Opportunity Problem Statement — Problem Statement 生成

核心原则

1. 问题是定义出来的不是找到的——Problem Statement是结构化提炼的产物，不是原始数据的简单复述
2. 质量检查即自校正循环——5项检查不通过则自动修复重试，最多3次，仍不通过升级人类
3. 数据支撑每个要素——模板中每个要素必须关联可追溯的数据证据，不可凭空编造
4. 避免解决方案预设——问题描述必须保持问题空间开放，禁止嵌入任何具体方案

交互模式

🤖→👤 AI 建议人类审批

输入

执行步骤

生成模板

结构化模板：

[目标用户群体] 在 [场景] 下，需要 [完成什么任务]，但当前面临 [核心痛点]，因为 [现有方案的不足]，如果这个问题被解决，他们将 [预期收益]。

数据支撑要求：每个关键要素必须附带数据证据。

#### 模板要素拆解

输出

输出文件：output/pm-discovery/opportunity-problem-statement/problem-statement.json

输出Schema：

{
  "type": "object",
  "required": ["problem_statement", "data_support", "template_elements", "quality_check"],
  "properties": {
    "problem_statement": {"type": "string", "description": "完整的Problem Statement文本"},
    "data_support": {"type": "object", "description": "数据支撑，含痛点频率、行为证据和置信度"},
    "template_elements": {"type": "object", "description": "模板各要素拆解"},
    "quality_check": {"type": "object", "description": "5项质量检查结果"},
    "metadata": {"type": "object", "description": "元数据，含来源文件引用"}
  }
}

输出校验规则

{
  "problem_statement": "月活超过1000的SaaS产品运营人员，在月底结算高峰期，需要快速核对多渠道数据一致性，但当前面临手动比对耗时且易错的核心痛点，因为现有工具仅支持单渠道数据导出且缺乏自动校验能力，如果这个问题被解决，他们将把数据核对时间从平均4小时缩短至30分钟以内。",
  "data_support": {
    "pain_point_frequency": "12.3%",
    "behavioral_evidence": "78%的用户在月底会反复导出数据并手动比对",
    "confidence": 0.88
  },
  "template_elements": {
    "target_user": "月活超过1000的SaaS产品运营人员",
    "scenario": "月底结算高峰期",
    "task": "快速核对多渠道数据一致性",
    "core_pain": "手动比对耗时且易错",
    "current_gap": "现有工具仅支持单渠道数据导出且缺乏自动校验能力",
    "expected_benefit": "数据核对时间从平均4小时缩短至30分钟以内"
  },
  "quality_check": {
    "specific_user_group": {
      "passed": true,
      "detail": "指定了'月活超过1000的SaaS产品运营人员'"
    },
    "specific_scenario": {
      "passed": true,
      "detail": "指定了'月底结算高峰期'"
    },
    "current_solution_gap": {
      "passed": true,
      "detail": "描述了'仅支持单渠道数据导出且缺乏自动校验能力'"
    },
    "verifiable": {
      "passed": true,
      "detail": "预期收益可量化：4小时→30分钟"
    },
    "no_solution_preset": {
      "passed": true,
      "detail": "问题描述未包含具体解决方案"
    },
    "all_passed": true,
    "retry_count": 0
  },
  "metadata": {
    "source_persona": "output/pm-discovery/user-research-user-modeling/persona.json",
    "source_jtbd": "output/pm-discovery/insight-jtbd/jtbd.json",
    "source_scoring": "output/pm-discovery/opportunity-scoring/opportunity-scoring.json"
  }
}

字段说明

决策规则

1. 质量检查不通过则自动修改重试：根据未通过的检查项修复 Problem Statement，最多重试3次
2. 3次仍不通过升级人类：将所有尝试版本及检查结果提交人类处理
3. 重试策略：每次重试针对未通过项进行定向修复，保留已通过项不变

通过条件

质量检查

生成后自动执行以下5项质量检查：

检查1：是否指定了具体用户群体？

• 通过：用户群体描述具体（如"月活>1000的SaaS产品运营人员"）
• 不通过：使用泛称（如"用户"、"客户"、"人们"）
• 修复策略：从 persona 数据中提取具体用户群体描述替换

检查2：是否指定了具体场景？

• 通过：场景描述具体且可观察（如"在月底结算高峰期"）
• 不通过：场景模糊或缺失（如"在日常使用中"）
• 修复策略：从行为数据中提取高频场景替换

检查3：是否描述了现有方案不足？

• 通过：明确指出当前方案的1个或多个具体不足
• 不通过：未提及现有方案或仅笼统说"不够好"
• 修复策略：从竞品分析和用户反馈中提取具体不足

检查4：是否可验证？

• 通过：预期收益可量化或可通过实验验证
• 不通过：预期收益模糊（如"体验更好"、"更满意"）
• 修复策略：将模糊收益替换为可量化指标

检查5：是否避免了解决方案预设？

• 通过：问题描述不包含任何具体解决方案
• 不通过：问题描述中隐含或明示了具体方案
• 修复策略：移除方案描述，聚焦问题本身

降级策略

当上游文件不存在时，本Skill仍可独立执行：

数据获取说明：

• 本Skill需要用户研究和需求洞察数据，请通过以下方式之一提供：

1. 直接描述目标用户群体、核心痛点和场景
2. 上传persona.json / jtbd.json / voice-analysis.json等文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

上游变更响应

上游变更影响表

下游通知机制表