ข้ามไปยังเนื้อหาบทเรียน
เมนู
เข้าสู่ระบบ — เร็ว ๆ นี้
สารบัญบทที่ 265/8

พื้นฐานการใช้ AIการเขียน Prompt

ออกแบบ Word of Mouth จากผลลัพธ์ที่เกินความคาดหมาย

เรียนรู้ ออกแบบ Word of Mouth จากผลลัพธ์ที่เกินความคาดหมาย ผ่านหลักฐาน ธุรกิจไทย และจุดตัดสินใจที่ตรวจได้

เป้าหมาย: ตัดสินใจเรื่องผู้ก่อตั้ง ตลาด เงิน และการเติบโตโดยไม่สรุปจากความมั่นใจ · ใช้เวลาประมาณ 17 นาที

Evidence → Constraint → Commitment → Review

เปลี่ยนเรื่องเล่าของผู้ก่อตั้งเป็นหลักฐานและจุดตัดสินใจ

Evidence

เก็บพฤติกรรมลูกค้า รายรับ ต้นทุน เวลา และเหตุการณ์จริง

Constraint

ระบุเงิน เวลา สุขภาพ กฎหมาย ทักษะ และความเสี่ยงที่ห้ามมองข้าม

Commitment

word of mouth เกิดเมื่อผู้ใช้ได้ผลลัพธ์เฉพาะที่เล่าได้เร็วกว่าหรือดีกว่าที่คาด และมีจังหวะให้แชร์ โดยต้องไม่ซื้อคำชม ปลอมรีวิว หรือเปิดเผยข้อมูลลูกค้า

Review

กำหนด milestone, early warning และวันที่ตัดสิน continue, revise หรือ stop

หลักฐานที่ต้องอยู่ใน Founder Memo

word of mouth

บันทึก word of mouth จากหลักฐานล่าสุด แยก fact, assumption, decision และ owner

ข้อความต้องย้อนกลับไปตรวจแหล่งที่มาและวันที่ได้

expectation gap

บันทึก expectation gap จากหลักฐานล่าสุด แยก fact, assumption, decision และ owner

ข้อความต้องย้อนกลับไปตรวจแหล่งที่มาและวันที่ได้

share trigger

บันทึก share trigger จากหลักฐานล่าสุด แยก fact, assumption, decision และ owner

ข้อความต้องย้อนกลับไปตรวจแหล่งที่มาและวันที่ได้

customer consent

บันทึก customer consent จากหลักฐานล่าสุด แยก fact, assumption, decision และ owner

ข้อความต้องย้อนกลับไปตรวจแหล่งที่มาและวันที่ได้

กับดักจากความมั่นใจและเรื่องเล่า

คิดว่า AI ทำให้ execution ฟรี

ยังมีต้นทุนขาย ตรวจ ดูแล และรับผิดชอบ

ทำ activity-based cost และบันทึกเวลาคน

ใช้เพื่อนหรือ investor แทน paying customer

ความสนใจไม่พิสูจน์การเปลี่ยนพฤติกรรม

ขอ commitment ที่มีต้นทุน

ตัดสินกฎหมาย ภาษี หรือ equity เอง

ข้อผิดพลาดอาจย้อนแก้ยาก

ให้ผู้เชี่ยวชาญประเทศไทยตรวจ

เขียน One-page Founder Decision

ร้านเล็กเชียงใหม่ใช้ AI ลดเวลาตอบคำถามซ้ำ แต่ยังไม่มีเรื่องเล่าให้ลูกค้าแนะนำ

บันทึกเป้าหมาย evidence สมมติฐาน runway/customer commitment ความเสี่ยง milestone และคำตัดสินรอบถัดไป

ดูคำตอบตัวอย่าง

แยกสิ่งที่รู้จากสิ่งที่หวัง ระบุ cash runway จากเงินสดและ burn จริง เลือกลูกค้า wedge เดียว ขอ commitment เช่น paid pilot วัดรายรับ ต้นทุน เวลา คุณภาพ และ retention ตั้ง premortem/early warning พร้อมวันทบทวน ใช้ AI ช่วยร่างและวิเคราะห์ แต่ให้เจ้าของข้อมูล นักบัญชี หรือที่ปรึกษากฎหมายประเทศไทยตรวจเรื่องสำคัญ

  • facts/assumptions
  • customer commitment
  • cash runway
  • risk/early warning
  • milestone/decision date
  • professional review
บันทึกช่วยจำ
  • ไม่ใช่คำแนะนำการลงทุน กฎหมาย ภาษี หรือการจดทะเบียน
  • ตรวจข้อมูลล่าสุดกับหน่วยงานและผู้เชี่ยวชาญประเทศไทย

สรุปบทเรียนนี้

  • ใช้ commitment แทนคำชม
  • รู้ runway และ early warning
  • ขยายหลัง wedge ทำซ้ำได้