gingiris-user-interview

Gingiris用户访谈剧本数据集是一个系统化的用户访谈框架与资源集合，旨在为产品团队提供一套经过实战检验的、用于发现产品市场契合度（PMF）和进行客户发现的完整方法论。该数据集基于HeyGen在6个月内完成937次用户访谈并成功找到PMF的经验，以及Wisperflow、Higgsfield等公司进行500+次访谈的实践。核心内容涵盖用户访谈的全流程：从前期准备（如定义访谈目标、按优先级筛选P0/P1/P2候选用户、提供多轮邀约模板），到访谈执行（包括标准开场脚本、深入的核心问题框架，涉及背景了解、当前工作流、竞品比较、痛点发现、付费意愿探索，以及强调屏幕共享观察的关键技术），再到访谈后分析（包含用户分级标准，将用户按使用频率、深度、付费状态等维度分为S/A/B/C级，并提供复盘模板、用户画像表和功能需求追踪模板）。此外，数据集还推荐了用户研究各环节的实用工具。该数据集以文本指南、结构化模板和表格为主要形式，适用于用户研究、产品市场验证、定性分析、用户体验优化、产品迭代和增长黑客等场景。The Gingiris User Interview Script Dataset is a systematic user interview framework and resource collection designed to provide product teams with a proven, comprehensive methodology for discovering product-market fit (PMF) and conducting customer discovery. Based on HeyGens experience of completing 937 user interviews and successfully finding PMF within 6 months, as well as the practices of companies like Wisperflow and Higgsfield with over 500 interviews, the dataset covers the entire user interview process. This includes pre-interview preparation (e.g., defining interview goals, prioritizing P0/P1/P2 candidate users, providing multiple rounds of invitation templates), interview execution (including standard opening scripts and in-depth core question frameworks covering background understanding, current workflows, competitor comparisons, pain point identification, willingness to pay exploration, and key techniques like screen sharing observation), and post-interview analysis (including user grading criteria that categorize users into S/A/B/C levels based on usage frequency, depth, payment status, etc., along with review templates, user persona tables, and feature requirement tracking templates). Additionally, the dataset recommends practical tools for various stages of user research. It primarily consists of text guides, structured templates, and tables, and is suitable for scenarios such as user research, product market validation, qualitative analysis, user experience optimization, product iteration, and growth hacking.

原始信息汇总

数据集概述

数据集名称：Gingiris User Interview Playbook — PMF Discovery, HeyGen 937 Interviews Framework

数据集地址：https://huggingface.co/datasets/Gingiris/gingiris-user-interview

许可协议：MIT

语言：英语、中文、日语、韩语

数据集大小：<1K 条记录

标签：用户研究、用户访谈、产品-市场匹配、客户发现、定性研究、用户体验研究、创业营销、AI增长、增长黑客、产品开发、客户成功、流失预防、增长、创业

---

数据集简介

该数据集提供一套经过实战检验的用户访谈框架，源自 HeyGen 公司在 6 个月内完成的 937 次用户访谈，旨在帮助产品和创业团队发现产品-市场匹配（PMF）。框架覆盖从用户筛选、访谈执行到事后分析的全流程。

---

核心方法论

• PMF 验证三大阶段：

  • 第一阶段（第1周）：用户分层筛选 — 重度用户（连续使用4周以上）、流失用户（最近30天取消）、激活但停滞用户（注册后低参与度）
  • 第二阶段：JTBD（Jobs to be Done）格式访谈脚本 — 包含 12 个映射到 PMF 信号的核心问题
  • 第三阶段：评分 — 若超过 40% 用户回答“若移除产品会非常失望”，则表明强 PMF；低于 40% 则需调整方向

• 关键基准指标：

  • 注册到付费转化率目标：5%-8%
  • 最低访谈频率：每周 3-5 次
  • 每次访谈可操作洞察：至少 3 个功能请求

---

数据内容结构

模块	内容
访谈准备	定义访谈目标、筛选面试候选人（P0/P1/P2 分层）、邀约模板与跟进节奏
访谈执行	时长 30-45 分钟、视频会议、强制录屏、1 名主持+1 名记录员、开场脚本
核心问题框架	背景问题、工作流深挖、竞品对比、痛点发现、付费意愿、屏幕共享观察
闭场与跟进	大使邀请、推荐人、访谈后分析模板
用户评级标准	按使用频率、使用深度、付费状态、参与度、社交影响力划分 S/A/B/C 四个层级
模板与工具	访谈汇报模板、用户画像表、功能请求追踪表；推荐工具包括 Typeform、Grain、Airtable、Calendly、LinkedIn

---

用户分级策略

层级	特征	策略
S 级	重度用户 + 付费 + 愿意推荐	优先邀请为大使，CEO/PM 直接联系
A 级	重度用户 + 付费潜力	授予 Beta 访问权限，定期回访
B 级	偶尔使用 + 无明确付费意图	引导使用核心功能，推动转化
C 级	低活跃 + 无付费意图	减少投入，观察自然留存

---

常见问题处理

• 用户不愿参加访谈：提供激励（如 50 美元礼品卡）、强调对产品改进的影响、从最活跃用户开始
• 用户紧张无法表达：从轻松话题开始、分享行业资讯、让用户先演示产品
• 用户功能请求过多：追问“只能选一个你会选哪个”、检查是否匹配核心用例、对照产品路线图
• 判断用户是否只是礼貌性反馈：观察屏幕共享中的真实行为、追问细节、付费意愿是最诚实的信号

---

数据集适用场景

• B2B SaaS 产品的 PMF 验证
• 创业初期的用户发现与需求验证
• 用户流失原因诊断
• 产品迭代方向决策

搜集汇总

数据集介绍

构建方式

该数据集基于HeyGen在6个月内完成的937次用户访谈实践构建而成，提炼了从产品-市场匹配（PMF）发现到用户深度洞察的完整方法论。构建过程遵循系统化的用户研究流程，包括访谈目标设定、候选用户分层筛选（P0付费用户与核心用户至P2注册未付费用户）、标准化邀约模板与多通道触达策略，以及包含屏幕共享观察与团队分工（主持人与记录员）的执行规范。此外，数据集整合了JTBD（待办任务）脚本、评分框架、流失诊断问题及事后复盘模板，形成端到端的可复用框架。

特点

该数据集的核心特点在于其源自真实商业成功案例的实战验证性，不仅提供理论框架，更包含经过HeyGen、Wisperflow等企业实践证明的量化基准与用户分级标准（S至C级）。内容覆盖从背景调查、痛点挖掘、竞品对比到付费意愿探询的完整问题库，并强调屏幕共享观察与情感反应捕捉的深度定性方法。数据集以多语言（中英日韩）呈现，支持通过ClawHub工具一键安装至AI代理，实现即时的访谈计划生成与PMF验证对话。

使用方法

使用该数据集时，用户可通过ClawHub命令行工具快速安装，随后向AI代理提出如‘帮我设计PMF验证访谈’等指令，即可获得分阶段执行的行动计划。数据集适合产品经理、创业者和用户研究人员在B2B SaaS场景中应用，典型流程包括：基于用户活跃度与付费状态划分访谈分层，运用JTBD格式的问题模板执行30-45分钟的视频访谈，并采用‘非常失望若移除’评分法量化PMF信号。推荐配合Airtable管理用户数据库、Grain录制会议，并遵循每日3-5次的最低访谈频率以确保洞察的持续积累。

背景与挑战

背景概述

在初创企业与产品驱动增长（PLG）的浪潮下，如何系统性地验证产品-市场契合（PMF）始终是决定初创企业生存与扩张的核心命题。Gingiris User Interview Playbook数据集由前AFFiNE联合创始人兼COO Iris（生姜iris）主导构建，依托其曾将产品从零推向百万用户以及作为HeyGen实现5000万美元ARR的核心操盘经验，于2024年整理并开源。该数据集提炼自HeyGen创始人亲自执行的937次用户访谈方法论，集成了任务-工作成果（JTBD）脚本、用户分层筛选准则、评分框架及流失诊断问题库，对AI初创企业与B2B SaaS在PMF探索、用户留存与增长策略领域产生了深远影响，成为连接定性研究与定量增长的标准化工具。

当前挑战

该数据集应对的领域核心挑战在于如何以结构化方式破解PMF验证这一高失败率环节，其方法论直接应对初创企业常因访谈目标模糊、样本偏差或缺乏分析框架而导致资源浪费的困境。构建过程中，该数据集面临双重挑战：一是需要从大量海量、非结构化的真实用户访谈记录中提炼出可复用的模板与评分标准，确保框架既忠实践于一线经验又具备通用性；二是要在跨语言（中英日韩）、多用户角色（付费用户、流失用户、沉默用户）和不同产品阶段下保持方法论的一致性与可操作性，最终形成从邀约、执行到后分析的端到端标准化动作链条。

常用场景

经典使用场景

在创业与产品增长领域，该数据集最经典的使用场景在于指导初创企业系统性地开展用户访谈，以验证产品与市场匹配（PMF）。它提供了一套从用户分层筛选、邀约话术到访谈脚本执行的完整方法论，尤其适用于SaaS产品团队阶段性聚焦高价值用户与流失用户的深度调研，进而精准捕捉用户需求、优化产品迭代方向。

衍生相关工作

以此为基石，衍生出了多个聚焦不同增长维度的专项工作，包括面向产品发布前验证的gingiris-launch、专注B2B增长引擎构建的gingiris-b2b-growth，以及用于应用商店优化冷启动的gingiris-aso-growth。这些工作不仅延续了用户访谈的核心方法论，还将其拓展至SEO/GEO双引擎优化、开源社区运营等领域，共同构成了一套从用户洞察到市场渗透的全链路增长工具箱，在HuggingFace和GitHub上形成了完善的技能生态。

数据集最近研究

最新研究方向

随着生成式AI浪潮的席卷，产品与市场契合（PMF）的验证正从经验主义向系统化方法论演进。该数据集聚焦于深度用户访谈的实战框架，其核心脉络源自HeyGen等头部AI创企通过数百次结构化访谈实现增长裂变的真实案例。当前前沿方向已从单一的功能反馈收集转向‘JTBD任务驱动+信号量化评分’的混合范式，强调通过用户的付费意愿、流失原因与魔法棒问题等维度精确捕捉PMF信号。与此同时，研究热点正与‘AI原生增长’及‘用户留存预判’深度耦合，例如融合用户行为编码与情感分析来动态划分S至C级用户分层，并对应制定访谈后的激活策略。这一框架的实际影响在于为初创企业提供了一套可重复执行、可数据沉淀的‘从0到1’用户认知引擎，从而系统性降低产品方向试错成本，重塑了早期创业从直觉驱动到证据驱动的范式转型。