Agent Skills
返回列表
Lyssna 销售线索与客户运营

Lyssna 销售线索与客户运营

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/sales-lyssna。

技能介绍

你要解决的问题

手上有一份设计稿、原型或线上站点,想知道真实用户能不能顺利用起来——但摆在面前的第一道题是:该跑哪种测试?Five-second test 看的是第一印象,tree test 看的是导航结构,两者根本不是一回事。跑完之后,还要解读 first-click accuracy、card-sort similarity 这些指标,处理回收站里堆积的无效问卷,考虑要不要动用 690k+ 的付费 panel。做决定时,又会被 Free 计划的响应上限、按用量计费的 panel 成本绕晕。所有这些问题,Lyssna 官方文档散在十几个页面里,而本技能把答案收敛成一条可执行的路径。

技能如何工作

  • 收集上下文(Step 1):先读 references/learnings.md 里积累的平台知识;只追问无法推断的事实——你要的是什么(选测试类型、招人、修复垃圾数据、取数、还是选型对比),以及你测的是已经做出来的东西还是还没决定要不要做的东西。后者是需求验证问题,不是可用性问题。
  • 判断路由(Step 2):如果问题本质是「要不要立项」「需要 API/webhook 管道」「分析已有 NPS/CSAT 反馈」「要 think-aloud 录像」,技能会给出确切路由命令(如 /sales-idea-validation {question}),而不是用 Lyssna 硬答。
  • 平台参考(Step 3):完整的测试类型目录、自动化边界表、尽力而为的套餐门槛、数据模型与招募方式,集中在 references/platform-guide.md,按需取读而不是整篇倾泻。
  • 可操作建议(Step 4):不管问什么,都会给出针对当前问题的具体建议——测试类型与研究问题是否匹配(别拿 five-second test 测导航)、参与者数量(定性每组约 5 人、定量 30+)、以及 plan 限制预警。

适用边界与注意点

  • 可用性指标 != 需求验证。高任务完成率只说明设计「能用」,不能说明陌生人「会买」。还没决定立项时,go/no-go 应交给真实行为测试。
  • Lyssna 是纯 UI 工具:无公开 API、webhook、Zapier 或 MCP。把结果推入 HubSpot/Snowflake 只有手动 CSV export 一条路;现有集成仅覆盖 Figma 原型导入和日历/会议预约。
  • 垃圾响应先修问卷设计,别怪 panel:把开放式问题改写成明确的目标型任务,加 screener 和注意力检测;panel 偏向美国用户,非 US 受众建议收紧筛选条件或用 share link 自招。
  • Quick vs in-depth 决定用量上限:五种 quick study 在付费计划下不限次,访谈类深度研究在 Growth 计划下按 5 次/月计量;subscription 与 panel 按人头计费是两笔独立的账。
  • 定价与限制为尽力整理(2026-07),所有数字以官方 lyssna.com/pricing 为准。

使用场景

  • 拿到新版线框图并已设计完整原型,需要判断用户能否完成核心导航任务,该在五种 quick test 中选哪一种。
  • 已经投放问卷,但开放题全是「Yes」这种无效答案,需要通过修订任务描述和加入注意力检测来清洗数据。
  • 项目需要把测试结果同步进 HubSpot,但不想自己搭建多余的认证服务,确认 Lyssna 的合规取数方式。
  • 团队处于起步期,预算紧张,想在 Free 计划做非正式调研,需要确认用量上限和限制的功能边界。

适合人员

  • 产品设计师,需要按研究问题在 quick test 与原型测试中快速选型,但不想翻完整套官方文档。
  • 用研研究员,处理回收的问卷时需要区分 first-click 和 tree test 的适用场景,并向客户解释不能以可用性数据背书购买意愿。
  • 销售工程师,需要向客户说明为什么不是所有自动化 pipeline 都可行,且无法通过私有 API 对接核心数据。