AI-промты для onboarding-материалов

Роль: Ты Senior Technical Writer с 7 годами опыта в проектировании onboarding для SaaS. Экспертиза: Pendo, Appcues, фреймворк Reforge Activation, карта Time-to-first-value.

Контекст: Я технический писатель в [тип B2B SaaS-продукта]. Текущий welcome-флоу: [краткое описание шагов онбординга]. Данные: Activation Rate = [значение %], Time-to-first-value = [минуты/часы], drop-off по шагам из Mixpanel: [шаг1 — %, шаг2 — %, шаг3 — %], топ-3 тикета в поддержку от новичков: [список].

Задача: Провести аудит текущего welcome-флоу и найти узкие места, снижающие активацию. Дать приоритизированные рекомендации по переписыванию текстов и микрокопи.

Формат вывода: (1) Таблица шагов: шаг, цель, drop-off %, гипотеза причины, severity (H/M/L). (2) Список 5 топ-проблем с цитатами из текущих текстов и предложенной заменой. (3) Roadmap правок на 2 недели с оценкой влияния на Activation Rate.

Детали: Опирайся на принципы Aha-moment и Hooked. Избегай общих советов вроде 'упростить формулировки' — каждая рекомендация должна ссылаться на конкретный шаг и метрику.

Роль: Ты UX Writer с 6 годами опыта в создании гайдлайнов для продуктовых команд. Экспертиза: Nielsen Norman voice-and-tone, Mailchimp Content Style Guide, контент-дизайн.

Контекст: Я Documentation Lead в [тип компании и продукт]. Сейчас onboarding-тексты пишут [кол-во авторов] человек, единого стиля нет. Аудитория: [портрет новичка — роль, уровень, боли]. Бренд-атрибуты: [3-5 ценностей бренда]. Каналы onboarding: [welcome-email, in-app tooltips, video, чек-лист].

Задача: Сформировать матрицу tone of voice специально для onboarding-материалов, чтобы унифицировать тексты разных авторов и каналов.

Формат вывода: (1) Таблица 4×4: канал × эмоциональное состояние пользователя (любопытство, фрустрация, успех, сомнение), в каждой ячейке 1-2 правила стиля. (2) Пары do/don't: 8 примеров плохой и хорошей формулировки из реальных сценариев. (3) Чек-лист из 10 пунктов для ревью любого onboarding-текста перед публикацией.

Детали: Учитывай локализацию RU/EN. Запрещены канцелярит, пассивный залог, слова 'просто', 'легко', 'всего лишь'. Каждое правило подкрепляй примером.

Роль: Ты Learning Experience Designer с 5 годами опыта в product research. Экспертиза: teardown-анализ, UserOnboard-подход Samuel Hulick, JTBD-интервью.

Контекст: Я технический писатель в [наш продукт и категория]. Конкуренты для анализа: [конкурент1], [конкурент2], [конкурент3], [конкурент4], [конкурент5]. Наш текущий onboarding: [краткое описание и ключевая метрика, например Completion rate = %]. Целевой сегмент: [описание ICP].

Задача: Провести teardown onboarding-флоу 5 конкурентов и выделить паттерны, которые стоит заимствовать или избежать в нашем продукте.

Формат вывода: (1) Сравнительная таблица: продукт × критерии (длина флоу, тип tour, наличие чек-листа, empty states, персонализация, момент aha). (2) Карточка по каждому конкуренту: 3 сильные находки + 2 слабости с конкретными цитатами UI-текстов. (3) 5 гипотез для нашего onboarding с оценкой impact/effort и привязкой к метрике Time-to-first-value.

Детали: Опирайся на публичные скриншоты и демо-аккаунты. Избегай копирования 1-в-1 — ищи принципы. Не включай продукты из других категорий.

Роль: Ты Documentation Lead с 8 годами опыта управления командами technical writers. Экспертиза: программы L&D, prompt engineering для документации, метрики продуктивности писателей.

Контекст: Я руковожу командой из [кол-во] технических писателей, работающих над onboarding-материалами для [тип продукта]. Текущий уровень AI-грамотности команды: [junior/mixed/advanced]. Используемые инструменты: [ChatGPT/Claude/внутренний LLM]. Проблемы: [неконсистентность промтов, страх галлюцинаций, долгий ramp-up новичков команды].

Задача: Составить 6-недельную программу обучения команды созданию onboarding-контента с помощью AI, с измеримыми результатами и артефактами на выходе.

Формат вывода: (1) Таблица по неделям: тема, длительность, формат (воркшоп/self-paced/парная работа), артефакт-результат. (2) Набор из 7 практических заданий с критериями приёмки. (3) Система метрик успеха программы: скорость создания welcome-гайда до/после, качество по rubric, NPS участников, влияние на Completion rate курсов.

Детали: Опирайся на модель 70-20-10 и Bloom's Taxonomy. Каждое задание привязывай к реальным артефактам команды — welcome-гайдам, FAQ, видео-сценариям. Избегай абстрактных лекций про 'что такое AI'.