「AI 產品經理學習營 第一週」學習到「產品構想一」的MVP可以更小，調整如下：
# PRD：輕量化英語口說情境生成 App（MVP）
## 文件資訊
| 項目 | 內容 |
|---|---|
| 產品名稱 | EcoSpeak（暫定） |
| 產品定位 | 輕量化 AI 英語口說情境練習 App |
| 文件版本 | v1.1（MVP） |
| 撰寫人 | 肉豬 |
| 撰寫日期 | 2026-10-18 |
| 文件狀態 | Draft / 待對齊 |
## 1. 產品背景與痛點（Background & Problem Statement）
### 1.1 背景（Background）
部分中高級英語學習者具備良好的聽力與閱讀理解能力，能理解許多單字及片語，但在實際口說時，仍可能無法即時想起並自然使用已經學過的表達方式。
例如，學習者知道「We have a deal」的意思，卻不一定能在適當的對話情境中主動使用這個句子。
本產品希望透過短篇情境對話、不同角色的語音朗讀，以及反覆跟讀練習，協助使用者增加主動輸出的機會。
### 1.2 現有解決方案的局限（Existing Pain Points）
- **AI 英語聊天 App：** 自由對話雖然能提供口說練習機會，但使用者可能持續依賴熟悉的單字與句型，未必能針對特定片語進行有系統的反覆練習。
- **線上真人家教：** 能提供實際對話機會，但在自由對談過程中，使用者仍可能習慣使用既有的表達方式，難以持續練習特定的新句型。
- **自行製作練習教材：** 使用者可以透過 AI 產生對話，再使用文字轉語音服務製作音檔，但需要手動完成生成、轉換、下載及整理等步驟。
### 1.3 核心價值主張（Value Proposition）
透過 AI 自動生成短小、自然且符合指定情境的雙人英語對話，提供低負擔、可重複的口說練習方式。
核心原則：
- **小量：** 每段對話限制在 5 句台詞以內。
- **高頻：** 鼓勵使用者利用零碎時間進行短時間練習。
- **重複：** 可反覆查看同一段對話。
- **情境化：** 將單字與片語放進實際生活情境中，增加理解及應用機會。
## 2. 目標使用者與產品範疇（Target Persona & Scope）
### 2.1 目標使用者（Target Persona）
**主要使用者：中高級英語學習者**
- 具備一定的英語單字量及文法基礎。
- 能理解許多英語句子，但口說時容易依賴熟悉的單字及句型。
- 希望學習並練習更自然的日常英語表達方式。
- 希望利用每日 3–5 分鐘進行低負擔的學習。
多益 800 分以上可作為初步描述目標族群的參考條件，但不應視為唯一的使用者資格。
### 2.2 產品範疇（In-Scope vs. Out-of-Scope）
#### In-Scope：MVP 本期要做
1. 一鍵生成雙人英語情境對話，總共 5 句台詞以內。
2. 顯示生成的情境名稱、目標片語及對話文字。
3. 儲存歷史對話，提供清單瀏覽、重新查看及重播功能。
4. 對超過 3 天的歷史對話及對應音檔進行自動清理。
#### Out-of-Scope：MVP 本期不做
1. 產生兩種不同音色的語音，並提供播放功能。
2. 提供每日學習提醒及提醒時間設定功能。
3. 即時語音發音評估及評分。
4. 自由形式的 AI 語音對話。
5. 複雜的文法糾錯及個人化學習分析。
6. 完整的課程、單字測驗及學習進度管理系統。
## 3. 功能需求與 UI/UX 流程（Functional Requirements）
### 3.1 核心功能列表（Feature List）
| Feature ID | 功能名稱 | 優先級 | 功能描述 |
|---|---|---|---|
| FE-01 | 一鍵情境對話生成 | P0 | 使用者點擊按鈕後，系統產生兩位角色、總共 5 句台詞以內的自然英語對話。 |
| FE-02 | 歷史對話清單 | P0 | 儲存歷史對話文字及音檔，提供查看與重播功能。 |
| FE-03 | 3 天自動清理 | P1 | 自動刪除建立時間超過 7 天的歷史對話及對應音檔。 |
### 3.2 使用者流程（User Journey）
#### 流程一：產生情境對話
1. 使用者進入主畫面。
2. 使用者點擊「產生情境對話」。
3. 系統顯示載入狀態。
4. 系統產生情境名稱、目標片語及對話文字。
#### 流程二：查看歷史對話
1. 使用者點擊「歷史」。
2. 系統顯示歷史對話清單。
3. 使用者點擊其中一筆對話。
4. 系統顯示該筆對話的內容。
### 3.3 主要畫面
- **Home：** 產生情境對話、進入歷史清單及設定。
- **Dialogue：** 顯示情境名稱、目標片語、角色台詞。
- **History：** 顯示歷史對話清單，提供查看。
### 3.4 功能驗收條件（Acceptance Criteria）
#### FE-01：一鍵情境對話生成
- 點擊按鈕後，系統能產生一段包含兩位角色的英語對話。
- 對話總數不得超過 5 句台詞。
- 對話必須包含至少一個自然且符合情境的目標片語。
- 系統必須處理生成失敗或回傳格式不正確的情況，並向使用者顯示錯誤訊息。
#### FE-02：歷史對話清單
- 成功生成的對話應保存其文字內容。
- 使用者可以從歷史清單開啟既有對話。
- 歷史對話在有效保存期間內重新查看。
#### FE-03：3 天自動清理
- 系統依照對話建立時間判斷是否超過 3 天。
- 符合過期條件的對話及對應音檔應一併清理。
- 清理後的紀錄不應再出現在歷史清單中。
## 4. AI 系統規格與 Prompt 設計（AI System Specifications）
### 4.1 LLM 生成規格（LLM Generation Spec）
**模型選擇：**
可評估 GPT 系列中適合短文本生成、成本及延遲需求的模型。實際選型應依測試結果決定。
**System Prompt 初稿：**
```text
You are an expert English language coach focusing on
authentic everyday conversation for upper-intermediate learners.
Requirements:
1. Generate a realistic dialogue between exactly two participants.
2. Generate 4 to 5 dialogue lines in total.
3. Each dialogue line must have exactly one speaker: A or B.
4. Include at least one natural and useful target phrase
that fits the scenario.
5. Use natural, conversational English appropriate for
everyday situations.
6. Avoid unnecessarily complicated vocabulary or unnatural
textbook-style expressions.
7. Return valid JSON only, without Markdown fences or
additional explanations.
Output format:
{
"topic": "Scenario Title",
"target_phrase": "Key Phrase Used",
"dialogue": [
{
"speaker": "A",
"text": "..."
},
{
"speaker": "B",
"text": "..."
}
]
}
```
**備註：**
- 上述 JSON 僅為格式示意，實際輸出須包含 4–5 筆 `dialogue` 陣列元素。
- `speaker` 僅允許 `A` 或 `B`。
- `target_phrase` 必須實際出現在對話中。
- 應由程式驗證輸出格式及台詞數量，避免只依賴 Prompt 約束。
- 生成的英文是否自然、目標片語是否使用正確，仍需透過實際樣本進行驗證。
MVP 可先採用較容易實作、且能穩定維持台詞順序的方案。
## 5. 非功能性需求與成本評估（Non-Functional Requirements）
### 5.1 效能與使用體驗（Performance & Latency）
- **文字生成時間：** 需實際測試並設定可接受的回應時間。
- **載入狀態：** 生成期間應顯示 Loading 狀態，避免使用者誤以為系統沒有反應。
- **錯誤處理：** 當 LLM 服務失敗時，應顯示清楚的錯誤訊息，並提供合理的重試方式。
4 秒內完成文字及語音生成可列為初步效能目標，但須經實際測試確認可行性。
### 5.2 儲存與資料生命週期（Storage & Lifecycle）
- 每筆對話至少記錄：
- `id`
- `topic`
- `target_phrase`
- `dialogue`
- `created_at`
- 歷史紀錄應保存至可供使用者重新查看的位置。
- 儲存方式可依 MVP 的部署需求，選擇本地儲存或雲端儲存。
- 系統應具備超過 3 天自動清理資料的機制。
**過期判斷邏輯：**
```text
expiration_time = current_time - 30 days
if created_at < expiration_time:
delete dialogue record
```
實際實作時，應確保資料紀錄的一致性，並避免因清理失敗而留下文字檔。
### 5.3 API 成本評估（Unit Economics）
以下為初步估算，並非已確認的實際報價。
| 項目 | 初步估算 |
|---|---|
| LLM 文字生成 | 約 USD 0.0003／次 |
| 單次生成總成本 | 約 USD 0.0003／次 |
| 新台幣換算 | 約 NT$ 0.01／次，依匯率而定 |
實際成本取決於模型、輸出長度、語音產生方式、API 計費規則及使用量。正式估算前應以候選服務的最新價格及實際生成樣本重新計算。
## 6. 成功指標與驗證方式（Success Metrics & Success Criteria）
以下數值為初步假設目標，應於 MVP 測試後依據實際數據調整。
### 6.1 使用者活躍度（Engagement）
- **指標：** 每位活躍使用者每週平均生成的情境對話數。
- **初步目標：** 每週至少 5 次。
- **驗證方式：** 統計每位使用者每週的生成次數。
### 6.2 跟讀參與率（Listening Engagement）
- **指標：** 生成對話後，啟動語音播放的比例。
- **初步目標：** 至少 80%。
- **驗證方式：** 比較成功生成的對話數與啟動播放的對話數。
若要衡量完整聽完的比例，必須另外定義播放完成事件及判斷標準，不能只以點擊播放按鈕計算。
### 6.3 留存率（Retention）
- **指標：** D7 使用者留存率。
- **初步目標：** 至少 35%。
- **驗證方式：** 追蹤首次使用後第 7 天仍有使用行為的使用者比例，並明確定義統計期間及使用行為。
### 6.4 核心價值驗證
除了使用次數及留存率，也應觀察使用者是否能更自然地運用目標片語。
初步驗證方式：
- 使用者能否不看文字，跟著音檔說出對話。
- 使用者能否在相似情境中主動使用目標片語。
- 使用者是否認為短篇情境對話比原本的練習方式更容易持續執行。
此項可先透過小規模使用者測試及訪談驗證，不必在 MVP 階段立即開發自動化評分功能。
## 7. 待確認事項（Open Questions）
1. **目標使用者：** 是否以多益 800 分以上的學習者為主要客群，或擴大至其他程度的英語學習者？
5. **資料儲存：** MVP 採用本地儲存還是雲端儲存？
6. **資料保留：** 是否所有對話一律於 3 天後刪除，或需要提供收藏及保留功能？
8. **效能目標：** 文字生成的可接受等待時間為何？
9. **成功指標：** 每週生成次數、播放率及 D7 留存率的目標是否合理？
以上事項可依課程進度、技術可行性及使用者測試結果逐步確認。
沒有留言:
張貼留言