¿Cómo usar ChatGPT para un análisis JTBD?

Respuesta rápida: Puedes usar ChatGPT para realizar un análisis Jobs-to-Be-Done (JTBD) si le proporcionas transcripciones de entrevistas con clientes y usas prompts estructurados para extraer los trabajos funcionales, emocionales y sociales. Así conviertes datos cualitativos en bruto en una imagen clara de para qué contratan realmente tu producto tus clientes, sin semanas de síntesis manual.

Hacer un análisis JTBD a mano es lento. Reúnes entre 10 y 15 entrevistas con clientes, pasas días leyendo transcripciones y acabas con una hoja de cálculo llena de ideas a medio formar que nadie pone en práctica.

ChatGPT cambia ese flujo de trabajo. Con los prompts adecuados, puedes sintetizar transcripciones de entrevistas en resultados JTBD estructurados en una fracción del tiempo. Esta guía te explica paso a paso cómo hacerlo, con prompts que puedes copiar y usar hoy mismo.

Al terminar, sabrás cómo extraer los trabajos funcionales, emocionales y sociales a partir de datos de entrevistas en bruto, identificar las fuerzas que impulsan el cambio de solución y convertir esas conclusiones en decisiones de mensaje y de producto.

¿Qué es Jobs-to-Be-Done y por qué importa en B2B SaaS?

Jobs-to-Be-Done es un marco para entender la motivación de los clientes. La idea central es que los clientes no compran productos por sus funcionalidades. Los «contratan» para avanzar en un trabajo concreto que necesitan resolver.

En B2B SaaS, esta distinción importa muchísimo. Tus compradores no están comprando software. Lo contratan para resolver un problema de negocio, reducir un riesgo profesional o quedar bien ante su equipo directivo. Cuando entiendes el trabajo real, tu posicionamiento, tu mensaje y tu roadmap de producto ganan precisión.

Un análisis JTBD suele identificar tres dimensiones de cada trabajo:

• Trabajo funcional: la tarea práctica que el cliente necesita llevar a cabo («Necesito informar cada semana a mi CFO sobre la precisión del pipeline»)
• Trabajo emocional: cómo quiere sentirse el cliente (o evitar sentirse) durante el proceso («Necesito sentirme seguro de que las cifras son correctas antes de presentarlas»)
• Trabajo social: cómo quiere el cliente que lo perciban los demás («Quiero que mi equipo me vea como alguien que tiene las finanzas bajo control»)

El reto es que los clientes rara vez expresan estos trabajos de forma directa. Aparecen en el lenguaje de las entrevistas, y detectarlos exige una lectura atenta de varias transcripciones. Ahí es exactamente donde ChatGPT se gana su lugar en este flujo de trabajo.

Lo que necesitas antes de empezar

Antes de abrir ChatGPT, prepara estos elementos:

• Al menos 3 a 5 transcripciones de entrevistas con clientes (cuantas más, mejor, pero con 3 es viable)
• Transcripciones en texto plano (cópialas de Otter.ai, Grain o tu herramienta de notas)
• Contexto básico del cliente: cargo, tamaño de la empresa y si es un cliente nuevo, un cliente que se dio de baja o un usuario de largo plazo

La calidad de tu resultado JTBD depende por completo de la calidad de los datos de tus entrevistas. Si tus transcripciones son superficiales, el análisis también lo será. Las buenas entrevistas JTBD piden al cliente que repase el momento en que se dio cuenta por primera vez de que tenía un problema, qué probó antes y qué le hizo decidirse por fin a actuar. Si tus transcripciones no tienen esa profundidad, haz algunas entrevistas nuevas antes de empezar este proceso.

Paso 1: prepara tu transcripción para el análisis

ChatGPT funciona mejor cuando le das contenido limpio y etiquetado. Antes de pegar una transcripción, haz una limpieza rápida:

1. Elimina las muletillas y los solapamientos de voces si tu herramienta de transcripción no lo ha hecho ya
2. Etiqueta claramente a cada interlocutor (por ejemplo, «Entrevistador:» y «Entrevistado:»)
3. Añade al principio una nota de contexto de una línea: cargo, tipo de empresa y estado del cliente

Después abre una conversación nueva en ChatGPT y usa este prompt de configuración:

Prompt:

"I am going to share a customer interview transcript with you. Your job is to analyse it using the Jobs-to-Be-Done framework. Do not summarise the transcript. Instead, identify the functional, emotional, and social jobs the customer is describing. Look for the language they use around struggle, progress, and desired outcomes. Wait for me to paste the transcript before you begin."

Esto prepara a ChatGPT para abordar la transcripción de forma analítica en lugar de limitarse a resumir lo que se dijo. Resumir es el comportamiento por defecto y no es lo que buscas aquí.

Paso 2: extrae las tres dimensiones del trabajo

Una vez pegada la transcripción, ejecuta este prompt de extracción:

Prompt:

"Based on this transcript, identify:

1. The functional job: what practical outcome is this customer trying to achieve?

2. The emotional job: how do they want to feel, or what feeling are they trying to avoid?

3. The social job: how do they want to be perceived by colleagues, managers, or stakeholders?

For each job, quote the specific line or phrase from the transcript that supports your identification. Do not invent jobs that are not evidenced in the transcript."

La instrucción de citar evidencias de apoyo es importante. Evita que ChatGPT se invente trabajos que suenan plausibles pero no tienen base en lo que el cliente dijo realmente. Cada trabajo que identifique debe poder rastrearse hasta una frase real.

Paso 3: identifica las cuatro fuerzas del cambio

El marco JTBD incluye un modelo llamado las cuatro fuerzas, que explica por qué los clientes cambian de una solución a otra (o por qué se quedan donde están). Estas fuerzas son:

• Empuje (push): las frustraciones con la situación actual que los alejan de ella
• Atracción (pull): el atractivo de la nueva solución
• Ansiedad: los miedos y las dudas ante el cambio
• Inercia: los hábitos y apegos que los mantienen donde están

Para el posicionamiento y el mensaje de ventas de un SaaS, esto resulta muy valioso. Usa este prompt después del paso de extracción de trabajos:

Prompt:

"Now analyse the same transcript through the lens of the Four Forces of switching:

1. Push: what frustrations or problems were driving this customer away from their previous solution?

2. Pull: what attracted them to a new solution or to our product specifically?

3. Anxiety: what doubts or fears did they express about making a change?

4. Inertia: what habits, relationships, or sunk costs were keeping them in place?

Again, quote the transcript to support each force you identify."

Este prompt es especialmente útil para los equipos de ventas. Las fuerzas de empuje y atracción se traducen directamente en manejo de objeciones y en el lenguaje de la propuesta de valor. Si estás afinando el mensaje de GTM tras este tipo de investigación, también puede merecer la pena revisar a redactores publicitarios especializados en B2B SaaS o comparar agencias de inbound marketing para B2B SaaS de eficacia probada que sepan convertir el lenguaje de los clientes en generación de demanda.

Paso 4: sintetiza varias transcripciones

El análisis de una sola entrevista te da un único dato. El verdadero valor llega al reconocer patrones entre varias entrevistas. Es donde la síntesis manual suele fallar y donde ChatGPT ahorra más tiempo.

Ejecuta los pasos 1 a 3 con cada transcripción en conversaciones separadas y después reúne los resultados en una conversación nueva para la síntesis.

Prompt:

"I am going to share JTBD analysis outputs from [X] customer interviews. Each output includes functional, emotional, and social jobs, plus the Four Forces of switching.

Your task is to:

1. Identify the jobs that appear across multiple interviews (these are your primary jobs)

2. Identify jobs that appear only once or twice (these may be segment-specific or edge cases)

3. Identify any contradictions or tensions between what different customers said

4. Produce a ranked summary: the top 3 functional jobs, top 2 emotional jobs, and top 2 social jobs based on frequency and strength of language used

Here are the analysis outputs: [paste outputs]"

El resumen ordenado por prioridad se convierte en tu mapa JTBD de trabajo. Es el documento que llevas a talleres de posicionamiento, revisiones de mensaje y conversaciones de priorización de producto.

Paso 5: convierte los trabajos en inputs de mensaje y de producto

Un análisis JTBD solo aporta valor cuando cambia algo. Usa estos prompts de seguimiento para convertir la síntesis en resultados utilizables.

Para posicionamiento y mensaje:

"Based on this JTBD map, write three positioning statements for [product name]. Each statement should speak directly to one of the top functional jobs and address the primary emotional job. Use the language customers used in the interviews, not marketing language."

Para el copy de la página de inicio o de una landing page:

"Using the top functional and emotional jobs from this analysis, write a hero section headline and subheadline for [product name]. The headline should name the job. The subheadline should address the anxiety or inertia that stops people from switching."

Para aportar al roadmap de producto:

"Review this JTBD map and identify any functional jobs that our product does not currently address well. List them as potential feature or improvement areas, with the customer language that signals the unmet need."

Cada uno de estos prompts toma el análisis en bruto y lo convierte en algo que un equipo concreto puede aplicar de inmediato. Si esas conclusiones alimentan un rediseño del sitio, trabajar con una de las mejores agencias de diseño web para B2B SaaS o con expertos en diseño web y UX para B2B SaaS de confianza puede ayudar a que el mensaje se mantenga en el recorrido real del usuario.

Errores comunes que debes evitar

Omitir la instrucción de evidencias. Si no le pides a ChatGPT que cite la transcripción, generará trabajos que suenan plausibles pero no se basan en datos reales. Exige siempre evidencias.

Usar transcripciones de entrevistas deficientes. El análisis JTBD depende de que los clientes hablen de su proceso de decisión, de sus dificultades y de los resultados que desean. Si tus transcripciones son sobre todo opiniones sobre funcionalidades o valoraciones de satisfacción, el análisis no sacará a la luz trabajos significativos.

Tratar el resultado como definitivo. ChatGPT es una herramienta de síntesis, no un investigador. Revisa sus resultados con alguien que haya estado en las entrevistas. Corrige cualquier cosa que tergiverse lo que el cliente quiso decir.

Hacerlo todo en una sola conversación larga. ChatGPT pierde contexto en las conversaciones largas. Mantén el análisis de cada transcripción en su propia conversación y después reúne los resultados para la síntesis.

Cómo usa SaaS Hackers este flujo de trabajo

En SaaS Hackers, este enfoque forma parte de un marco de investigación más amplio para el posicionamiento de B2B SaaS. El paso de síntesis JTBD suele llevar de 2 a 3 horas con 8 a 10 transcripciones, frente a 2 o 3 días de análisis manual. El resultado alimenta directamente el trabajo de arquitectura de mensaje que hacemos con nuestros clientes.

La conclusión más constante: los trabajos emocionales y sociales casi siempre pesan más que los funcionales en las decisiones de compra, y casi siempre faltan en el mensaje de los SaaS. ChatGPT, bien usado, los hace visibles.

Preguntas frecuentes

¿Cuál es la mejor forma de usar ChatGPT para un análisis Jobs-to-Be-Done?

El mejor enfoque es pegar en ChatGPT transcripciones individuales de entrevistas con clientes, junto con prompts estructurados que le pidan identificar los trabajos funcionales, emocionales y sociales, con citas textuales como evidencia. Analiza cada transcripción por separado y después usa un prompt de síntesis para encontrar patrones en todas las entrevistas. Así obtienes un mapa JTBD ordenado por prioridad en horas en lugar de días.

¿Cuántas entrevistas con clientes necesito para un análisis JTBD con ChatGPT?

Tres entrevistas es el mínimo para que el reconocimiento de patrones tenga algún sentido. Entre cinco y ocho entrevistas sacarán a la luz los trabajos principales de forma fiable. A partir de diez, normalmente los beneficios son cada vez menores, salvo que segmentes por tipo de cliente, tamaño de empresa o caso de uso.

¿Puede ChatGPT sustituir las entrevistas con clientes en la investigación JTBD?

No. ChatGPT sintetiza los datos que le das. No puede generar conocimiento genuino del cliente de la nada. La calidad de tu análisis JTBD depende por completo de la calidad de las entrevistas que realices. ChatGPT acelera el paso del análisis, no el de la investigación.

¿Qué diferencia hay entre los trabajos funcionales, emocionales y sociales en JTBD?

Los jobs funcionales son las tareas prácticas que un cliente necesita completar. Los jobs emocionales describen cómo quiere sentirse (o evitar sentirse) mientras lo hace. Los jobs sociales describen cómo quiere que los demás lo perciban. En B2B SaaS, los tres están presentes en cada decisión de compra, pero la mayoría de los productos solo abordan el job funcional en sus mensajes. Los equipos que quieren llevar esos aprendizajes a la práctica en sus canales de captación suelen acabar comparando agencias de SEO para B2B SaaS, agencias de content marketing para B2B SaaS o agencias de estrategia digital para B2B SaaS de carácter más amplio.

¿Es útil el marco Jobs-to-Be-Done para productos SaaS en fase inicial?

Sí, y probablemente más que para productos maduros. Los equipos de SaaS en fase inicial suelen desarrollar a partir de necesidades supuestas en lugar de reales. Hacer un análisis JTBD con solo 3-5 entrevistas antes de crear una funcionalidad o redactar el texto de posicionamiento reduce el riesgo de construir algo para lo que los clientes no contratarán tu producto. Si necesitas apoyo externo en esa etapa, puede ayudarte revisar agencias especializadas en startups B2B SaaS o explorar el directorio más amplio de mejores agencias para encontrar la experiencia adecuada.