首派1 生成式评论洞察

解决的问题

在早期产品创新或机会洞察中，团队经常缺少真实用户反馈，只有行业、目标用户和使用场景等零散信息。直接让模型“写用户评论”容易得到建议腔、产品话术，无法还原用户真实表达里的抱怨、无奈、摩擦点，也很难支撑后续的 VOC 分析。该技能把问题拆成角色建模、任务拆解和失败路径推演，先生成可用于讨论的 Synthetic VOC 样本，而不是直接输出解决方案。

工作方式

输入行业、产品、目标角色和使用场景后，它会按固定路径展开：先用 Role Modeling 拆解 3–5 类典型用户，关注能力水平、压力来源、责任边界、使用频率和替代方案；再用 JTBD 视角拆任务链，区分表层动作、真实目的和情感目标；最后用 Failure Mapping 推演高压、赶时间、信息不充分时的出错点、耗时点和 workaround。确认方向后，再生成不少于 60 条第一人称评论，按 角色 × 场景 分组，保留口语、情绪、emoji 和电商/本地生活评论元素。

适用边界

它适合产品早期洞察、评论风格模拟和失败场景推演；不适合替代真实用户访谈、问卷调查或合规数据采集。资料不足时，它可能先补全假设，因此需要人工确认关键前提。B2B/SaaS 场景会更接近内部吐槽和工作群表达，而非消费级好评。