验证技巧： 一次高质量的“人物访谈”中，不要问“你需要什么？”，而是直接问“你上周在处理这个问题上，有多少次感到沮丧以至于想放弃？”。记录具体的频次和场景。
**1.3.2 技术能力边界：评估“可解性”**
- **可解性公式**：问题明确度 + 数据完备性 + 模型成熟度 ≥ 最低可用阈值
- **常见陷阱**：认为“大模型能解决一切”。实际上，在大规模高并发、需要确定性和严格准确率的场景（如金融合规审查），大模型的幻觉问题是不可接受的风险。
- **边界检查清单**：
1. 这个问题是否属于“确定性”数学计算？ → 不应用AI，用规则引擎。
2. 这个问题是否需要“0误判”？ → 必须有人工兜底。
3. 现有数据是否存在严重的分布偏移？ → 模型可能不泛化。
**1.3.3 商业可行性：连接模型成本与用户价值**
- 一个AI功能的成本 = 研发成本 + 训练/推理成本 + 数据标注成本 + 运维成本。
- **ROI自检**：使用AI后，用户愿意为这个功能多付多少钱？或者能为用户节省多少时间折算成工资？
- **案例**：某企业客服机器人，每次真人客服接起电话成本为5元，而AI机器人单次交互成本为0.3元。只要AI的首次解决率超过60%，商业上就是可行的。
高度警示： 不要只算节省的显性人力，要算上因为AI回答不准、用户情绪恶化导致的“隐性客服升级成本”。很多AI产品看似便宜，实则让后端人工处理成本翻了3-5倍。
**1.3.4 伪需求识别：用户说了不算，行为才算**
- **伪需求特征**：
1. 用户在采访中说“我特别需要”，但实际场景中没有任何主动搜索、使用或付费意愿。
2. 解决方案的“感知价值”远高于“使用价值”。用户只是喜欢“智能”的概念，而非功能本身。
- **验证手段**：MVP测试，让用户真实操作一个模拟原型，观察其自然行为。超过80%的用户在第一步就卡住，则可以判定为伪需求。
**1.3.5 优先级排序：建立你的评估矩阵**
当四个维度都完成判断后，将所有潜在痛点放入“价值-成本-风险”三维矩阵进行排序。
优先级排序实操框架：
优先级 = (用户价值缺口 × 商业可行性) / (技术实现成本 × 伪需求风险系数)
系数定义：
- 用户价值缺口（1~5）：1=痒点，5=致命断点
- 商业可行性（1~5）：1=亏损，5=暴利
- 技术实现成本（1~5）：1=现成API，5=需要自研底层模型
- 伪需求风险系数（1~3）：1=已验证真需求，3=高度怀疑
#### 1.4 本章小结：从访谈开始辨析
辨析痛点的本质，贯穿于你未来的每一次用户访谈、每一个产品方案和每一次指标验证中。本章的内容是你进行后续章节实操的基础。作为入门第一课，现在你需要带着以下问题去开始你的第一次访谈：
1. **场景**：用户在哪个环节频繁卡顿、抱怨或绕路？
2. **验证**：该行为在用户历史日志中出现过多少次？
3. **边界**：当前AI技术能否稳定覆盖这个场景？
4. **价值**：用户为此行为愿意支付的时间或金钱是多少？
**本章验收标准：** 你能否用以上框架，将你当前正在构思的AI产品痛点，准确地归类到“用户价值缺口”、“技术能力边界”、“商业可行性”、“伪需求”中至少一个类别，并给出1-2个验证指标？
优先级 = (用户价值缺口 × 商业可行性) / (技术实现成本 × 伪需求风险系数)
系数定义：
- 用户价值缺口（1~5）：1=痒点，5=致命断点
- 商业可行性（1~5）：1=亏损，5=暴利
- 技术实现成本（1~5）：1=现成API，5=需要自研底层模型
- 伪需求风险系数（1~3）：1=已验证真需求，3=高度怀疑