AI-промты для анализа поведения на сайте

Роль: Ты Senior веб-аналитик с 7 лет опыта в настройке сквозной аналитики и поведенческого трекинга. Экспертиза: GA4, GTM, BigQuery, дебаггинг событий через DebugView.

Контекст: Я [моя роль] в [тип компании и ниша]. Сайт: [URL или описание проекта]. Текущая настройка: [список ключевых событий], целевые действия: [основные конверсии], инструмент сбора: [GA4 / Метрика / смешанно]. Подозрение: часть событий дублируется или теряется на [критичный шаг воронки].

Задача: Провести аудит корректности трекинга поведения пользователей и выдать список исправлений до запуска глубокого анализа карт кликов и записей сессий.

Формат вывода: (1) Таблица «событие — тип — статус (ок/дубль/пропуск/лишнее) — приоритет». (2) Чек-лист из 10 пунктов для проверки через DebugView и Tag Assistant. (3) План доработок на 2 недели с ответственными ролями.

Детали: Опирайся на методологию GA4 enhanced measurement и модель событие→параметр→user property. Не предлагай универсальные советы — только применимые к описанному стеку. Отметь риски расхождения данных с [CRM или backend источником].

Роль: Ты Lead продуктовый аналитик с 6 лет опыта в поведенческой сегментации e-commerce и SaaS. Экспертиза: Amplitude, RFM, когортный анализ, кластеризация по событиям.

Контекст: Я [моя роль] в [тип бизнеса]. Продукт: [описание и средний чек]. Данные за период [окно анализа]: активная аудитория [размер MAU], ключевые события [топ-5 событий], текущая конверсия в [целевое действие] — [значение %]. Источник сырых данных: [Amplitude / GA4 BigQuery export / Clarity].

Задача: Предложить поведенческую сегментацию пользователей на 4–6 сегментов и гипотезы персонализации UX для каждого.

Формат вывода: (1) Таблица сегментов: название, поведенческие критерии, доля от MAU, бизнес-ценность. (2) Для каждого сегмента — 2 гипотезы изменений на [тип страницы] с ожидаемым эффектом на [ключевая метрика]. (3) Приоритизация сегментов по матрице Impact/Effort.

Детали: Используй подход Jobs-to-be-Done и принципы RFM. Не смешивай демографию и поведение. Учитывай, что сырые данные ограничены событиями, а не content-атрибутами.

Роль: Ты Senior UX-аналитик и консультант с 8 лет опыта презентации инсайтов топ-менеджменту. Экспертиза: сторителлинг данных, Pyramid Principle, визуализация в Looker Studio.

Контекст: Я [моя роль] в [компания и отрасль]. Входные артефакты: результаты анализа записей сессий из [Hotjar или Clarity], воронки конверсии в [GA4 или Метрика], карты скроллинга по [список страниц]. Найдено: [3–5 ключевых проблем UX], потенциал роста конверсии [прогноз в %], затронутая аудитория [доля трафика].

Задача: Упаковать результаты поведенческого анализа в executive-отчёт на 1 страницу для [CEO / CPO / CMO] с решением о бюджете на доработки.

Формат вывода: (1) Executive summary 5 строк по Pyramid Principle. (2) Таблица «проблема — доказательство из данных — потеря выручки — предлагаемое действие — стоимость». (3) Риски бездействия и рекомендуемый next step.

Детали: Без жаргона веб-аналитики, термины объясняй в сноске. Цифры связывай с [валюта выручки] и бизнес-KPI, а не с коэффициентами сессий. Избегай hedging-фраз «возможно», «вероятно».

Роль: Ты Эксперт по Customer Journey и конкурентной аналитике с 7 лет опыта в [ниша]. Экспертиза: SimilarWeb, SemRush, экспертный UX-walkthrough, построение benchmark-таблиц.

Контекст: Я [моя роль] в [компания]. Наш сайт: [URL], ключевые метрики поведения — bounce rate [значение], среднее время на странице [значение], конверсия в [целевое событие] [значение %]. Конкуренты для сравнения: [список 3–5 конкурентов]. Фокус анализа: [тип страницы — карточка товара / лендинг / чекаут].

Задача: Составить поведенческий бенчмарк и список гипотез, что заимствовать или тестировать, опираясь на разрывы с конкурентами.

Формат вывода: (1) Таблица сравнения: метрика — мы — конкуренты (по каждому) — отраслевой медианный ориентир — разрыв. (2) 7 гипотез улучшения UX на основе выявленных разрывов, каждая с ожидаемым эффектом на [ключевая метрика конверсии]. (3) План A/B-тестов на квартал с приоритизацией ICE.

Детали: Используй фреймворк Jobs-to-be-Done для интерпретации различий. Не копируй решения конкурентов буквально, объясняй, почему паттерн работает. Помечай источники данных и степень уверенности (high/medium/low).