AI असल में PM के हफ़्ते में कहां फ़िट होता है
प्रोडक्ट मैनेजमेंट एक ही कैलेंडर साझा करने वाली चार अलग-अलग नौकरियां हैं। आप बहुत कुछ पढ़ते हैं (फीडबैक, टिकट, ट्रांसक्रिप्ट, एनालिटिक्स एक्सपोर्ट), बहुत कुछ लिखते हैं (स्पेक्स, अपडेट, ब्रीफ), थोड़ा विश्लेषण करते हैं (फ़नल, कोहोर्ट, सर्वे नतीजे), और लगातार समझाते रहते हैं। इनमें से हर काम के लिए अलग मॉडल बेहतर होता है, यही वजह है कि एक ही AI सब्सक्रिप्शन काम का करीब दो तिहाई हिस्सा कवर करता है और बाकी हिस्सा एक संघर्ष जैसा महसूस होता है।
| PM टास्क | बेस्ट मॉडल | क्यों |
|---|---|---|
| PRD नैरेटिव, प्रॉब्लम स्टेटमेंट, प्रोडक्ट अपडेट | Claude | लंबी दलील को संभालता है, ऐसा गद्य लिखता है जिसे इंजीनियर वाकई पढ़ेगा |
| फीडबैक थीमिंग, टिकट क्लस्टरिंग, स्ट्रक्चर्ड एक्सट्रैक्शन | GPT | सख्त आउटपुट फॉर्मैट और लगातार कैटेगरी लेबल में भरोसेमंद |
| डिस्कवरी रिसर्च, कॉम्पिटिटर स्कैन, मार्केट कॉन्टेक्स्ट | Gemini | हाल के वेब मटीरियल पर सबसे अच्छा, ऐसे सोर्स देता है जिन्हें आप खोल सकते हैं |
| लंबे ट्रांसक्रिप्ट, रिसर्च डेक, 100 पेज की रिपोर्ट | Gemini | 1M टोकन कॉन्टेक्स्ट विंडो, तो पूरा कॉर्पस एक ही पास में फिट हो जाता है |
| स्पेक क्रिटीक और एज केस हंटिंग | जिस मॉडल ने स्पेक नहीं लिखा | एक स्वतंत्र पाठक वह पकड़ लेता है जो लेखक नहीं पकड़ पाता |
इनमें से कुछ भी यह तय नहीं करता कि क्या बनाना है, यह फैसला अब भी आपका है। यह सिर्फ़ इनपुट मिलने और उन्हें लिख देने के बीच की दूरी को कम करता है, और यही वह जगह है जहां ज़्यादातर PM हफ़्तों का समय असल में बह जाता है। स्विच करना भी सस्ता है: Whizi Pro पर एक Claude Sonnet 5 मैसेज 2,000 क्रेडिट की मासिक सीमा में से 10 क्रेडिट खर्च करता है, एक GPT-5.6 Luna एक्सट्रैक्शन 1 क्रेडिट खर्च करता है, और Gemini 3.7 Flash ट्रांसक्रिप्ट को प्रति मैसेज 2 क्रेडिट में पढ़ता है।
ऐसा PRD लिखना जिसे इंजीनियर वापस नहीं भेजेगा
ज़्यादातर AI से लिखे गए स्पेक्स एक ही चीज़ में फेल होते हैं: वे किसी फ़ैसले की बजाय किसी फ़ीचर का वर्णन करते हैं। इंजीनियरिंग को इस बारे में पैराग्राफ़ नहीं चाहिए कि ग्राहक क्यों मायने रखता है। उसे स्टेट्स, एज केस और यह चाहिए कि कॉल फेल होने पर क्या होता है। इसके लिए साफ़ तौर पर प्रॉम्प्ट करें और आउटपुट का पूरा स्वभाव बदल जाता है।
प्रॉम्प्ट: पहले प्रॉब्लम स्टेटमेंट
PRD के प्रॉब्लम स्टेटमेंट सेक्शन को लिखें। मेरे पास सबूत हैं: [सपोर्ट टिकट, एनालिटिक्स, इंटरव्यू कोट्स पेस्ट करें]। कोई समाधान प्रस्तावित न करें। यह लौटाएं: किसे यह समस्या है, कितनी बार, वे अभी इसकी बजाय क्या करते हैं, इसकी उन्हें क्या कीमत चुकानी पड़ती है, और अगर यह हल हो जाए तो क्या बदलने की उम्मीद होगी। मेरे पेस्ट किए सबूत से समर्थित न होने वाले किसी भी दावे को ASSUMPTION के तौर पर चिह्नित करें।
प्रॉम्प्ट: स्पेक बॉडी
इसे एक इंजीनियरिंग टीम के लिए स्पेसिफिकेशन में बदलें। फ़ीचर: [विवरण]। कवर करने के लिए यूज़र स्टेट्स: [लिस्ट]। यह लौटाएं: एक्सेप्टेंस क्राइटेरिया के साथ यूज़र स्टोरीज़, हर स्टेट जिसमें empty, loading, error और permission denied शामिल हों, जब कोई डिपेंडेंसी उपलब्ध न हो तो व्यवहार, उनके प्रॉपर्टीज़ के साथ एनालिटिक्स इवेंट्स, और खुले सवाल। ऐसी कोई भी रिक्वायरमेंट न बनाएं जो मैंने नहीं बताई। आपने अंत में जो कुछ मान लिया है, उसे एक अलग सेक्शन में लिस्ट करें।
प्रॉम्प्ट: क्रिटीक पास
इस स्पेक को एस्टिमेशन से पहले रिव्यू कर रहे एक स्टाफ इंजीनियर के तौर पर काम करें। सिर्फ़ समस्याएं लिस्ट करें: अनडिफाइंड बिहेवियर, मिसिंग स्टेट्स, आपस में टकराने वाली रिक्वायरमेंट्स, छुपा हुआ माइग्रेशन काम, और कुछ भी जो रिफाइनमेंट में फॉलो-अप सवाल पैदा करेगा। स्पेक को दोबारा न लिखें।
तीसरा प्रॉम्प्ट ऐसे मॉडल में चलाएं जिसने स्पेक नहीं लिखा। यह भरोसेमंद तरीके से वे तीन सवाल सामने लाता है जो आपकी टीम वैसे भी रिफाइनमेंट में उठाती, और उन्हें पहले से जवाब देना 20 मिनट के ग्रूमिंग सेशन और 50 मिनट के सेशन के बीच का फ़र्क़ है।
कच्चे फीडबैक को ऐसी चीज़ में बदलना जिसे आप प्राथमिकता दे सकें
प्रोडक्ट मैनेजमेंट में सबसे ज़्यादा फ़ायदा देने वाला AI टास्क लिखना नहीं है। यह 400 फीडबैक को ऐसे रूप में पढ़ना है जिस पर आप काम कर सकें। मैन्युअली किया जाए तो यह आधे दिन का काम है। एक मॉडल के साथ अच्छे से किया जाए तो यह 20 मिनट का है, और क्वालिटी लगभग पूरी तरह इस पर निर्भर करती है कि आप स्थिर कैटेगरी बनाने पर ज़ोर देते हैं या नहीं।
प्रॉम्प्ट: पहला पास थीमिंग
यह रहा कच्चा ग्राहक फीडबैक। इसे थीम में क्लस्टर करें। हर थीम के लिए लौटाएं: एक लेबल, आइटम्स की गिनती, भाषा से झलकती गंभीरता, बिल्कुल वैसा ही कॉपी किया गया एक प्रतिनिधि कोट, और क्या थीम एक बग है, एक मिसिंग कैपेबिलिटी है, एक यूज़ेबिलिटी प्रॉब्लम है, या एक एक्सपेक्टेशन मिसमैच है। अलग-अलग रूट कॉज़ वाली थीम को मत मिलाएं भले ही शब्द मिलते-जुलते हों। कोट्स का पैराफ्रेज़ न करें। फीडबैक: [पेस्ट करें]।
प्रॉम्प्ट: तय टैक्सोनॉमी के खिलाफ़ दूसरा पास
इसी फीडबैक को सिर्फ़ इन कैटेगरी का इस्तेमाल करके फिर से क्लासिफाई करें: [अपनी मौजूदा टैक्सोनॉमी पेस्ट करें]। जो कुछ फिट नहीं बैठता वह UNCLASSIFIED में जाए, स्पष्टीकरण के साथ। कैटेगरी, गिनती और प्रतिशत की एक टेबल लौटाएं।
दो-पास स्ट्रक्चर मायने रखता है। पहला पास आपको बताता है कि डेटा में असल में क्या है। दूसरा नतीजे को पिछली तिमाही से तुलना करने लायक बनाता है, यही इसे सिर्फ़ दिलचस्प नहीं बल्कि प्राथमिकता तय करने वाली बातचीत में इस्तेमाल करने लायक बनाता है।
| क्या मांगें | क्या मिलेगा | यह किसलिए अच्छा है |
|---|---|---|
| गिनती के साथ थीम | प्रॉब्लम एरिया की रैंक की गई लिस्ट | रोडमैप इनपुट, तिमाही प्लानिंग |
| सिर्फ़ वर्बेटिम कोट्स | बिना बदली गई ग्राहक भाषा | कॉपी, पोज़िशनिंग, एग्ज़ीक्यूटिव को समझाना |
| गंभीरता और फ्रीक्वेंसी का विभाजन | दर्द बनाम वॉल्यूम का 2x2 | पहले क्या ठीक करना है यह तय करना |
| विरोधाभास | जहां सेगमेंट्स उलटी चीज़ें चाहते हैं | जल्दी झूठी सहमति पकड़ना |
वह आखिरी पंक्ति एक स्थायी प्रॉम्प्ट के लायक है: इस फीडबैक में अलग-अलग यूज़र कहां असंगत चीज़ें चाहते हैं? सेगमेंट्स और ट्रेडऑफ़ का नाम बताएं। एक थीम लिस्ट असहमति को चपटा कर देती है, और असहमति आमतौर पर डेटा में सबसे उपयोगी चीज़ होती है।
डिस्कवरी, कॉम्पिटिटर्स, और वह रिसर्च जिसके लिए आपके पास कभी समय नहीं होता
डिस्कवरी वह काम है जो सबसे पहले कट जाता है जब रिलीज़ लेट होती है, और ठीक तभी एक गलत फैसला सबसे महंगा पड़ता है। मॉडल-असिस्टेड स्कैनिंग ग्राहकों से बात करने की जगह नहीं लेती, लेकिन यह किसी फैसले में अंधे होकर जाने के बहाने की जगह ज़रूर लेती है।
प्रॉम्प्ट: कॉम्पिटिटर टियरडाउन
[कॉम्पिटिटर] [जॉब टू बी डन] को कैसे हैंडल करता है, इसका एक टियरडाउन बनाएं। कवर करें: उनके अपने शब्दों में बताई गई पोज़िशनिंग, उनके हेल्प सेंटर में दर्ज फ्लो, जहां पब्लिक है वहां प्राइसिंग, पिछले 12 महीनों में तारीखों के साथ क्या बदला, और पब्लिक रिव्यू में दिखने वाली शिकायत की थीम। हर दावे को एक URL से साइट करें। कंपनी जो बताती है और थर्ड पार्टी जो देखते हैं, उसे अलग करें।
प्रॉम्प्ट: इंटरव्यू सिंथेसिस
ये इंटरव्यू ट्रांसक्रिप्ट पढ़ें। लौटाएं: यूज़र किन जॉब्स को पूरा करने की कोशिश कर रहे हैं, उन्होंने कौनसे वर्कअराउंड बनाए हैं, वे पल जहां उन्होंने सटीक कोट्स के साथ निराशा जताई, और कोई भी जगह जहां यूज़र ने जो कहा वह उसके बताए व्यवहार से टकराता हो। ट्रांसक्रिप्ट से आगे बढ़कर सामान्यीकरण न करें। अगर कोई पैटर्न तीन से कम इंटरव्यू में दिखे, तो उसे पैटर्न की बजाय एक अकेला ऑब्ज़र्वेशन बताएं।
वह आखिरी शर्त वही है जिसे PM सबसे ज़्यादा भूलते हैं। मॉडल साफ़-सुथरे पैटर्न बनाने के लिए उत्सुक रहते हैं, और दो इंटरव्यू से निकला एक साफ़ पैटर्न वह तरीका है जिससे रोडमैप ऐसे ग्राहक की सेवा करने लगता है जो असल में मौजूद ही नहीं है। हर दावे के साथ गिनती मांगें।
एग्ज़ीक्यूटिव नैरेटिव और लॉन्च कम्युनिकेशन
एक ही कंटेंट को चार अलग ऊंचाइयों पर मौजूद रहना पड़ता है: इंजीनियरिंग के लिए एक स्पेक, टीम के लिए एक अपडेट, लीडरशिप रिव्यू के लिए एक पैराग्राफ़, और ग्राहकों के लिए एक लॉन्च नोट। ऊंचाइयों के बीच दोबारा लिखना इस काम का सबसे मैकेनिकल हिस्सा है और सौंपने में सबसे आसान भी।
प्रॉम्प्ट: ऊंचाई बदलना
इसे [ऑडियंस] के लिए फिर से लिखें। उन्हें [खास चिंताएं] की परवाह है। इस प्रोडक्ट एरिया पर उनके पास [स्तर] का कॉन्टेक्स्ट है। हर तथ्यात्मक दावे को बिल्कुल वैसा ही रखें। लंबाई: [सीमा]। बैकग्राउंड की बजाय फैसले या नतीजे से शुरुआत करें। ड्राफ्ट: [पेस्ट करें]।
प्रॉम्प्ट: लीडरशिप पैराग्राफ़
इस अपडेट को उस एग्ज़ीक्यूटिव के लिए 120 शब्दों में समेटें जो इसे एक ही बार पढ़ेगा। स्ट्रक्चर: क्या बदला, हमने जिस मेट्रिक के लिए प्रतिबद्धता जताई थी उसके लिए इसका क्या मतलब है, हमें उनसे क्या चाहिए, और उनका ध्यान देने लायक एकमात्र जोखिम। कोई भी ऐसा विशेषण नहीं जो मापा न गया हो।
प्रॉम्प्ट: प्री मॉर्टम
मान लें कि यह लॉन्च छह महीने बाद फेल हो गया। नीचे दिए प्लान में जो कुछ है सिर्फ़ उसी का इस्तेमाल करते हुए, संभावना के क्रम में तीन सबसे प्रशंसनीय वजहें लिखें। हर एक के लिए, वह शुरुआती संकेत बताएं जिस पर हम नज़र रख सकते थे। प्लान: [पेस्ट करें]।
सभी चार ऊंचाइयों को एक ही Whizi थ्रेड में रखें। लॉन्च नोट स्पेक और फीडबैक एनालिसिस से कॉन्टेक्स्ट विरासत में लेता है, तो जब भी आप ऑडियंस बदलें आपको फ़ीचर दोबारा नहीं समझाना पड़ता।
जहां AI ख़ासतौर पर प्रोडक्ट मैनेजर्स को गुमराह करता है
तीन फेलियर मोड इस काम में ज़्यादातर दूसरों की तुलना में ज़्यादा मायने रखते हैं।
गढ़े गए वर्बेटिम। अगर आप मॉडल को सोर्स टेक्स्ट से जोड़े बिना प्रतिनिधि कोट्स मांगते हैं, तो कभी-कभी आपको एक ऐसा प्रशंसनीय वाक्य मिलेगा जो किसी ग्राहक ने कभी कहा ही नहीं। हमेशा निर्देश दें कोट्स को बिल्कुल वैसे ही कॉपी करें, पैराफ्रेज़ न करें, और किसी भी कोट के स्लाइड तक पहुंचने से पहले उनमें से तीन को कच्चे डेटा से मिलाकर जांच लें।
छोटे सैंपल से झूठा भरोसा। एक मॉडल आठ सपोर्ट टिकट को ठीक वैसे ही भरोसे के साथ थीम करेगा जैसे वह आठ सौ को करता है। हर थीम के लिए गिनती मांगें, और मुट्ठी भर से कम इंस्टेंस वाली किसी भी चीज़ को सिग्नल की बजाय एक ऑब्ज़र्वेशन मानें।
रोडमैप थिएटर। किसी मॉडल से अपना बैकलॉग प्राथमिकता तय करने को कहना सिर्फ़ आपके टिकट के शब्दों से निकली एक भरोसेमंद रैंकिंग देता है। इसे आपकी स्ट्रैटेजी, आपकी क्षमता, आपके टेक्निकल डेट, या अगली तिमाही बंद होने वाली डील तक कोई पहुंच नहीं है। इसे ट्रेडऑफ़ को स्ट्रक्चर देने के लिए इस्तेमाल करें, फ़ैसला लेने के लिए कभी नहीं।
- Claude में एक PRD प्रॉम्प्ट टेम्पलेट सेव करें और किसी दूसरे मॉडल में चलाने के लिए एक क्रिटीक प्रॉम्प्ट
- GPT में अपनी मौजूदा टैक्सोनॉमी पेस्ट करके एक फीडबैक थीमिंग टेम्पलेट सेव करें
- Gemini में एक कॉम्पिटिटर स्कैन टेम्पलेट सेव करें जो हर दावे के लिए URL मांगे
- हमेशा थीम के साथ गिनती मांगें, और छोटी गिनती को ऑब्ज़र्वेशन मानें
- मॉडल को वर्बेटिम बिल्कुल वैसे ही कॉपी करने का निर्देश दें, फिर सोर्स से तीन की जांच करें
- लॉन्च रिव्यू से पहले हर लॉन्च प्लान पर प्री मॉर्टम चलाएं, बाद में नहीं
- स्पेक, फीडबैक और लॉन्च कम्युनिकेशन को एक ही थ्रेड में रखें ताकि कॉन्टेक्स्ट आगे बढ़ता रहे
अक्सर पूछे जाने वाले सवाल
क्या मैं ग्राहक इंटरव्यू पेस्ट कर सकता हूं?
हां। लंबे ट्रांसक्रिप्ट के लिए Gemini इस्तेमाल करें: इसका 1M टोकन कॉन्टेक्स्ट विंडो करीब 2,000 पेज टेक्स्ट संभाल सकता है, तो इंटरव्यू का पूरा सेट टुकड़ों में बांटे बिना एक ही पास में फिट हो जाता है। पहले नाम, ईमेल और कंपनी की पहचान हटा दें। रोल और सेगमेंट ही एनालिसिस के लिए काफ़ी हैं, और बाकी हटाने से आप ज़्यादातर इंटरनल डेटा पॉलिसी से बचे रहते हैं।
क्या Whizi Jira या Linear के साथ इंटीग्रेट होता है?
अभी नेटिव रूप से नहीं। व्यवहार में वर्कफ़्लो यह है कि Whizi में स्ट्रक्चर्ड आउटपुट बनाएं (एक्सेप्टेंस क्राइटेरिया के साथ यूज़र स्टोरीज़, गिनती के साथ थीम की एक टेबल) और उसे अपने ट्रैकर में पेस्ट कर दें, जिसमें कुछ ही सेकंड लगते हैं क्योंकि फॉर्मैट पहले से वही है जो ट्रैकर उम्मीद करता है। अगर आप उन्हें अलग-अलग पेस्ट करना चाहते हैं तो आउटपुट को Markdown टेबल के रूप में या हर ब्लॉक के लिए एक इश्यू के रूप में मांगें।
कौनसा मॉडल सबसे अच्छा PRD लिखता है?
Claude नैरेटिव सेक्शन के लिए, यानी प्रॉब्लम स्टेटमेंट, तर्क, और वह सब कुछ जिसके लिए इंसान को समझाना ज़रूरी है। GPT स्ट्रक्चर्ड सेक्शन के लिए, यानी यूज़र स्टोरीज़, एक्सेप्टेंस क्राइटेरिया, स्टेट टेबल और एनालिटिक्स इवेंट डेफिनिशन। दोनों के बीच डॉक्यूमेंट बांटने में सिर्फ़ एक अतिरिक्त मॉडल स्विच लगता है और एडिटिंग पास काफ़ी कम हो जाता है।
क्या इंटरनल रोडमैप या रेवेन्यू डेटा पेस्ट करना सुरक्षित है?
Whizi आपकी बातचीत पर ट्रेन नहीं करता, और हर प्रोवाइडर की डेटा पॉलिसी उस मॉडल को इनेबल करने से पहले उपलब्ध होती है। आमतौर पर आपकी कंपनी की पॉलिसी ज़्यादा सख्त शर्त होती है। एक भरोसेमंद आदत यह है कि पूर्ण आंकड़ों की बजाय संवेदनशील आंकड़ों को इंडेक्स करें, क्योंकि सापेक्ष बदलाव का विश्लेषण बिल्कुल वैसे ही काम करता है और नंबर संवेदनशील नहीं रह जाते।
क्या AI मेरे बैकलॉग को प्राथमिकता दे सकता है?
यह ट्रेडऑफ़ को स्ट्रक्चर दे सकता है, जो वाकई उपयोगी है: आपके तय किए क्राइटेरिया के खिलाफ़ आइटम्स को स्कोर करना, यह उजागर करना कि दो आइटम एक-दूसरे पर कहां निर्भर हैं, और यह दिखाना कि कोई खास चुनाव किन सेगमेंट्स की सेवा करता है। यह फ़ैसला नहीं ले सकता, क्योंकि इसकी आपकी स्ट्रैटेजी, आपकी टीम की क्षमता, या कमर्शियल कॉन्टेक्स्ट तक कोई पहुंच नहीं है। इसकी बनाई किसी भी रैंकिंग को चर्चा के लिए एक प्रॉम्प्ट मानें।