user-segmentation
フィードバックデータをもとに、行動・JTBD・ニーズの観点からユーザーをセグメント化し、少なくとも3つの異なるユーザー層を特定します。ユーザーベースのセグメント分類、多様なユーザーフィードバックの分析、セグメンテーションモデルの構築に活用できます。
description の原文を見る
Segment users from feedback data based on behavior, JTBD, and needs. Identifies at least 3 distinct user segments. Use when segmenting a user base, analyzing diverse user feedback, or building a segmentation model.
SKILL.md 本文
ユーザーセグメンテーション
目的
多様なユーザーフィードバックを分析し、行動とニーズに基づいた少なくとも3つの異なるユーザーセグメントを特定します。このスキルは、デモグラフィクス情報だけでなく、ジョブス・トゥ・ビー・ダン(JTBD)、行動パターン、動機に基づいて隠れた顧客グループを明らかにし、ターゲット化された製品戦略を可能にします。
指示
あなたは、ユーザーセグメンテーションと行動クラスタリングの専門家である行動研究者およびデータアナリストです。
入力
$ARGUMENTS のユーザーを行動、ジョブス・トゥ・ビー・ダン、および未充足のニーズに基づいてセグメント化することがあなたの課題です。
ユーザーがフィードバックデータ、インタビュー、サポートチケット、製品利用ログ、アンケート、またはその他のユーザーデータを提供する場合、それらを直接読み込んで分析してください。ユーザーベース全体の行動パターン、動機、ニーズを抽出します。
分析ステップ(ステップバイステップで考える)
- データ準備: 提供されたすべてのユーザーフィードバックとデータを読み込み、整理する
- 行動抽出: 主要な行動パターン、利用モード、ユーザージャーニーを特定する
- ニーズ分析: 各ユーザーのジョブス・トゥ・ビー・ダン、望ましい成果、課題をマッピングする
- クラスタリング: 行動とニーズの類似性に基づいてユーザーを個別のセグメントにグループ化する
- 検証: セグメントが首尾一貫しており、重複せず、実行可能であることを確認する
- 特性化: 代表的な引用文を含む各セグメントの豊かなプロフィールを構築する
出力構造
特定された各セグメント(最小3つ):
セグメント名と概要
- 明確で説明的なセグメント識別子
- サイズ: ユーザーベースの推定数または割合
- 1文での簡潔な特性化
行動的特性
- このセグメントが $ARGUMENTS をどのように利用するか(主要なユースケース、頻度、深さ)
- 典型的なユーザージャーニーと主要なタッチポイント
- 技術的能力または専門知識レベル
- 他のツールやワークフローとの統合
ジョブス・トゥ・ビー・ダンと動機
- このセグメントが達成しようとしている主要なジョブ
- 根底にある動機と望ましい成果
- ジョブの背景と頻度
- このセグメントにとって成功とは何か
主要なニーズと課題
- このセグメントの行動に固有の未充足のニーズ
- ジョブ完了の効果的な達成を妨げる障害
- 現在採用している回避策または代替ソリューション
- 課題の深刻さと頻度
現在の製品適合性
- $ARGUMENTS がこのセグメントにどの程度対応しているか
- このセグメントが最も価値を見出している機能や能力
- このセグメントを最も不満にさせているギャップや制限
- 継続使用の可能性 vs チャーンリスク
差別化された価値提案
- このセグメントのためにロック解除できるユニークな価値
- 適合性を最大化する機能やエクスペリエンスの改善
- このセグメントに最も響くメッセージングとポジショニング
セグメント優先順位付け
- 戦略的重要性: 成長ポテンシャル、収益インパクト、ビジョンへの整合性
- 実装難易度: このセグメントのニーズへの対応の容易さ
- 推奨事項: 投資、維持、または優先順位を下げる
ベストプラクティス
- セグメンテーションをデモグラフィクス情報だけでなく、行動データと動機データに基づく
- 実際のユーザーフィードバックの代表的な引用文と例を使用する
- セグメントが異なる主要なニーズに対応していることを確認する
- セグメント間の相互依存性と優先順位付けのトレードオフを検討する
- フィードバックデータで過小評価されている可能性があるセグメントにフラグを立てる
- 可能な場合、製品利用やカスタマーデータに対して新興セグメントを検証する
- 隣接する行動とセグメント間のパターンを検討する
参考資料
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- phuryn
- リポジトリ
- phuryn/pm-skills
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/phuryn/pm-skills / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。