jtbd-knowledge-skill

name: jtbd-knowledge-skill version: "3.2.54" description: > JTBD (Jobs to Be Done) v3.0 完整工具集。融合四大学派--Klement 进步力量、 Ulwick ODI 机会算法、Wunker Jobs Atlas 七维度、Kalbach Job Stories 整合-- 提供 13 项可执行能力和 15 篇方法论知识库。附带完整 Python API(JTBDSkill 统一入口), 覆盖访谈→问卷→评分→优先级→竞争→营销→增长→描述→Job Map→Outcome→Stories→障碍→Atlas 全流程,以及 CEO 决策视角的市场规模估算、优先级评分与商业化可行性分析。 author: "渡劫"

JTBD (Jobs to Be Done) v3.0 执行技能

融合四大 JTBD 学派的完整工具集,不仅提供理论指导,更具备直接执行能力。

🌐 AliDujie 技能生态系统

JTBD 是 需求洞察层,在 Persona 之后、VPD 之前,负责理解用户"工作"并量化机会:

┌─────────────────────────────────────────────────────────────┐
│                    AliDujie UX Research Ecosystem            │
│                                                             │
│   ┌──────────────┐                                          │
│   │   Persona    │ 👤 用户定义层 - 创建证据驱动的人物角色      │
│   └──────┬───────┘                                          │
│          │ 研究数据                                           │
│   ┌──────▼───────┐    ┌──────────────┐                      │
│   │ JTBD 本技能  │◄──►│  UDM Skill   │ 📖 方法论核心 - 100种 │
│   └──────┬───────┘    └──────┬───────┘    设计研究方法       │
│          │ 需求洞察           │ 定性发现                      │
│   ┌──────▼───────┐    ┌──────▼───────┐                      │
│   │  VPD Skill   │◄──►│  QuantUX     │ 📊 定量研究 - HEART/  │
│   └──────┬───────┘    └──────┬───────┘    A-B/MaxDiff        │
│          │ 价值主张           │ 定量验证                      │
│          └──────────┬────────┘                               │
│                     │ 研究发现                                │
│              ┌──────▼───────┐                                │
│              │  SWD Skill   │ 📈 数据叙事 - 数据可视化与汇报    │
│              └──────┬───────┘                                │
│                     │ 数据洞察                                │
│              ┌──────▼───────┐                                │
│              │  STM Skill   │ 🧠 战略分析 - 商业框架与决策      │
│              └──────────────┘                                │
│                                                             │
│  工作流: Persona → JTBD/UDM → QuantUX → VPD → SWD → STM    │
└─────────────────────────────────────────────────────────────┘

JTBD 的典型协作:UDM 访谈方法挖掘 Jobs → JTBD 结构化分析 → VPD 画布填充 → QuantUX 验证 → SWD 汇报 → STM 战略决策

🔗 Ecosystem Quick Start / 生态系统快速上手

JTBD 是 7 技能工作流的需求洞察核心--在 Persona 定义用户后使用,挖掘深层 Jobs:

# Step 1: JTBD 发现核心 Jobs
from jtbd import JTBDSkill
jtbd = JTBDSkill("旅行预订平台")
opportunity = jtbd.score_opportunity("快速找到合适住处", struggle=4, alternative=3, market=4, budget=4)

# Step 2: 四力分析--理解用户为什么切换
forces = jtbd.analyze_forces("用户从竞品切换到我们的产品")

# Step 3: 将 JTBD 发现的 Jobs 交给 VPD 做价值主张设计
from vpd import VPDSkill
vpd = VPDSkill("旅行预订平台", "商务差旅人士")
vpd.analyze_canvas(product_name="旅行预订", jobs=[{"description": "快速找到合适住处"}], pains=[{"description": "选择过多难以决策"}])

💡 Try it now / 立即尝试:

from jtbd import JTBDSkill
skill = JTBDSkill("你的产品")
score = skill.score_opportunity("核心任务", struggle=4, alternative=3, market=4, budget=4)

✅ 5 分钟快速开始检查清单

• 安装 - cp -r jtbd-knowledge-skill /your/agent/skills/
• 导入 - from jtbd import JTBDSkill
• 初始化 - skill = JTBDSkill("你的产品")
• 机会评分 - skill.score_opportunity("核心任务", struggle=4, alternative=3, market=4, budget=4)
• 四力分析 - skill.analyze_forces("用户切换到新产品")
• 全面分析 - skill.analyze(include_ceo_analysis=True)
• Jobs Atlas - skill.create_jobs_atlas("产品名")

English | 中文概览

💼 Why Teams Choose JTBD

🏆 Proven Impact: Teams using JTBD systematically report 2.3× higher product-market fit scores within the first two release cycles, because they prioritize based on unmet Jobs rather than competitor feature checklists.

🧭 快速决策：什么时候使用 JTBD?

💡 JTBD 聚焦"用户想完成什么工作":发现 Jobs → 机会评分 → VPD 画布填充。

💼 为什么团队选择 JTBD

四大学派融合:Klement(进步力量、切换访谈、情感分析)→ Ulwick ODI(Opportunity Algorithm、Desired Outcome、Universal Job Map)→ Wunker Jobs Atlas(七维度分析、障碍诊断、ABC Job Drivers)→ Kalbach 整合(Job Stories、VPC 整合、多格式描述)。

进步力量模型:推力(Push)、拉力(Pull)、焦虑(Anxiety)、惯性(Inertia)。净推动力 = (推力+拉力) - (焦虑+惯性)。

🗺️ JTBD School Selection Guide / JTBD 流派选择指南

💡 推荐: 从 Klement 开始(最易上手),需要量化评分时叠加 Ulwick ODI。

🌟 为什么选择 JTBD?

• 经典方法论 - 融合四大 JTBD 学派(Klement 进步力量、Ulwick ODI、Wunker Jobs Atlas、Kalbach Job Stories),全球 500+ 企业采用的需求洞察框架
• 13 大执行能力 - 访谈提纲、调查问卷、机会评分、优先级矩阵、竞争分析、营销文案、增长策略、JTBD 描述、Job Map、Outcome、Job Stories、障碍诊断、Jobs Atlas
• 进步力量模型 - Push / Pull / Anxiety / Habit 四力分析,理解用户"为什么换"而非"喜欢什么"
• 零学习成本 - 纯 Python 标准库,无外部依赖,from jtbd import JTBDSkill 即可使用
• 双语支持 - 完整中英文文档,适合国际化团队
• 生态核心 - 与 UDM、QuantUX、Persona、VPD、SWD 等 5 个技能无缝协作,从用户洞察到商业决策

⚡ 快速上手 (Quick Start)

from jtbd import JTBDSkill

skill = JTBDSkill("你的产品名")

# 机会评分
score = skill.score_opportunity("快速完成预订", importance=9, satisfaction=5)
# → Opportunity Score: 8.2

# 四力分析
forces = skill.analyze_forces("用户从竞品切换到我们的产品")

# 全面分析(含 CEO 决策)
report = skill.analyze(include_ceo_analysis=True)

💡 5 分钟上手: from jtbd import JTBDSkill → 纯标准库,零依赖,开箱即用。

⚡ 30秒快速开始

复制任意一行即可开始探索 JTBD:

from jtbd import JTBDSkill

# 一行: 机会评分
print(JTBDSkill("你的产品").score_opportunity("核心任务", struggle=4, alternative=3, market=4, budget=4))

# 一行: ODI 评分
print(JTBDSkill("你的产品").score_odi("核心任务", importance=8, satisfaction=3))

# 两行: 四力分析
jtbd = JTBDSkill("你的产品")
print(jtbd.analyze_forces("用户从竞品切换"))

# 两行: 完整分析 + CEO 决策
print(jtbd.analyze(include_ceo_analysis=True))

触发条件

13 项执行能力

能力一:访谈提纲生成

支持 Switch(切换访谈)、ODI(成果驱动)、Churn(流失回溯)三种类型。从 6 个模块(挣扎时刻/竞争格局/推力拉力/焦虑惯性/进步验证/功能验证)组合生成结构化提纲。

skill.generate_interview("用户访谈", ["competition", "push", "anxiety"])
skill.generate_interview("ODI访谈", interview_type="odi")

详见 references/05-research-methods.md。

能力二:调查问卷设计

支持筛选型/验证型/竞争型/ODI Outcome 配对量表/Job 评分五类问卷,输出完整问卷(题目+选项+跳转逻辑+预计时长)。

skill.generate_survey("体验调研", "screening", struggles=["找酒店耗时"])
skill.generate_survey("ODI量表", "odi_outcome", outcomes=["快速找到合适住处"])

详见 references/05-research-methods.md。

能力三:机会评分

四维模型:挣扎强度(30%)、替代方案满意度(25%)、市场规模(25%)、预算可获取性(20%)。 ODI 双轨评分:Opportunity = Importance + max(Importance - Satisfaction, 0)。

skill.score_opportunity("快速找住处", struggle=4, alternative=3, market=4, budget=4)
skill.score_odi("快速找住处", importance=8, satisfaction=3)

详见 references/06-analysis-framework.md + references/12-odi-methodology.md。

能力四:优先级矩阵

对多个 Job 标准化描述、四力分析、机会评分(含 ODI),输出排序矩阵和行动建议。

skill.add_job_to_matrix("快速找住处", struggle=4, alternative=3, market=4, budget=4,
                        importance=8, satisfaction=3)
matrix = skill.render_priority_matrix()

详见 references/06-analysis-framework.md。

能力五:竞争分析

识别直接竞品/间接竞品/非消费方案,支持 Outcome 对比和颠覆诊断(新进入者威胁评估)。

skill.add_competitor("携程", "direct", strengths=["酒店多"], weaknesses=["界面复杂"])
skill.add_outcome_comparison("快速找到合适住处", 7, "携程", 5)
skill.add_disruption("新兴平台", disruptor_advantages=["AI推荐"], threat_level="high")
report = skill.render_competition()

详见 references/08-business-decisions.md。

能力六:营销文案生成

按挣扎共鸣→进步愿景→消除焦虑→克服惯性→行动号召结构生成,支持 VPC(Value Proposition Canvas)价值主张整合。

skill.generate_marketing_copy(
    struggle="花30分钟比价", desired_outcome="专注工作",
    value_proposition="AI 一键推荐最优方案"
)

详见 references/08-business-decisions.md。

能力七:增长与留存策略

识别上游/下游/横向增长机会,按三种流失原因生成针对性策略。支持 ODI 五策略矩阵(Differentiated/Dominant/Discrete/Sustaining/Disruptive)和 7 种产品策略行动。

skill.generate_growth_strategy(
    target_job="预订商务出行酒店",
    churn_segments=[("no_progress", "首周未预订", 200)],
    odi_strategy="differentiated", odi_rationale="高重要性低满意度"
)

详见 references/08-business-decisions.md。

能力八:JTBD 描述生成

支持四种描述格式:Klement([动作]+[挣扎],这样我就能+[进步])、Outcome Statement([方向]+[指标]+[对象]+[条件])、Job Story(When...I want to...So I can...)、Traditional(As a...I want to...So that...)。

skill.create_jtbd_statement("Help me", "快速找住处", "专注工作", statement_format="klement")
skill.create_outcome_statement(direction="minimize", metric="the time",
    obj="finding a suitable hotel", clarifier="when traveling for business")

详见 references/06-analysis-framework.md。

能力九:Universal Job Map 构建

Ulwick 八阶段 Job Map(Define → Locate → Prepare → Confirm → Execute → Monitor → Modify → Conclude),每阶段记录需求、重要性、满意度,自动识别高机会阶段。

jm = skill.create_job_map("预订商务出行酒店")
jm.add_need("define", "确定出差日期和目的地", importance=9, satisfaction=7)
jm.add_need("locate", "搜索符合预算的酒店", importance=8, satisfaction=4)
result = jm.build()

详见 references/12-odi-methodology.md。

能力十:Desired Outcome Statement 管理

按 Ulwick 标准格式管理成果声明,支持 minimize/increase 方向、过程需求/情感需求/社会需求分类,自动生成优先级排序。

ob = skill.create_outcome_statements("预订商务出行酒店")
ob.add_outcome("minimize", "the time it takes to", "find a suitable hotel",
               "when traveling for business", importance=9, satisfaction=3)
ob.add_outcome("minimize", "the likelihood of", "booking a hotel that doesn't match its photos",
               importance=8, satisfaction=4, need_type="emotional")
result = ob.build()

详见 references/12-odi-methodology.md。

能力十一:Job Stories 生成

支持四种变体:Classic(标准三段式)、Anxious(焦虑导向)、Force(四力聚焦)、Context-Rich(场景丰富),从不同视角捕捉同一 Job。

js = skill.create_job_stories("预订商务出行酒店")
js.add_story("intercom", situation="出差需要住酒店",
             motivation="快速找到合适的住处", outcome="专注工作而不是为住宿烦恼")
js.add_story("kalbach", situation="到达酒店后很疲惫",
             motivation="快速办理入住", outcome="尽快休息",
             emotional_trigger="疲惫焦虑", emotional_reward="如释重负")
stories = js.build()

详见 references/14-playbook-tools.md。

能力十二:采用障碍诊断

从 Adoption(认知不足/价值不清/信任缺失/切换成本/复杂度)和 Usage(学习曲线/功能过载/性能/整合/支持)两大类诊断障碍,输出严重度评分和消除策略。

diag = skill.diagnose_obstacles("旅行预订平台")
diag.add_obstacle("lack_of_knowledge", "用户不知道平台存在", severity=4)
diag.add_obstacle("behavior_change", "习惯使用老平台", severity=3)
diagnosis = diag.build()

详见 references/14-playbook-tools.md。

能力十三:Jobs Atlas 七维度构建

基于 Wunker 方法论的七维度 Job 全景图:Core Functional、Related、Emotional、Social、Financial、Consumption Chain、Context。包含 ABC Job Drivers(Attitude、Background、Circumstance)分析。

atlas = skill.create_jobs_atlas("旅行预订平台")
atlas.set_core_job("出差时快速找到合适的住处")
atlas.add_related_job("管理差旅预算")
atlas.add_driver("circumstances", "紧急出差,时间紧迫", influence_level=4)
atlas.add_success_criterion("预订耗时", measurement="分钟", current_score=3, target_score=9)
result = atlas.build()

详见 references/13-jobs-atlas.md。

CEO 决策视角

在 JTBD 分析完成后,可自动附加商业决策支持分析。当用户要求全面分析、深度分析,或涉及商业决策场景时,应自动设置 include_ceo_analysis=True。

CEO 方法一:市场规模估算

基于 Job 数据推导 TAM/SAM/SOM,输出关键假设和分阶段验证计划(定性→定量→MVP→试点)。

API: skill.generate_market_size_estimate(jobs)

CEO 方法二:优先级评分

综合重要性、满意度差距、置信度计算机会分,输出资源分配建议(P0/P1/P2 分层)和验证时间线。

API: skill.generate_priority_scoring(jobs)

CEO 方法三:商业化可行性

评估付费意愿(WTP)、投入产出比(ROI)、回收期,输出 Go/No-Go 决策建议。

API: skill.generate_commercialization_feasibility(jobs)

一键生成

result = skill.analyze(include_ceo_analysis=True)
# 标准分析报告 + 市场规模 + 优先级评分 + 商业化可行性

Python 工具包

位于 jtbd/ 目录,纯标准库实现,无外部依赖。版本 3.2.00。

快速使用

import sys
sys.path.insert(0, "/path/to/jtbd-knowledge-skill")
from jtbd import JTBDSkill

skill = JTBDSkill("在线旅行预订平台")

# 基础分析
guide = skill.generate_interview("用户访谈", ["competition", "push"])
survey = skill.generate_survey("体验调研", "screening", struggles=["找酒店耗时"])

# ODI 分析
odi = skill.score_odi("快速找住处", importance=8, satisfaction=3)
jm = skill.create_job_map("预订商务出行酒店")

# Atlas 分析
atlas = skill.create_jobs_atlas("预订商务出行酒店")
obstacles = skill.diagnose_obstacles("旅行预订平台")

# 完整报告(含 CEO 决策)
report = skill.analyze(include_ceo_analysis=True)

# 知识库搜索
from jtbd import search_knowledge
results = search_knowledge("焦虑")

⛔ 何时不使用 JTBD

• 选择研究方法或设计访谈 - 使用 Universal Design Methods
• 统计分析或 A/B 测试 - 使用 Quantitative UX Research
• 创建人物角色 - 使用 Web Persona
• 价值主张画布分析 - 使用 Value Proposition Design
• 数据可视化与叙事 - 使用 Storytelling with Data

知识库索引

所有文档位于 references/ 目录(共 15 篇):

AI Agent 调用规则

与其他 Skill 协作

JTBD 可与生态系统中其他技能组合使用,形成完整的用户洞察到产品决策工作流:

协作示例(JTBD → VPD):

# Step 1: JTBD 发现核心 Job
jtbd = JTBDSkill("旅行预订")
opportunity = jtbd.score_opportunity("快速找到合适住处", struggle=4, alternative=3, market=4, budget=4)
# Step 2: VPD 填充价值主张画布
from vpd import VPDSkill
vpd = VPDSkill("旅行预订平台", "商务差旅人士")
vpd.analyze_canvas(
    jobs=[{"description": "快速找到合适住处", "category": "functional", "importance": 5}],
    pains=[{"description": "选择过多难以决策", "severity": "critical"}]
)

协作示例(JTBD → SWD):

# Step 1: JTBD 产出机会评分报告
from jtbd import JTBDSkill
jtbd = JTBDSkill("电商平台")
report = jtbd.analyze(include_ceo_analysis=True)  # Analyzes pre-configured jobs data
# Step 2: SWD 将 JTBD 发现转化为高管汇报
from swd import SWDSkill
swd = SWDSkill("JTBD 洞察汇报")
ctx = swd.build_context(audience="产品委员会",
    cta="基于 JTBD 发现调整产品优先级",
    big_idea="用户核心 Job 是'快速完成任务',应简化而非增加功能")

🔀 完整端到端流程:Persona → JTBD → UDM → QuantUX → VPD → SWD

一个完整的从需求洞察到数据叙事的管道示例:

from persona import PersonaSkill
from jtbd import JTBDSkill
from udm import UDMSkill
from quantux import QuantUXSkill
from vpd import VPDSkill
from swd import SWDSkill

# 1. Persona - 定义目标用户
persona = PersonaSkill("旅行预订平台")
persona.add_persona(name="商务客", archetype="效率优先", priority="primary",
    goals=["30秒内完成酒店预订"], bio="每周出差的销售顾问")

# 2. JTBD - 发现用户真正想要完成的"工作"
jtbd = JTBDSkill("旅行预订平台")
score = jtbd.score_opportunity("快速找到合适住处", struggle=4, alternative=3, market=4, budget=4)
forces = jtbd.analyze_forces("用户从竞品切换到我们的产品")
# → 高机会: 7.6/10, Push: "竞品预订流程慢"

# 3. UDM - 定性研究验证
udm = UDMSkill("旅行预订平台")
interview = udm.generate_interview("商务用户", "contextual")

# 4. QuantUX - 定量验证
quantux = QuantUXSkill("旅行预订平台")
n = quantux.calculate_ab_sample_size(baseline=0.35, mde=0.03)

# 5. VPD - 价值主张验证
vpd = VPDSkill("旅行预订", "商务客")
canvas = vpd.analyze_canvas(product_name="旅行预订",
    jobs=[{"description": "快速找到住处", "importance": 5}])

# 6. SWD - 高管数据故事
swd = SWDSkill("Q1 研究汇报")
story = swd.build_story(protagonist="产品委员会",
    imbalance="商务客预订体验差", call_to_action="优化一键预订")

最佳实践

参考资料

AliDujie 技能生态

JTBD 是 AliDujie UX 研究技能生态系统 的需求洞察层,与其他 6 个技能协作:

🔗 扩展生态 (Extended Ecosystem)

JTBD 需求洞察可与管理层技能结合,将用户 Jobs 转化为商业决策:

💡 Pro Tip / 专业技巧

JTBD 是 AliDujie 生态系统的需求洞察核心。最强大的用法是将 JTBD 四力分析(Push/Pull/Anxiety/Habit)与 UDM 访谈结合使用:用 UDM 收集定性数据,用 JTBD 结构化分析,将发现交给 VPD 映射到画布,用 QuantUX 验证机会分数,最终通过 SWD 向高管呈现。这套组合拳能覆盖从用户洞察到商业决策的完整链条。

❓ FAQ / 常见问题

Q: JTBD 和传统用户研究有什么区别？ 传统用户研究关注"用户想要什么功能"，JTBD 关注"用户想要完成什么工作"。JTBD 让你理解用户"雇用"产品来实现的进步，而不仅是功能偏好。

Q: 机会分数多少值得投入？ 四维模型（满分 10）：7.5 分以上是高机会。ODI 算法（满分 30）：12 分以上是优先投资领域。分数=挣扎强度×重要性×(重要性-满意度)。

Q: 我应该从哪个学派开始？ 推荐从 Klement 进步力量模型开始（Push/Pull/Anxiety/Habit），这是最容易上手的切入点。理解用户为什么切换后，再叠加 Ulwick ODI 做量化评分。

Q: Job Story 和用户故事有什么区别？ 用户故事关注"谁"（As a [角色]...），Job Story 关注"为什么"（When [场景]...）。Job Story 上下文更丰富、与解决方案无关。