User Research Synthesis logo

User Research Synthesis

CommunityPopular
mohitagw15856
user-research-synthesis

Analiza y sintetiza hallazgos de investigación de usuarios en insights estructurados y accionables. Úsalo cuando te proporcionen datos de investigación de usuarios, transcripciones de entrevistas, resultados de encuestas o feedback de usuarios que necesiten ser analizados y resumidos. Produce una síntesis temática con datos de prevalencia, citas de apoyo, análisis de puntos de dolor, priorización de solicitudes de funcionalidades y próximos pasos recomendados. Para transcripciones de entrevistas específicamente, usa `user-interview-synthesis` en su lugar.

Overview

Publishermohitagw15856
Repositorypm-claude-skills
Skill nameuser-research-synthesis
Stars
1.4K
Forks
257
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by mohitagw15856 on GitHub. Read the source before you install it.

Installation

Install the User Research Synthesis AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/user-research-synthesis
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/mohitagw15856/pm-claude-skills.git /tmp/pm-claude-skills
mkdir -p .claude/skills
cp -r /tmp/pm-claude-skills/i18n/es/skills/user-research-synthesis .claude/skills/user-research-synthesis
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable User Research Synthesis in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads User Research Synthesis on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so User Research Synthesis is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Habilidad de Síntesis de Investigación de Usuarios

Esta habilidad ayuda a analizar datos de investigación de usuarios y transformarlos en insights accionables siguiendo una metodología estructurada.

Entradas Requeridas

Solicita al usuario estos elementos si no se proporcionan:

  • Datos de investigación (transcripciones, notas, resultados de encuestas o puntos de resumen)
  • Método de investigación (entrevistas, encuestas, pruebas de usabilidad, etc.)
  • Número de participantes y sus perfiles (rol, contexto)
  • Preguntas de investigación que el estudio buscaba responder

Lee desde / Escribe en el Brain

Si existe un professional-brain (brain/), úsalo antes de preguntar:

  • Lee primero: abre hypotheses/ (qué suposiciones esta investigación puede validar o invalidar) y context.md (quiénes son los usuarios).
  • Escribe después: actualiza el estado de cada hipótesis que hayas tocado, añade insights duraderos a knowledge/users.md, y mantén las notas brutas en source/. Etiqueta las afirmaciones derivadas de entrevistas como [interview] — nunca las conviertas en [data].

Marco de Síntesis

1. Resumen de Recopilación de Datos

  • Tipo de Investigación: Entrevistas, encuestas, pruebas de usabilidad, etc.
  • Perfil de Participantes: Demografía, segmentos, tamaño de muestra
  • Preguntas de Investigación: Qué buscábamos aprender
  • Metodología: Cómo se recopilaron los datos

2. Identificación de Temas Clave

Organiza hallazgos en temas usando esta estructura:

Nombre del Tema

  • Descripción: Qué representa este tema
  • Prevalencia: Cuántos participantes lo mencionaron (p. ej., "8 de 12 participantes")
  • Citas de Apoyo: 2-3 citas representativas
  • Implicación: Qué significa esto para nuestro producto

Apunta a 4-8 temas mayores por esfuerzo de investigación.

3. Análisis de Puntos de Dolor

Para cada punto de dolor identificado:

  • Punto de Dolor: Descripción clara
  • Severidad: Alta/Media/Baja (basada en impacto y frecuencia)
  • Solución Actual: Cómo los usuarios lo manejan hoy
  • Evidencia: Ejemplos específicos de la investigación

4. Solicitudes de Funcionalidades

Categoriza solicitudes:

  • Imprescindible: Necesidades críticas que bloquean el éxito del usuario
  • Alto Valor: Mejoraría significativamente la experiencia
  • Agradable Tener: Mejoras incrementales

Para cada solicitud:

  • Solicitud: Qué pidieron los usuarios
  • Frecuencia: Con qué frecuencia surgió
  • Cita del Usuario: Ejemplo representativo
  • Necesidad Subyacente: Por qué la quieren (profundiza más allá de la solicitud superficial)

5. Insights de Flujos de Trabajo del Usuario

Documenta flujos de trabajo reales observados:

  • Estado Actual: Cómo los usuarios realizan tareas hoy
  • Puntos de Dolor: Dónde luchan
  • Estado Ideal: Qué desearían poder hacer
  • Oportunidades: Dónde podemos añadir valor

6. Insights de Segmentación

Si la investigación revela segmentos de usuario distintos:

  • Nombre del Segmento: Etiqueta descriptiva
  • Características: Qué define este segmento
  • Necesidades Únicas: Cómo sus necesidades difieren
  • Tamaño/Importancia: Peso relativo para la priorización

7. Insights Competitivos

Si los usuarios mencionaron competidores o alternativas:

  • Competidor/Alternativa: Qué usan
  • Por Qué lo Usan: Qué hace bien
  • Brechas: Qué no hace
  • Barreras de Cambio: Por qué no cambian completamente

8. Recomendaciones

Recomendaciones priorizadas basadas en insights:

Alta Prioridad

  • Recomendación con evidencia de apoyo
  • Impacto esperado

Prioridad Media

  • Recomendación con evidencia de apoyo
  • Impacto esperado

Baja Prioridad / Consideración Futura

  • Recomendación con evidencia de apoyo
  • Impacto esperado

9. Preguntas Abiertas

Brechas de investigación identificadas:

  • Qué aún necesitamos entender
  • Investigación de seguimiento sugerida
  • Incertidumbres que requieren validación

Directrices de Análisis

Al sintetizar entrevistas:

  • Busca patrones entre múltiples participantes
  • Ten en cuenta tanto qué dicen los usuarios COMO qué hacen
  • Presta atención a reacciones emocionales
  • Identifica trabajos-a-realizar, no solo solicitudes de funcionalidades

Al analizar citas:

  • Usa citas textuales entre "comillas"
  • Atribuye citas: [ID del Participante, Rol, Contexto]
  • Selecciona citas que ilustren patrones, no excepciones
  • Incluye feedback tanto positivo como negativo

Al identificar temas:

  • Usa nombres descriptivos, no etiquetas genéricas
  • Proporciona evidencia para cada tema
  • Cuantifica cuando sea posible ("7 de 10 usuarios...")
  • Conecta temas con objetivos empresariales

Verificaciones de Calidad

  • Los temas identifican patrones entre múltiples participantes, no respuestas individuales
  • Los insights se conectan con decisiones de producto específicas, no solo observaciones
  • Cada afirmación incluye evidencia de apoyo (citas, conteos o ejemplos)
  • Las observaciones e interpretaciones se separan claramente
  • Los hallazgos se priorizan por impacto, no solo se enumeran

Anti-Patrones

  • No enumeres cada comentario individual — la síntesis debe identificar patrones entre participantes
  • No hagas saltos interpretativos sin evidencia de apoyo de los datos
  • No te enfoque en solicitudes de funcionalidades antes de entender el problema subyacente — siempre identifica primero el trabajo-a-realizar
  • No ignores datos contradictorios — los hallazgos conflictivos deben señalarse y anotarse
  • No presentes resultados sin cuantificar la prevalencia — indica cuántos participantes sostuvieron cada punto de vista

Ejemplo de Tema

**Tema: Sobrecarga de Información Durante la Incorporación**

**Descripción**: Los usuarios expresaron consistentemente sentirse abrumados por la cantidad de información presentada durante la configuración inicial, lo que llevó a una incorporación incompleta y a retrasar el tiempo para valor.

**Prevalencia**: 9 de 12 participantes mencionaron este problema sin ser preguntados

**Citas de Apoyo**:
- "Solo quería empezar, pero sentía que necesitaba leer un manual primero" [P3, Gerente de Marketing]
- "Para la tercera pantalla de instrucciones, empecé a hacer clic en 'Siguiente' sin leer" [P7, Representante de Ventas]
- "Desearía que hubiera una opción de 'inicio rápido' para personas como yo que solo quieren probarlo" [P11, Diseñador de Producto]

**Implicación**: Nuestro flujo de incorporación actual prioriza la integridad sobre el engagement. Deberíamos considerar un enfoque de divulgación progresiva donde los usuarios puedan comenzar a usar el producto rápidamente y aprendan funciones avanzadas contextualmente.

**Acción Recomendada**:
- Diseña una ruta de "Inicio Rápido" que lleve a los usuarios al primer valor en <3 minutos
- Mueve la configuración avanzada a ayuda contextual dentro de la app
- Prueba con 5-10 nuevos usuarios antes del lanzamiento completo
- Impacto esperado: mejora de tasa de activación de +20-30%

Estructura de Salida de Plantilla

Al sintetizar investigación, usa esta estructura:

markdown
# Síntesis de Investigación de Usuarios: [Tema de Investigación]

## Resumen de Investigación
- **Fecha**: [Rango de fechas]
- **Metodología**: [Entrevista/Encuesta/Pruebas]
- **Participantes**: [Número] [Tipos de usuarios]
- **Preguntas de Investigación**: 
  1. [Pregunta 1]
  2. [Pregunta 2]
  3. [Pregunta 3]

## Resumen Ejecutivo
[Resumen en 2-3 oraciones de los hallazgos clave e implicaciones]

## Temas Clave

### Tema 1: [Nombre del Tema]
[Documentación completa del tema como se muestra en el ejemplo anterior]

### Tema 2: [Nombre del Tema]
[Documentación completa del tema]

[Continúa con 4-8 temas]

## Resumen de Puntos de Dolor

| Punto de Dolor | Severidad | Frecuencia | Solución Actual |
|---|---|---|---|
| [Dolor 1] | Alta | 10/12 usuarios | [Cómo lo manejan] |
| [Dolor 2] | Media | 7/12 usuarios | [Cómo lo manejan] |

## Solicitudes de Funcionalidades

### Imprescindible
1. **[Solicitud]** - Mencionada por [X] participantes
   - Cita: "[Cita representativa]"
   - Necesidad subyacente: [Por qué la quieren]

### Alto Valor
[Estructura similar]

### Agradable Tener
[Estructura similar]

## Recomendaciones

### Alta Prioridad (0-3 meses)
1. **[Recomendación]**
   - Evidencia de apoyo: [Datos de investigación]
   - Impacto esperado: [Qué mejorará]
   - Estimación de esfuerzo: [Dimensionamiento aproximado]

### Prioridad Media (3-6 meses)
[Estructura similar]

### Consideración Futura (6+ meses)
[Estructura similar]

## Preguntas Abiertas
1. [Pregunta que requiere más investigación]
2. [Incertidumbre a validar]
3. [Estudio de seguimiento necesario]

## Apéndice
- Guía de entrevista utilizada
- Datos completos de participantes
- Notas brutas/transcripciones (enlace)

Frequently asked questions

What does the User Research Synthesis AI skill do?

Analiza y sintetiza hallazgos de investigación de usuarios en insights estructurados y accionables. Úsalo cuando te proporcionen datos de investigación de usuarios, transcripciones de entrevistas, resultados de encuestas o feedback de usuarios que necesiten ser analizados y resumidos. Produce una síntesis temática con datos de prevalencia, citas de apoyo, análisis de puntos de dolor, priorización de solicitudes de funcionalidades y próximos pasos recomendados. Para transcripciones de entrevistas específicamente, usa `user-interview-synthesis` en su lugar.

Why use User Research Synthesis on TypingMind?

Because you install it once and use it with any model. User Research Synthesis is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install User Research Synthesis in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/user-research-synthesis. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use User Research Synthesis?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with User Research Synthesis?

As many as you like. As long as a model supports skills, you can use User Research Synthesis with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the User Research Synthesis AI skill free?

Yes. It is published on GitHub by mohitagw15856 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇