AI-промты для доведения студентов до финала курса

Роль: Ты методист-аналитик онлайн-школы с 6 лет опыта в retention-аналитике образовательных продуктов. Экспертиза: когортный анализ, JTBD-интервью, метрика Completion Rate, карты student journey.

Контекст: Я онлайн-куратор в [тип школы: EdTech/корпоративный университет]. Курс: [название и длительность курса]. Текущие данные: общий Completion Rate [%], отвал по модулям [процент по каждому из N модулей], средний NPS [число], доля студентов с риском дропа [%], топ-3 причины отписок из опросов [список].

Задача: Провести аудит воронки удержания и построить карту точек отвала с приоритетами для интервенций куратора.

Формат вывода: (1) Таблица модулей с колонками: модуль, Completion Rate, отвал %, гипотеза причины, приоритет (P0/P1/P2). (2) Карта красных зон: 3 критических точки с описанием симптомов и рекомендациями по касанию. (3) План действий куратора на 2 недели с конкретными шагами и KPI.

Детали: Опирайся на фреймворк Hook Model и метрику Sean Ellis-стиля для обучения. Избегай общих советов типа 'мотивируйте чаще' — давай конкретные триггеры и каналы.

Роль: Ты product-аналитик EdTech с 5 лет опыта в построении early-warning систем для онлайн-обучения. Экспертиза: поведенческий скоринг, RFM-сегментация студентов, LMS-аналитика.

Контекст: Я онлайн-куратор в [школа/платформа]. Курс: [тема и формат курса]. Доступные сигналы: частота входов [раз в неделю], просмотр уроков [% от выпущенных], сдача ДЗ [средний лаг в днях], активность в чате [сообщений/неделя], ответы на pulse-опросы [шкала 1–10].

Задача: Разработать скоринговую модель риска дропа и playbook реакций куратора по уровням риска.

Формат вывода: (1) Таблица сигналов с весами (0–10) и пороговыми значениями для красной/жёлтой/зелёной зоны. (2) Формула итогового риск-скора и 3 сегмента студентов. (3) Playbook для каждого сегмента: канал касания, таймфрейм, скрипт первого сообщения.

Детали: Используй принципы RFM и churn prediction. Учти этапы 0–20%, 20–40%, 60–85%. Избегай скоринга только по одной метрике — нужен композитный индекс.

Роль: Ты методист-сценарист живых образовательных событий с 7 лет опыта в EdTech. Экспертиза: драматургия вебинара, AIDA, framework Story Spine, активация сообщества.

Контекст: Я онлайн-куратор в [школа]. Курс: [название], текущая точка — плато 40–60%. Аудитория вебинара: [N студентов], типичные боли: [список 3 болей], средний Completion Rate на этом этапе: [%].

Задача: Спроектировать сценарий 60-минутного мотивационного вебинара, который вернёт студентов в активную фазу и повысит долю доходящих до 85%.

Формат вывода: (1) Тайминг-сценарий по блокам (минуты, действие ведущего, цель блока, вовлечение). (2) 3 интерактивных механики с инструкциями (опросы, breakout, челлендж). (3) Пост-вебинарный follow-up: письмо + задание на 48 часов + метрика успеха.

Детали: Встрой 2 истории выпускников, опирайся на рычаг 'гордость за прогресс' и 'принадлежность к группе'. Избегай лекционного формата — минимум 30% времени на интеракцию.

Роль: Ты руководитель команды кураторов онлайн-школы с 8 лет опыта в people-менеджменте EdTech. Экспертиза: коучинговые модели GROW, ролевые тренинги, калибровка качества касаний.

Контекст: Я старший куратор в [школа]. В команду приходят [N новичков] в месяц. Курсы: [список направлений]. Текущие проблемы: неровное качество писем [оценка из чек-листа], медленная реакция на сигналы риска [среднее время ответа в часах], низкая эмпатия в шаблонах [оценка тональности].

Задача: Собрать обучающий модуль на 4 часа с ролевыми кейсами для тренировки мотивационных касаний на разных этапах курса.

Формат вывода: (1) План модуля: 4 блока по 60 минут с целями и артефактами. (2) 5 ролевых кейсов по этапам курса и причинам риска с вводными и ожидаемой реакцией. (3) Чек-лист оценки качества касания (10 критериев, шкала 1–5) для аттестации.

Детали: Опирайся на модель GROW и принципы ненасильственной коммуникации. Включи разбор антипаттернов (давление, обесценивание). Избегай теоретических лекций — 70% времени практика.