So nutze ich KI, um Produktfunktionen zu brainstormen (Keine Meetings, nur Ergebnisse)
In letzter Zeit ertappe ich mich immer öfter dabei, ChatGPT für alle möglichen Dinge zu nutzen.
„Ich habe drei Kartoffeln, eine Karotte und zwei Knoblauchzehen im Kühlschrank. Was kann ich zum Abendessen machen?“ (Tipp: nicht viel.)
„Ich habe eine Idee für ein Startup mit diesen Kriterien. Können wir darauf aufbauen?“ (Spoiler: Ja, das geht.)
Du willst mehr vom The CPO Club?
Registriere dich für eine kostenlose Mitgliedschaft, um diesen Artikel vollständig zu lesen:
Have an account? Log In
Der Grund dafür ist nicht, dass ich vorhabe, den ersten Vorschlag von ChatGPT zu übernehmen und es dabei zu belassen. Vielmehr kann ich als jemand, der seine Gedanken extern verarbeitet, den Problemlösungsprozess nicht beginnen, bevor ich meine Ideen nicht aus dem Kopf bekommen habe – am liebsten in die Hände eines willigen Gesprächspartners.
Ein Brainstorming mit nur einem Gehirn ist nur ein Nieselregen.
Im Zeitalter der Remote-Arbeit ist es jedoch nicht mehr so einfach, spontan jemanden zu finden, um Ideen gemeinsam auszuarbeiten. Bis ich herausgefunden habe, wen ich fragen könnte, dessen Kalender geprüft und einen Termin für nächsten Dienstag organisiert habe ... ist die Idee schon längst wieder vergessen.
Um dieses Problem zu lösen, habe ich oft Tools wie Notion und Miro genutzt, um meinen Gedanken alleine Struktur zu geben. Ich habe darin inzwischen eine gewisse Routine entwickelt, dennoch sehne ich mich nach einem Sparringspartner, der mein Denken weiter anstößt – selbst wenn es nur durch gezielte Rückfragen und wohlwollende Anregungen geschieht.
Mir war gar nicht bewusst, dass ChatGPT hierfür ein brauchbarer Ersatz sein kann. Fast ebenso überzeugend wie die Konversationsfähigkeit des LLMs: ChatGPT steckt nie in einer anderen Besprechung, funktioniert in jeder Zeitzone und wird nie ungeduldig, wenn ich die gleiche Frage dreimal unterschiedlich stelle, um eine etwas abgewandelte Antwort zu bekommen.
Es dauerte nicht lange, bis ich ChatGPT nutzte, um mir bei der Ausarbeitung von Produktfunktionen helfen zu lassen. Ehe ich mich versah, hatte ich ein paar Tipps und Tricks gesammelt, um das Beste aus diesem Tool herauszuholen.
Wie man KI zum Brainstorming von Produktfunktionen nutzt
Um meine KI-gestützte Brainstorming-Technik zu veranschaulichen, habe ich ein Beispielgespräch mit ChatGPT erstellt, in dem es darum geht, Funktionen für eine fiktive Gesundheits- und Fitness-App zu entwickeln.
Um zu verhindern, dass das LLM Daten aus früheren Gesprächen heranzieht, habe ich mich für dieses Gespräch ausgeloggt.
Es sei erwähnt: ChatGPT ist mein bevorzugtes Tool, aber die gleiche Methodik lässt sich problemlos auf andere LLMs übertragen. Nach dem Brainstorming von Produktfunktionen kann man mit KI auch das Backlog-Management und die Priorisierung angehen.
Schritt 1: Kontext geben
Der Schlüssel zu einer produktiven Interaktion mit ChatGPT ist die erste Eingabeaufforderung. Je mehr Kontext du in deiner ersten Nachricht lieferst, desto ergiebiger wird dein Gespräch.
In diesem Beispiel habe ich ein Szenario für eine Produktmanagerin beschrieben, die Feature-Ideen entwickelt für ein SaaS-Fitness-Tool, das Nutzerinnen und Nutzern helfen soll, ihr Trainingsprogramm individuell anzupassen.
Das LLM war ohne große Probleme in der Lage, basierend auf einem geringen Informationsstand eine lange Liste potenzieller Features für das beschriebene Produkt zu erstellen. Es geht bei diesem Prozess nicht darum, diese Vorschläge einfach zu übernehmen. Vielmehr soll man schneller als allein in die erste Phase des Brainstormings gelangen.
Es kann ein Denkpartner sein. Es kann ein schwieriges Gespräch simulieren. Was ist das Wichtigste, was du als Nächstes tun solltest? Die Antworten darauf sind wirklich erstaunlich.
Schritt 2: Tiefer eintauchen
Jetzt, da ich eine Liste habe, mit der ich arbeiten kann, ist es an der Zeit, die Ideen zu bewerten und weiter auszuarbeiten, die mich interessieren. Während ich die Liste durchging, stach mir eine Idee besonders ins Auge.
„Intelligentes Termin- und Verfügbarkeitsmanagement“ spricht mich als potenziell einzigartiges Angebot in der heutigen Fitnesswelt an.
Eine kurze Google-Suche bestätigt, dass es Produkte gibt, die diesen Service in der Fitnessbranche anbieten, aber diese sind ziemlich selten. Es sah so aus, als gäbe es eine Gelegenheit, in diesem Problemfeld etwas Neues zu schaffen. Außerdem ist mein Traum, als vielbeschäftigte berufstätige Mutter eines 14 Monate alten Kindes, jeden Tag zur gleichen Zeit Sport zu treiben, nur noch eine ferne Erinnerung.
Ich bitte ChatGPT, diese Idee weiter zu vertiefen, um zu sehen, wie ein erweitertes Angebot aussehen könnte.
Ich war beeindruckt von der erweiterten Funktionalität, die das LLM zurückgeschickt hat. Mein nächster Schritt war, ChatGPT zu bitten, mir eine User Journey zu skizzieren, die die oben genannten Funktionen einschließt. Ich habe einige Parameter mitgegeben, um die Antwort weiter zu verfeinern.
Es ist wichtig zu bedenken, dass ChatGPT Daten aus dem Internet bezieht und daher sehr wahrscheinlich Ideen von Produkten aufgreift, die bereits online präsent sind. Dennoch ist es eine großartige Möglichkeit, Ideen zu sammeln und den Brainstorming-Prozess anzustoßen.
Eine weitere Option in dieser Phase des Ideenfindungsprozesses wäre, ChatGPT zu bitten, die derzeit am Markt befindlichen Produkte zu analysieren und eine Marktlücke zu identifizieren. Dies fordert das LLM dazu auf, bestehende Online-Produkte zu analysieren und Vorschläge für weniger gesättigte Ideen zu machen. Natürlich müssen alle Vorschläge vom Menschen überprüft werden, aber es ist ein guter Weg, um die Auswahl einzugrenzen.
Schritt 3: Die Idee verfeinern
In diesem Stadium haben wir die Idee, die wir weiterverfolgen wollen, ausgewählt und mit einigen grundlegenden Recherchen bestätigt, dass die Idee einigermaßen einzigartig ist. Nun ist es an der Zeit, diese Idee in eine konkrete Nutzerreise weiterzuentwickeln.
In diesem Schritt habe ich ChatGPT anstelle eines Szenario-Prompts einen Satz an Anweisungen gegeben. Konkret bat ich ChatGPT, „eins oder alle“ der oben beschriebenen Funktionen einzubeziehen, damit es nicht versucht, jedes einzelne Feature zwanghaft in die Nutzerreise zu integrieren, auch wenn dies logisch nicht Sinn ergeben würde.
Außerdem bat ich ChatGPT, in seiner Antwort den Unterschied zwischen von Nutzern gesteuerten und von der Anwendung gesteuerten Aktionen kenntlich zu machen. Abschließend forderte ich das LLM auf, die Nutzerreise vom Login bis zum Logout abzubilden.
Neben der Umsetzung meiner Anweisungen hinsichtlich der Trennung von Nutzer- und Anwendungsaktionen, erstellte ChatGPT sogar eine grobe Nutzerpersona, um die Nutzerreise zu gestalten – obwohl ich das nicht verlangt hatte.
Die Lesbarkeit der Nutzerreise wurde teilweise durch die Beschränkungen der Ausgabefähigkeiten von ChatGPT beeinträchtigt (d.h. in der kostenlosen Version kann ChatGPT ausschließlich in Textform antworten und keine Diagramme oder andere Visualisierungsmittel nutzen).
Dennoch hatte ich das Gefühl, dass ChatGPT dies teilweise kompensierte, indem es am Ende dieses Abschnitts eine Zusammenfassung einfügte, die einen Überblick über sämtliche Nutzer- versus Systemaktionen bot.
Nach dem Durchgehen der Nutzerreise fielen einige markante Auslassungen auf. Zum einen fehlte ein Prozess für die Integration des persönlichen Kalenders des Nutzers mit dem Anwendungskalender, was die Grundlage für die dynamische Terminplanung bilden würde.
Zweitens gab es keine Erinnerungsfunktion, die den Nutzer auf bevorstehende Workouts aufmerksam macht. Ich dokumentierte diese Anpassungen und fügte sie in das Gespräch hinzu. Jedes Mal reagierte das LLM mit einer aktualisierten Nutzerreise, die meine Änderungswünsche berücksichtigte.
Schritt 4: Von Ideen zur Umsetzung
Der letzte Schritt dieses Experiments bestand darin, diese Ideen zu Funktionen und Nutzerreisen in eine greifbare, übergeordnete „Jetzt, Nächster, Später“-Roadmap zu überführen, die theoretisch umgesetzt werden könnte. Hier ist das Prompt, mit dem ich diesen Prozess angestoßen habe.
ChatGPT lieferte eine umfassende Liste von Anforderungen, gegliedert in User Stories und Akzeptanzkriterien, die in „Jetzt, Nächster, Später“-Roadmap-Punkte kategorisiert wurden.
Ich habe keine Definitionen dafür vorgegeben, was einen „Jetzt“, „Nächster“ oder „Später“-Punkt in meiner Roadmap ausmacht. In Ermangelung dieser Vorgaben definierte ChatGPT die Kategorien auf Grundlage von Erklärungen, die es im Internet fand, selbstständig. Ich war mit diesen Definitionen zufrieden und habe keine Änderungen angemahnt.
Es ist jedoch wichtig zu betonen, dass je mehr Parameter man ChatGPT zur Verfügung stellt, desto stärker passen sich die Ergebnisse den eigenen Präferenzen an.
Steigern Sie Ihre Kapazität und Kreativität
Abschließend lässt sich festhalten: ChatGPT und andere LLMs können ein wertvoller Sparringspartner für das Arbeiten an Produktideen sein.
Ich persönlich empfinde die erste Phase der Produktideenfindung als am herausforderndsten und brauche dort die meiste Rückmeldung von außen. Genau an dieser Stelle nutze ich ChatGPT am liebsten, um die Anfangshürden beim Brainstorming zu überwinden. Häufig lasse ich mir auch eine erste, grobe Einschätzung liefern, wie einzigartig oder gut positioniert eine bestimmte Idee ist.
Wenn Sie es wünschen, können ChatGPT und andere LLMs Sie jedoch so weit im Prozess voranbringen, dass Sie eine grobe Roadmap erhalten, die sich leicht in einen konkreteren Plan umsetzen lässt. Bei richtiger Anwendung haben diese Tools das Potenzial, die Leistungsfähigkeit und Kreativität eines jeden Produktteams erheblich zu steigern.
Vergessen Sie nicht, unseren Newsletter zu abonnieren, um weitere Ressourcen und Leitfäden zum Produktmanagement sowie die neuesten Podcasts, Interviews und weitere Einblicke von Branchenführern und Experten zu erhalten.
