简介
在实际工作过程中，常常需要拿到产品的PRD文档或者原型图进行需求分析，为产品的功能设计和优化提供建议。
而使用ChatGPT可以很好地帮助分析和整理用户需求。
实践演练
接下来，需要使用ChatGPT 辅助我们完成需求分析的任务
注意：为了方便展示，所有GPT的回复都将使用文本格式展示，以及为了避免内容过于冗长，会省略部分信息。
现在我们使用ChatGPT帮助我们生成一份PRD文档：
提示词：请帮我针对一个论坛web页面生成一份搜索功能的PRD文档。
生成PRD文档后，可以直接让GPT针对于此文档进行需求分析。
- 提示词：请帮我针对以上的PRD 的文档进行需求分析
当进行需求分析时，你需要详细审查PRD文档中提出的各项需求，以便更好地理解每个需求的细节和影响。以下是对上述PRD文档中不同需求的分析：
3.1 改进搜索算法
目标：提高搜索结果的准确性和相关性。
分析：这一需求涉及到搜索引擎的核心功能，需要进行深入的自然语言处理技术。关键词匹配的扩展需要识别同义词和相关词汇，这可能需要构建词库或使用现有的自然语言处理工具。个性化推荐需要对用户的历史搜索和浏览数据进行分析，可能涉及用户数据的隐私和安全问题。考虑热度因素可能需要一个指标系统，以衡量帖子的点击率和互动情况。
3.2 高级搜索选项
目标：支持更高级的搜索选项，满足用户更精细化的搜索需求。
分析：高级搜索选项的引入将增加用户界面的复杂性，需要平衡用户友好性和功能性。按作者搜索和按时间范围搜索需要对用户界面进行设计调整，可能需要额外的用户交互步骤。按分类搜索可能涉及到论坛板块的管理和分类，需要确保搜索结果与论坛结构一致。
3.3 搜索结果页面改进
目标：优化搜索结果页面的布局和显示方式。
分析：结果预览可以提供用户更多信息，但预览内容的选择可能影响用户点击决策。高亮关键词有助于用户快速定位匹配的内容，但过度高亮可能导致信息混乱。排序选项需要一个清晰的用户界面，以便用户能够方便地切换排序方式。
3.4 响应时间优化
目标：加快搜索响应速度，减少用户等待时间。
分析：搜索响应时间的优化可能需要涉及后端搜索引擎的性能调优，如索引优化、查询优化等。前端优化可以通过异步加载、缓存等技术减少页面加载时间。但要注意，在优化性能时要平衡系统稳定性和性能提升。
...省略...
但是从返回信息中，我们可以看出其实所谓的需求分析整体内容还是比较空洞，不同的角色在需求分析这一环节的时候，侧重点都不相同，所以为了让GPT有更好的输出，尝试在提示词中添加角色、和一些应用场景。
- 提示词：如果我是一个测试，需要从以上的需求中提炼出来的我的测试点，请帮我提炼出来。
当从上述需求文档中提炼测试点时，你需要关注每个需求的具体细节和预期结果。以下是一些可能的测试点，可以帮助你规划测试任务：
3.1 改进搜索算法
测试不同关键词的搜索结果，验证是否正确识别同义词和相关词汇。
进行个性化推荐测试，确认系统能否根据用户历史数据进行准确的推荐。
创建帖子并模拟用户交互，测试搜索结果中的热门帖子是否按照预期排序。
3.2 高级搜索选项
测试按作者搜索功能，验证搜索结果是否仅包含指定作者的帖子。
针对不同时间范围进行搜索，验证搜索结果是否符合所选时间段的帖子。
在不同分类下进行搜索，检查搜索结果是否限定在所选分类中的帖子。
3.3 搜索结果页面改进
验证搜索结果页面中的结果预览，检查预览内容是否准确反映了帖子内容。
测试高亮关键词功能，确认关键词是否在搜索结果中正确高亮显示。
切换不同排序选项，检查结果是否按照所选排序方式进行排列。
3.4 响应时间优化
进行并发搜索测试，以验证搜索响应时间是否在系统负载下仍保持在可接受范围内。
使用较慢的网络连接测试搜索页面的加载速度，确认页面是否在合理时间内加载完成。
...省略...
如果在这个过程中，对 GPT 的某个回复不够满意，还可以进一步给他提出要求：
- 提示词：改进搜索算法没有考虑异常场景的测试点，请补充。
当考虑改进搜索算法的异常场景时，你需要针对一些不常见、边缘情况或错误情况进行测试，以确保系统在这些情况下能够正确处理。以下是一些可能的异常场景测试点：
改进搜索算法的异常场景测试点
空搜索关键词：测试当用户提交空的搜索关键词时，系统是否能够合理地处理，而不会导致错误或崩溃。
特殊字符处理：输入包含特殊字符、标点符号或表情符号的搜索关键词，验证系统是否正确处理这些情况。
无结果搜索：针对不常见的关键词或不存在的关键词，检查系统是否返回适当的无结果提示，而不是错误信息。
非常见词汇：测试使用非常见、生僻或不规范的词汇进行搜索，以验证系统是否能够正确匹配或建议相关词汇。
超长关键词：输入过长的搜索关键词，检查系统是否能够适当截断或进行错误处理。
大量搜索请求：模拟高并发的搜索请求，以验证系统在压力下是否能够稳定运行，并且搜索结果是否保持一致。
多次连续搜索：连续多次提交搜索请求，观察系统是否保持稳定性，并检查是否有不良的累积效应。
搜索结果一致性：针对同一关键词进行多次搜索，检查搜索结果是否在不同时间保持一致。
跨语言搜索：使用不同语言的关键词进行搜索，验证系统是否能够正确处理多语言搜索。
过多搜索参数：测试同时使用多个高级搜索选项，验证系统是否正确处理这些参数的组合。
用户历史分析错误：模拟用户历史数据分析错误或缺失，以检查系统是否能够容错并提供合理的搜索结果。
通过在测试中涵盖这些异常场景，你可以确保系统在各种不同情况下都能够稳定运行，并提供合理的用户体验。
总结
在这次实践中，我们使用了ChatGPT 提示词的以下技巧：
1.写清楚需求：在给出提示词的时候，我们通过添加场景、添加角色，让我们的需求更加明确。
2.将复杂的任务拆分为更简单的子任务：需求分析本身就是一个复杂的过程，我们需要逐步拆解，并纠正GPT的回复，引导GPT给到更多的信息。
3.系统的测试变化：在返回信息过程中，如果返回信息不满足需求，或者有偏差，需要测试回复信息，并予以修正。
4.角色扮演：在给出提示词的过程中，我们告诉GPT，需要以一个测试工程师的角色给出对应的测试点。文章来源：https://www.toymoban.com/news/detail-709383.html
推荐学习
文章来源地址https://www.toymoban.com/news/detail-709383.html
到了这里，关于软件测试/测试开发丨使用ChatGPT自动进行需求分析的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
