masalah yang mengganggu terlebih dahulu, bukan sistem operasi untuk memulai hidup saya, satu hal, kerjakanlah dan tambahkan.
1. Otak untuk mengelola masukan pelanggan Anda
Jika kau membangun produk, umpan balik akan tersebar cepat atau lambat. / Dukungan tiket, wawancara, ulasan, pesan Slack acak, catatan penjualan, mungkin Reddit, apapun.
Versi pertama termudah adalah n8n + Claude/ChatGPT + Supabase.
n8n mengumpulkan umpan balik baru, mengirimkannya ke model, model mengekstrak beberapa bidang yang berguna, lalu Supabase menyimpan teks asli dan struktur yang dibersihkan.
Saya akan mulai dengan sesuatu yang sederhana ini:
source
original_text
product_area
problem
severity
related_feature
confidenceDan ya, simpan teks aslinya. ini sangat penting karena setelah beberapa waktu rangkuman AI mulai terdengar mencurigakan lebih baik dari pelanggan sebenarnya.
Baca umpan balik pelanggan ini dan ekstrak masalah yang mendasari dalam bahasa biasa. Return: product_area problem severity dari 1 sampai 5 related_feature jika jelas confidence dari 0 sampai 1 Jika tidak yakin, tulis UNKNOWN. Jangan menciptakan konteks yang tidak dalam umpan balik asli. Jaga kata-kata pelanggan asli secara terpisah.
Jujur saja, ambil 30 pesan dukungan lama, masukkan ke Google Sheet, jalankan alur kerja pada mereka terlebih dahulu.
Kemudian Anda dapat menghubungkan Gmail, Intercom, Slack, bentuk dll.
2. Pengintai kecil untuk memantau pesaing
Yang satu ini mungkin lebih mudah.
Pilih 5 pesaing dan hanya 2 atau 3 halaman untuk masing-masing pada awalnya.
Anda dapat menggunakan n8n + HTTP sederhana mengambil + Supabase untuk menyimpan snapshot. Setiap hari atau setiap beberapa hari, mengambil halaman lagi dan membandingkannya dengan versi sebelumnya. Hanya jika ada yang berubah, kirim teks yang berubah ke Claude/ChatGPT dan tanyakan apakah itu benar-benar penting.
Aku tidak akan mengirim seluruh internet ke model setiap hari.
Bandingkan dua versi ini dari halaman pesaing yang sama. Abaikan perubahan kata - kata kecil, memformat perubahan dan teks hukum yang tidak relevan. Katakan padaku hanya jika sesuatu yang berarti berubah untuk produk, harga, posisi, onboarding atau target pelanggan. Return: changed: true/false summary why_it_matters confidence
Pertama-tama aku bahkan akan melewatkan merangkak mewah.
Jika setelah dua minggu Anda mendapatkan sebagian besar sampah, masalah Anda tidak membutuhkan lebih banyak AI.
3. Asisten PRD yang tahu apa yang terjadi sebelumnya
Yang satu ini perlu sedikit lebih setup tapi masih sangat dapat dilakukan.
Aku mungkin menggunakan Lovable + Supabase + Claude/ChatGPT, dan kemudian menghubungkan Linear/Jira atau Productboard.
Versi kecil pada dasarnya adalah halaman di mana Anda memilih fitur, dan aplikasi menarik umpan balik pelanggan yang terkait, catatan lama, mungkin analisis komentar, kemudian mengirimkan semua itu sebagai konteks ke model.
Kau tak perlu arsitektur pengambilan jenius dalam versi pertama.
Jadi mungkin umpan balik memiliki:
feature_id = onboarding_v2
dan semua catatan tentang onboarding mendapatkan terkait dengan itu.
Kemudian bertanya:
Anda sedang menyusun PMS dari bukti yang ada saja. Gunakan umpan balik pelanggan, analisis catatan dan kendala teknis di bawah ini. Jangan menciptakan persyaratan. Tandai asumsi dengan jelas. Jika informasi penting belum tersedia, buat OPEN QUESTION alih-alih menebak.
Kemudian setelah draft:
Baca PRD ini sebagai insinyur yang belum pernah melihat fitur sebelumnya. Tunjukkan apa saja yang dapat dipahami dengan dua cara yang berbeda atau tidak dapat diterapkan tanpa keputusan lain.
Jujur saja, petunjuk kedua itu mungkin di mana sebagian besar nilainya.
Aku akan mulai dengan satu fitur secara manual. dan kemudian menghasilkan PRD.
4. Generator prototipe, tapi dengan batasan
Yang satu ini lebih sedikit aliran kerja otomatisasi dan lebih produk kecil untuk diri sendiri.
Gunakan Lovable, v0 atau Replit dan bangun antarmuka yang sangat kecil dengan:
satu area teks untuk ide
mungkin beberapa pilihan seperti mobile/web/dashboard
tombol: menghasilkan prototipe singkat
Saya sebenarnya tidak akan mencoba untuk membuatnya secara otomatis menghasilkan seluruh aplikasi dari hari pertama membuatnya menghasilkan spesifikasi yang sangat ketat yang kemudian Anda masukkan ke Lovable/Replit.
Saya ingin menguji ide ini: [IDEA] Buat prototipe terkecil yang mungkin dapat diklik yang memungkinkan saya menguji interaksi utama dengan pengguna. Gunakan data palsu. Jangan tambahkan tagihan, pengaturan, panel admin, pemberitahuan, peran atau fitur sekunder lainnya kecuali mereka diperlukan untuk tes. Beri aku: layar dibutuhkan apa yang terjadi di setiap layar contoh data palsu apa yang bisa tetap sepenuhnya palsu pertanyaan apa prototipe ini harus membantu saya menjawab
Lalu kau tempelkan hasilnya ke Loveable atau Replit.
Dengan cara ini Anda menggunakan AI dua kali: pertama untuk mengurangi ide untuk hal terkecil yang dapat diuji, kemudian untuk benar-benar membangunnya.
Dan ya, ini adalah salah satu kasus di mana mengendalikan AI lebih berguna daripada memintanya untuk kreatif.
5. Asisten produk untuk pagi hari Anda
Yang satu ini mungkin yang paling mudah untuk benar-benar menggunakan setiap hari.
Mulailah dengan hanya Gmail + Linear/Jira, atau hanya Slack jika itu adalah tempat dimana sebagian besar kekacauan terjadi.
Gunakan n8n pada jadwal, mungkin 8:45 setiap pagi, tarik barang baru sejak kemarin, kirim ke model, lalu kirim satu dicerna ke Telegram, Slack atau email.
Ringkaskan saja hal - hal yang dapat mempengaruhi keputusan produk dewasa ini. Abaikan kebisingan FYI dan percakapan sosial. Tampilkan: blocker masalah pelanggan keputusan menungguku perubahan penting sejak kemarin Jika tidak ada yang penting terjadi, katakan itu.
Kemudian, Anda dapat menambahkan bagian akhir hari.
Sesuatu seperti:
Berdasarkan tugas-tugas hari ini, catatan dan keputusan, katakan padaku apa yang sebenarnya berubah. Apa yang kita pelajari? Asumsi apa yang lebih lemah? Apa yang masih harus TIDAK diputuskan belum?
Simpan itu ke Notion atau Supabase dan tiba-tiba Anda memiliki buku harian produk kecil aneh yang tumbuh di latar belakang.
Dan jujur saja, aku akan mulai dengan bagian pagi saja.
Bonus, karena saya masih menginginkannya: pemeriksa keuangan pribadi
Ini mungkin Google Sheets atau Supabase + n8n + LLM.
Ekspor transaksi bank sebagai CSV. Taruh mereka di meja. Gunakan rumus normal atau SQL untuk semua total yang tepat. Biarkan AI sebagian besar nama pedagang bersih dan mengklasifikasikan deskripsi transaksi aneh.
Misalnya:
AMZN Mktp DE*8H2... → Amazon
GOOGLE *TEMPORARY HOLD → probably temporary hold
some completely cursed bank merchant string → maybe restaurant / transport / subscription
Hafalkan transaksi ini berdasarkan nama pedagang dan deskripsi. Return: normalized_merchant category recurring: true/false/unknown confidence Jangan perkirakan jumlah, tanggal, atau mata uang, itu berasal dari data transaksi asli.
Kemudian dashboard Anda dapat menghitung hal-hal yang membosankan persis dan AI dapat membantu menjawab pertanyaan manusia seperti:
apa yang menjadi jelas lebih mahal bulan ini?
yang sering biaya muncul baru-baru ini?
nama pedagang mana yang terlihat seperti perusahaan yang sama di bawah deskripsi yang berbeda?
Saya akan mulai dengan data 2 atau 3 bulan yang cukup untuk melihat apakah kategorisasi sebenarnya berguna.
Dan saya berpikir bahwa pola yang umum untuk semua ini.
Jangan mulai dengan bertanya apa arsitektur penuh yang saya butuhkan?
Mulai dengan:
Apa yang menjengkelkan yang ingin aku berhenti melakukannya secara manual minggu ini?
Kalau begitu buat versi bodohnya dulu.
30 pesan umpan balik.
5 pesaing URL.
1 fitur PRD.
1 prototipe.
1 pagi mencerna.
Jika itu sudah terasa berguna, maka ya, sekarang masuk akal untuk membuatnya lebih besar.