在写第一行代码之前,让AI替你把用户访谈做完
一个管理者的困境:需求靠猜,成本靠赌
带过小团队的人对这种场景应该不陌生:产品会上,大家争论某个功能该不该做,谁也说服不了谁,最后老板拍板“先做了再说”。三个月后上线,数据惨淡,复盘会上才发现——当初的争论,本质上是在争论各自想象中的用户。
问题的根源不是团队不努力,而是获取真实用户洞察的成本太高。一场正经的用户访谈,从招募、约时间、执行到整理录音,通常要占用团队一到两周。独立开发者和小团队根本付不起这个时间,于是需求决策退化成“拍脑袋 + 事后验证”,赌错一次就是几个月的沉没成本。
访谈外包?价格以官网价格页为准,而且外包机构对小体量项目往往兴趣不大。
这就是我们团队半年前的状态。后来我们摸索出一条路径:用AI模拟用户访谈,在真实访谈之前先提炼一轮需求假设。注意关键词——是“假设”,不是“结论”。AI不能替你验证市场,但它能把模糊的争论变成清晰的、可被检验的假设清单,让后续那几场真实访谈的效率翻倍。
AI在这件事上到底能为用户做什么
从管理者视角,我总结了四个核心价值:
第一,把“我觉得”翻译成“用户可能觉得”。 团队争论时的话术是“我认为用户要”,AI模拟访谈输出的是结构化的用户画像、场景描述和痛点陈述。格式变了,讨论质量就变了。
第二,把验证成本前置压缩。 一次AI模拟访谈十几分钟就能跑完一轮,一天可以迭代五六版假设。等假设收敛后,再用真实访谈去验证收敛后的假设——真实访谈从“探索”变成“验证”,样本需求从二十个降到五六个。
第三,暴露团队内部的隐性分歧。 让不同成员各自描述目标用户,再让AI分别模拟,往往会发现你们其实在服务两个不同的用户。这种分歧平时藏在需求评审里,AI模拟会把它显性化。
第四,风险控制的兜底。 AI模拟的用户可以替你问出那些“太基础所以没人好意思问”的问题,比如“这个功能到底解决谁的什么问题”。在投入开发资源之前,这些廉价的问题能拦住昂贵的错误。
我们的实际流程:四步走
第一步:收敛团队对目标用户的描述
召集核心成员,每人用三句话描述目标用户。不讨论,只写。然后把所有描述喂给AI,让它指出其中的矛盾点。这一步通常就会吵起来——好事,早吵比晚吵便宜。
第二步:用提示词模板跑模拟访谈
这是核心环节。我们打磨出一个模板,直接可复制:
你是一位有10年经验的用户研究员,正在主持一场用户访谈。
【产品背景】
产品名称:{产品名}
一句话描述:{解决什么问题}
目标用户画像:{年龄/职业/场景/使用动机}
【访谈目标】
1. 验证核心痛点是否真实存在
2. 探索用户现有替代方案及其不满
3. 识别用户愿意为之付出成本的具体场景
【你的任务】
1. 先以第一人称扮演上述画像的用户,生成这个用户的背景小传(150字以内)
2. 然后模拟一场8-10轮的访谈对话:你扮演访谈者提问,并同步扮演该用户回答。用户的回答要符合画像认知水平,允许出现“不了解”“没想过”“不在乎”等真实反应,不要过度配合
3. 访谈结束后,输出:
- 3条最强烈的痛点陈述(用用户原话语气)
- 2条与团队预设矛盾的意外发现
- 3条待验证的假设,每条标注【高/中/低置信度】和验证方式建议
4. 最后自我审视:本次模拟最可能失真的地方是什么?
【约束】
- 用户回答不得流露出对产品的预先好感
- 禁止生成具体市场数据或百分比最后那条“自我审视”是我们加的——让AI自己承认模拟的边界,能有效防止团队把模拟结果当真相。
第三步:多轮、多画像交叉
单次模拟可能跑偏,我们通常跑4-6个不同画像,每个画像跑两轮(第一轮的回答会影响第二轮的追问方向)。然后让AI做一次跨画像汇总,输出共性痛点与差异痛点。
第四步:生成真实访谈提纲
把AI输出的“待验证假设”转化为真实访谈的提纲,拿着这份提纲去找5-6个真实用户。真实访谈的任务只有一个:证伪或证实这些假设。
用AI前后的对比
| 维度 | 引入AI之前 | 引入AI之后 |
|---|---|---|
| 需求讨论形式 | 会议争论,各说各话 | 围绕假设清单逐条对齐 |
| 假设产出量 | 隐性、未成文 | 每轮10+条显性假设 |
| 真实访谈样本 | 15-20人探索式访谈 | 5-6人验证式访谈 |
| 假设文档 | 基本没有 | 每轮迭代留档可追溯 |
| 决策风险 | 赌错了才发现 | 上线前假设已收敛 |
对管理者来说,最值钱的其实是最后一行之外的东西——可追溯。每个决策背后都有一份假设文档,谁提出的假设、哪轮模拟验证的、真实访谈证实了没有,全程留痕。复盘时不再扯皮,回看文档即可。
必须说清楚的风险边界
管理者要有清醒认知,三条红线:
- AI用户是合成的,不是真实的。 它的价值是收敛假设、生成访谈提纲,不是替代市场验证。把模拟结果当结论,是这个方法最大的滥用。
- 警惕“回音室”。 画像描述本身带着团队偏见,AI会顺着你的偏见演。所以团队描述要多元化来源,且保留AI的“不配合回答”设定。
- 不要把AI模拟结果写进对投资方或客户的材料。 那是合成数据,性质上不是用户声音。
写在最后
这个方法跑通后,我们团队的需求评审从“观点战场”变成了“假设清单核对会”。AI没有替我们做决定,但它把决定的成本结构改变了——错的假设死在提示词里,而不是死在三个月的开发周期里。
如果你所在团队也想搭建这样一套“AI辅助调研 + 假设驱动开发”的流程,稳定的模型调用是基础。多画像、多轮次的模拟访谈对API的并发和稳定性都有要求,可以在 https://api.thistoken.ai/register 注册试试,把你的第一轮模拟访谈跑起来。
---
本文的示例只需一个 API Key 就能复现:在 https://api.thistoken.ai/register 注册即用。