先決定你現在是要學,還是要在專案裡做
網站負責解釋與分發工作包;真正的 Repository 掃描、缺口判斷與文件產出交給 Coding Agent。
SDLC 實作課 · 交付物練習
先理解這份文件替你消除什麼不確定
看到使用者在哪一步真正卡住
PRD 寫得很整齊,不代表使用者真的能順暢走完。
Journey map 把使用者從「察覺需求」到「完成任務」整個過程攤平,標出每一步的動作、情緒、卡點與機會。
不畫 journey,團隊只能優化單點,永遠看不到「客戶從進來到流失」整條路。
誰負責、交給誰
主責: UX
協作: PM(提供 KPI 與商業目標)、客服(補實際投訴點)、行銷(補前段觸點)
下游收件: PM 寫 PRD scope、UX 畫 user flow、PO 排優先序
何時值得做
必要時機: 跨通路體驗、conversion funnel ≥ 5 步、客訴集中在「流程不順」
不需要時: 單一 screen 的 widget、API-only 產品
常見誤用: 畫成 happy path 美化圖,忽略 error/rework path;NN/g 強調 journey 必須包含 emotion 與 pain
- 01讀大綱
- 02比範本
- 03填素材
- 04貼提示詞
- 05對照驗收
Anatomy · 文件解剖
輕量版先回答 5 個核心章節
章節名稱可以因團隊調整,但每一段要求的判斷不能被省略。先讀問題,再看格式。
- 01
Executive Summary
範本必要章節
3-5 行:persona ref、N 個 stage、moment of truth 是哪一段、最痛的 pain 在哪
- 02
Happy Path Stages
範本必要章節
5 個 stage 為宜(awareness → advocacy)。每個 stage 含 action + thought + emotion_score(-2~+2)+ touchpoint + 至少 1 個 pain(附 quote)+ 至少 1 個 opportunity
- 03
Moment of Truth & Emotion Curve
範本必要章節
moment of truth 是「決定 retention vs churn 的關鍵 stage」;emotion curve 用 ASCII / 表格畫出 5 個 stage 的分數變化
- 10
Decision Log(key 1-2 條)
範本必要章節
每條必含 chosen + 至少 1 個 rejected option + 拒絕原因
- 12
Confidence & Sources & TODO
範本必要章節
把已確認的內容、判斷依據與仍待補充的資訊清楚分開。
Study · 對照學習
同一份交付物,先練核心,再看完整深度
輕量範本適合第一次練習與 MVP;完整範本保留跨職能交棒需要的細節。兩者都要求未知事項保持可見。
這張卡目前提供已審定的輕量與完整範本;不以 AI 臨時生成的內容冒充實際案例。
30 分鐘內先完成核心章節。
---
doc_type: "journey-map"
variant: "light"
status: "draft"
owner: "<your-name>"
last_updated: "YYYY-MM-DD"
upstream:
required: ["persona"]
optional: ["user-research", "jtbd"]
---
# Journey Map: <product-name> · <persona-id>
**Status:** Draft v0.X · **Owner:** <UX name> · **Last updated:** YYYY-MM-DD
> [!IMPORTANT]
> **AI 填寫規則:** 本範本 5 段(編號 1, 2, 3, 10, 12),全部必填——刻意沿用完整版章節編號讓兩版可對照。每結論行內加 `(依據:interview §XXX / quote: "..." / ticket §YY)`;每量化欄位 `[H]/[M]/[L]` confidence badge;缺資料寫 `_TODO: 需要 XXX_` 不編造;**emotion 必須量化**(-2 ~ +2),不能只寫「不爽」;只畫 happy path(error path 屬完整版)。
---
## 1. Executive Summary
<!-- ai-fill: 3-5 行:persona ref、N 個 stage、moment of truth 是哪一段、最痛的 pain 在哪 -->
<3-5 行說明>
> **TL;DR:** <一句話:使用者從 X 到 Y 的旅程,最卡的是 stage S2>
**Persona:** P1(依據:persona.md §P1)
---
## 2. Happy Path Stages
<!-- ai-rule: 5 個 stage 為宜(awareness → advocacy)。每個 stage 含 action + thought + emotion_score(-2~+2)+ touchpoint + 至少 1 個 pain(附 quote)+ 至少 1 個 opportunity -->
### S1 · Awareness
| Field | Value | Confidence | Source |
|---|---|---|---|
| **Action** | <使用者做什麼> | **[H]** | interview §3 |
| **Thought** | "<內心 OS>" | **[M]** | quote: "<原句>" — P02 |
| **Emotion score** | **0** (-2 ~ +2) | **[M]** | — |
| **Touchpoint** | web / mobile / email / 客服 / in-person | — | — |
| **Pain** | <一句話> · severity: minor / major / **blocker** | **[H]** | "<quote>" — P05 §12 |
| **Opportunity** | <actionable 改善方向> | **[M]** | — |
### S2 · Consideration
(同上格式)
### S3 · Purchase / Activation
### S4 · Use / Habit
### S5 · Advocacy / Churn
---
## 3. Moment of Truth & Emotion Curve
<!-- ai-rule: moment of truth 是「決定 retention vs churn 的關鍵 stage」;emotion curve 用 ASCII / 表格畫出 5 個 stage 的分數變化 -->
- **Moment of truth:** S2 — <rationale: 為何此 stage 決定生死>(依據:interview saturation §XX)**[H]**
### Emotion curve
| Stage | S1 | S2 | S3 | S4 | S5 |
|---|---|---|---|---|---|
| **Score** | 0 | **-2** | +1 | +1 | +2 |
| **低點 / 高點** | 平 | [DOWN] 低 | ↑ | ↑ | [UP] 高 |
---
## 10. Decision Log(key 1-2 條)
<!-- ai-rule: 每條必含 chosen + 至少 1 個 rejected option + 拒絕原因 -->
| Date | Decision | Options | Chosen | Rejected why | Confidence |
|---|---|---|---|---|---|
| YYYY-MM-DD | stage 切法 | by_funnel_step / by_emotion_curve / by_touchpoint | by_funnel_step | by_emotion_curve (跨 stage 不可比)、by_touchpoint (跨通路混淆) | **[H]** |
---
## 12. Confidence & Sources & TODO
- **整份文件最低 confidence 欄位:** <列出所有 [L] 與 [M]>
- **Fabricated assumptions(推測但 input 未明說):**
- <假設 1>
- **Highest-value next input:** <下一份最該補的 session replay / heatmap / 客服電話錄音>
### TODO(缺資料)
- _TODO: 需要 X 份訪談校準 S2 emotion score_
---
> [!CAUTION]
> **輸出前 AI 自檢:**
> - [ ] 5 段 H2 章節齊全(編號 1, 2, 3, 10, 12,刻意沿用完整版編號)
> - [ ] 至少 5 個 stage(awareness → advocacy)
> - [ ] 每個 stage 含 action + thought + emotion_score(-2~+2)+ touchpoint + pain + opportunity
> - [ ] Emotion 量化(不能只寫「不爽」)
> - [ ] 每個 pain 有 supporting quote
> - [ ] Moment of truth 段已標出哪個 stage 決定 retention vs churn
> - [ ] Decision Log ≥ 1 條,每條有 rejected reason
> - [ ] 無 YAML / JSON schema 輸出(Journey Map 是給人讀的 markdown)Practice · 換你試做
先用自己的話交代素材,不需要先學會工程術語
確定的就寫,不確定的留白。下一步要做的是請 Agent 找缺口,不是讓它替你猜一套合理答案。
可以先留白;複製提示詞後再到 Coding Agent 裡補充。
AI Practice · 手動三步
先問、再寫、最後審,不把整條流程鎖死
每一步都是獨立工作包。你可以停下補資料、修改限制或重做某一步,不需要服從固定的 Agent 接力流程。
只找阻擋文件成立的未知
先補會改變範圍、判斷或驗收結果的資訊,不急著寫文件。
我要製作「Journey Map · 旅程地圖」。先不要產出文件。
請根據我的素材,找出會影響這份文件正確性或可執行性的未知事項,一次最多問 5 題。
每題請包含:
1. 問題
2. 為什麼現在必須知道
3. 它會影響哪個章節或決定
已經回答的事不要重問;可以延後的事標成「待決策」;不要替我猜答案。
本文件的核心章節:Executive Summary、Happy Path Stages、Moment of Truth & Emotion Curve、Decision Log(key 1-2 條)、Confidence & Sources & TODO複製後,請在標示位置貼上自己的素材。
Review · 自己驗收
文件存在,不代表下一個角色真的能使用
逐條檢查 Agent 的輸出。人類負責需求、限制與驗收,也必須能說明重要結論從哪裡來。
帶著這份文件,繼續到「競品掃描 · Competitive Scan」
下一張卡會接住新的決策問題;不用一次把整條 SDLC 全做完。
