Hoe gebruik je ChatGPT voor een JTBD-analyse?

Kort antwoord: Je kunt ChatGPT gebruiken voor een Jobs-to-Be-Done-analyse (JTBD) door er transcripties van klanteninterviews in te voeren en gestructureerde prompts te gebruiken om functionele, emotionele en sociale jobs te achterhalen. Zo maak je van ruwe kwalitatieve data een helder beeld van waarvoor je klanten jouw product echt inhuren, zonder weken aan handmatige synthese.

Een JTBD-analyse handmatig uitvoeren gaat traag. Je verzamelt 10-15 klanteninterviews, besteedt dagen aan het lezen van transcripties en houdt uiteindelijk een spreadsheet vol half uitgewerkte inzichten over waar niemand mee aan de slag gaat.

ChatGPT verandert die werkwijze. Met de juiste prompts zet je interviewtranscripties in een fractie van de tijd om in gestructureerde JTBD-resultaten. In deze gids lopen we stap voor stap door hoe dat werkt, met prompts die je vandaag nog kunt kopiëren en gebruiken.

Aan het eind weet je hoe je functionele, emotionele en sociale jobs uit ruwe interviewdata haalt, welke krachten het overstapgedrag aandrijven en hoe je die inzichten omzet in messaging- en productbeslissingen.

Wat is Jobs-to-Be-Done en waarom is het belangrijk voor B2B SaaS?

Jobs-to-Be-Done is een raamwerk om klantmotivatie te begrijpen. Het kernidee is dat klanten producten niet kopen vanwege functies. Ze "huren" producten in om vooruitgang te boeken op een specifieke job die ze gedaan moeten krijgen.

Voor B2B SaaS is dit onderscheid enorm belangrijk. Je kopers kopen geen software. Ze huren het in om een zakelijk probleem op te lossen, een professioneel risico te verkleinen of er competent uit te zien tegenover hun leiding. Als je de werkelijke job begrijpt, worden je positionering, messaging en productroadmap allemaal scherper.

Een JTBD-analyse onderscheidt meestal drie dimensies van elke job:

• Functionele job: De praktische taak die de klant moet volbrengen ("Ik moet elke week de nauwkeurigheid van mijn pipeline rapporteren aan mijn CFO")
• Emotionele job: Hoe de klant zich wil voelen (of juist niet wil voelen) tijdens het proces ("Ik wil er zeker van zijn dat de cijfers kloppen voordat ik ze presenteer")
• Sociale job: Hoe de klant door anderen gezien wil worden ("Ik wil dat mijn team mij ziet als iemand die de financiën onder controle heeft")

De uitdaging is dat klanten deze jobs zelden rechtstreeks benoemen. Ze komen naar voren in de taal van het interview, en om ze te herkennen moet je zorgvuldig lezen over meerdere transcripties heen. Precies daar maakt ChatGPT in deze workflow het verschil.

Wat je nodig hebt voordat je begint

Zorg voor je ChatGPT opent dat je deze input klaar hebt:

• Minstens 3-5 transcripties van klanteninterviews (meer is beter, maar 3 is werkbaar)
• Transcripties als platte tekst (kopieer ze uit Otter.ai, Grain of je notitietool)
• Basiscontext over de klant: functie, bedrijfsgrootte en of het gaat om een nieuwe klant, een vertrokken klant of een langdurige gebruiker

De kwaliteit van je JTBD-resultaat hangt volledig af van de kwaliteit van je interviewdata. Als je transcripties dun zijn, wordt de analyse dun. Goede JTBD-interviews laten klanten stap voor stap vertellen over het moment waarop ze voor het eerst doorhadden dat ze een probleem hadden, wat ze eerder hebben geprobeerd en wat hen uiteindelijk deed besluiten in actie te komen. Zit die diepgang niet in je transcripties? Houd dan eerst een paar nieuwe interviews voordat je met dit proces begint.

Stap 1: Bereid je transcriptie voor op de analyse

ChatGPT werkt het best als je schone, gelabelde input geeft. Doe voor je een transcriptie plakt een snelle opschoning:

1. Haal stopwoorden en door elkaar pratende sprekers weg als je transcriptietool dat nog niet heeft gedaan
2. Label de sprekers duidelijk (bijvoorbeeld "Interviewer:" en "Respondent:")
3. Voeg bovenaan een contextnotitie van één regel toe: functie, type bedrijf en klantstatus

Open daarna een nieuw ChatGPT-gesprek en gebruik deze setup-prompt:

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."

Hiermee zet je ChatGPT in de analysestand, in plaats van dat het alleen samenvat wat er gezegd is. Samenvatten is het standaardgedrag en dat wil je hier niet.

Stap 2: Haal de drie jobdimensies eruit

Voer na het plakken van de transcriptie deze extractieprompt uit:

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."

De instructie om ondersteunend bewijs te citeren is belangrijk. Zo voorkom je dat ChatGPT aannemelijk klinkende jobs verzint die geen basis hebben in wat de klant echt zei. Elke job die het benoemt, moet terug te voeren zijn op een echte uitspraak.

Stap 3: Achterhaal de vier krachten achter het overstappen

Het JTBD-raamwerk bevat een model dat de Vier Krachten heet. Het verklaart waarom klanten overstappen van de ene oplossing naar de andere (of juist blijven waar ze zijn). Deze krachten zijn:

• Push: De frustraties met de huidige situatie die klanten wegdrijven
• Pull: De aantrekkingskracht van de nieuwe oplossing
• Angst: De angsten en twijfels over de overstap
• Inertie: De gewoonten en gehechtheid die klanten op hun plek houden

Voor SaaS-positionering en salesmessaging is dit waardevol. Gebruik na de stap voor het ophalen van de jobs deze prompt:

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."

Deze prompt is vooral handig voor salesteams. De push- en pull-krachten sluiten direct aan op bezwaarbehandeling en de taal van je waardepropositie. Als je na dit soort onderzoek je go-to-market-messaging aanscherpt, kan het ook de moeite waard zijn om gespecialiseerde B2B SaaS-copywriters te bekijken of beproefde B2B SaaS Inbound Marketing-bureaus te vergelijken die weten hoe je klanttaal vertaalt naar demand generation.

Stap 4: Voeg inzichten samen over meerdere transcripties

Een analyse van één interview levert je één datapunt op. De echte waarde zit in patroonherkenning over meerdere interviews. Hier loopt handmatige synthese meestal vast, en hier bespaart ChatGPT de meeste tijd.

Voer stap 1-3 uit voor elke transcriptie in aparte gesprekken en breng de resultaten daarna samen in een nieuw gesprek voor de synthese.

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]"

De gerangschikte samenvatting wordt je werkbare JTBD-kaart. Dit is het document dat je meeneemt naar positioneringsworkshops, messagingreviews en gesprekken over productprioritering.

Stap 5: Vertaal jobs naar input voor messaging en product

Een JTBD-analyse levert pas waarde op als er iets door verandert. Gebruik deze vervolgprompts om de synthese om te zetten in bruikbare resultaten.

Voor positionering en messaging:

"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."

Voor teksten voor je homepage of landingspagina:

"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."

Voor input voor je productroadmap:

"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."

Elk van deze prompts zet de ruwe analyse om in iets waar een specifiek team direct mee aan de slag kan. Als die inzichten in een website-vernieuwing terechtkomen, kan samenwerken met een van de beste B2B SaaS-webdesignbureaus of gecontroleerde B2B SaaS webdesign- en UX-experts helpen om de boodschap ook in de echte gebruikersreis door te laten klinken.

Veelgemaakte fouten die je moet vermijden

De bewijsinstructie overslaan. Als je ChatGPT niet vraagt de transcriptie te citeren, verzint het aannemelijk klinkende jobs zonder grondslag in echte data. Eis altijd bewijs.

Transcripties van slechte interviews gebruiken. JTBD-analyse is afhankelijk van klanten die praten over hun besluitvormingsproces, hun problemen en de gewenste uitkomsten. Als je transcripties vooral feedback op functies of tevredenheidscijfers bevatten, levert de analyse geen zinvolle jobs op.

De output als definitief beschouwen. ChatGPT is een synthesetool, geen onderzoeker. Loop de resultaten door met iemand die bij de interviews aanwezig was. Corrigeer alles wat verkeerd weergeeft wat de klant bedoelde.

Alles in één lang gesprek doen. ChatGPT verliest de context in lange gesprekken. Houd elke transcriptieanalyse in een eigen gesprek en breng de resultaten daarna samen voor de synthese.

Zo gebruikt SaaS Hackers deze workflow

Bij SaaS Hackers maakt deze aanpak deel uit van een breder onderzoekskader voor B2B SaaS-positionering. De JTBD-synthese kost meestal 2-3 uur voor 8-10 transcripties, tegenover 2-3 dagen handmatige analyse. De output voedt direct het werk aan de messagingarchitectuur dat we met klanten doen.

De meest consistente bevinding: de emotionele en sociale jobs zijn bijna altijd krachtiger dan de functionele als het gaat om aankoopbeslissingen, en ze ontbreken bijna altijd in SaaS-messaging. Goed gebruikt maakt ChatGPT ze zichtbaar.

Veelgestelde vragen

Wat is de beste manier om ChatGPT te gebruiken voor een Jobs-to-Be-Done-analyse?

De beste aanpak is om afzonderlijke transcripties van klanteninterviews in ChatGPT te plakken, met gestructureerde prompts die om functionele, emotionele en sociale jobs vragen, onderbouwd met directe citaten. Verwerk elke transcriptie apart en gebruik daarna een synthese-prompt om patronen over alle interviews heen te vinden. Zo krijg je in uren in plaats van dagen een gerangschikte JTBD-kaart.

Hoeveel klanteninterviews heb ik nodig voor een JTBD-analyse met ChatGPT?

Drie interviews is het minimum om patronen zinvol te kunnen herkennen. Met vijf tot acht interviews komen de belangrijkste jobs betrouwbaar naar boven. Na tien krijg je meestal afnemende meerwaarde, tenzij je segmenteert op klanttype, bedrijfsgrootte of use case.

Kan ChatGPT klanteninterviews voor JTBD-onderzoek vervangen?

Nee. ChatGPT verwerkt de data die jij aanlevert. Het kan niet uit het niets echt klantinzicht genereren. De kwaliteit van je JTBD-analyse hangt volledig af van de kwaliteit van de interviews die je houdt. ChatGPT versnelt de analysestap, niet de onderzoeksstap.

Wat is het verschil tussen functionele, emotionele en sociale jobs in JTBD?

Functionele jobs zijn de praktische taken die een klant gedaan moet krijgen. Emotionele jobs beschrijven hoe de klant zich wil voelen (of juist niet wil voelen) terwijl hij dat doet. Sociale jobs beschrijven hoe de klant door anderen gezien wil worden. In B2B SaaS spelen alle drie mee bij elke koopbeslissing, maar de meeste producten richten hun boodschap alleen op de functionele job. Teams die deze inzichten willen toepassen in hun acquisitiekanalen, vergelijken vaak B2B SaaS SEO-bureaus, B2B SaaS contentmarketingbureaus of bredere B2B SaaS digitale strategiebureaus.

Is het Jobs-to-Be-Done-framework nuttig voor SaaS-producten in een vroege fase?

Ja, en misschien zelfs meer dan voor volwassen producten. SaaS-teams in een vroege fase bouwen vaak op basis van veronderstelde behoeften in plaats van echte. Een JTBD-analyse op basis van zelfs maar 3 tot 5 interviews, voordat je een feature bouwt of positioneringsteksten schrijft, verkleint het risico dat je iets bouwt waarvoor klanten je product niet zullen inhuren. Als je in die fase externe hulp nodig hebt, helpt het om gespecialiseerde B2B SaaS-bureaus voor start-ups te bekijken of de bredere gids met topbureaus door te nemen op zoek naar relevante expertise.