第2章 用户访谈与场景捕捉
用户访谈是场景化需求分解的第一道关口。本章围绕“如何问、如何听、如何挖”三条主线,系统讲解从访谈提纲设计到隐性需求挖掘的完整方法论,帮助产品经理将模糊的用户表述转化为可验证的结构化场景。
2.1 访谈提纲设计:从模糊目标到结构化问题
访谈提纲的核心在于将业务目标拆解为可回答的具体问题。设计时需遵循“开放在前、封闭在后;行为在先、感受在后”的原则,避免引导性提问。
四层结构模型是提纲设计的骨架:
| 层次 | 目标 | 典型问题示例 |
|---|---|---|
| 背景了解 | 建立语境,获取用户画像 | “您家里目前使用哪些智能设备?” |
| 行为回顾 | 收集具体操作细节 | “请描述一次您晚上回家的完整过程。” |
| 痛点挖掘 | 定位不满与障碍 | “在过程中最让您感到麻烦的是什么?” |
| 期望探索 | 获取理想状态描述 | “如果完全理想,您希望它如何工作?” |
提问避坑指南: 避免“您会不会觉得…?”这类引导式提问;多用“请描述一次…”“当时您做了什么?”等行为回顾式问法,能获取更真实的原始素材。
2.2 用户表述到场景还原:过滤噪音,保留行为
用户说的 ≠ 用户做的。用户表述中常混杂主观评价、模糊指代和记忆偏差。还原的目标是将口语化描述转化为具备 5W1H 要素的结构化场景。
5W1H 还原框架:
| 要素 | 用户原话示例 | 还原后的场景信息 |
|---|---|---|
| Who (谁) | “我每天下班回家” | 用户本人,上班族,晚归 |
| When (何时) | “天都黑了” | 晚上 7-8 点,室外光照 < 10 lux |
| Where (何地) | “在门口摸半天” | 玄关区域,无自然采光 |
| What (何事) | “摸黑找开关” | 手动寻找墙壁开关,肢体动作 |
| Why (为何) | “有次还撞到鞋柜” | 视线不清导致安全隐患 |
| How (如何) | “灯突然大亮,太刺眼” | 开关为二进制控制,无渐变 |
还原三步骤:
- 转写: 将口语逐字稿整理为陈述句,去掉语气词和重复。
- 映射: 将陈述句中的关键信息填入 5W1H 框架。
- 补全: 结合常识和现场笔记,补充缺失但合理的环境信息。
2.3 隐性需求挖掘技巧:观察、追问与对比
用户能说出口的只是冰山一角。隐性需求藏在用户习以为常的妥协行为和未说出口的期望中。三种核心挖掘技巧:
- 环境观察: 访谈前先观察用户的物理环境——玄关是否有额外照明?鞋柜位置是否有磕碰痕迹?这些细节比语言更诚实。
- 阶梯追问: 当用户说出一个需求后,连续追问“然后呢?”“为什么重要?”“具体指什么?”,逐层剥离表层,到达真实动机。
- 理想与现实对比: 让用户分别描述“现在的做法”和“理想的做法”,二者之间的差距就是隐性需求的富矿。
常见误区: 不要过早将用户表述归类到“功能列表”。例如用户说“灯要自动亮”,其隐性需求可能是“避免摸黑找开关”,而非“需要人体传感器”。混淆手段与目的,会导致方案偏离真实场景。
案例启发: 一位用户说“我希望灯能在我进门时亮起,但不要太亮”。追问后发现,他深夜回家时家人已睡,过亮的灯光会吵醒家人。隐性需求是“亮度分级”和“防打扰模式”,而非简单的“自动亮灯”。
2.4 实战案例:智能照明系统的用户访谈
以智能照明场景为例,展示从用户原始表述到结构化场景的完整转换过程。
用户(张先生)原始访谈摘录:
“我每天下班回家都七八点了,天都黑了。在门口摸半天找开关,有次还撞到鞋柜上。我希望灯能知道我回来了,自己亮起来,但是不要那种突然大亮,太刺眼了。还有就是,我有时候在客厅看电视,不希望灯太亮,但又不想完全黑着。”
场景还原结果:
| 场景要素 | 还原内容 |
|---|---|
| 时间 | 工作日 19:00–20:00,室外照度 < 10 lux |
| 地点 | 玄关(完全无自然光)、客厅 |
| 行为 | 推门进入 → 黑暗中摸索墙壁开关 → 触碰开关 → 灯光瞬间全亮 |
| 痛点 | 摸黑有安全隐患(撞到鞋柜);瞬间高亮造成眩光和不适 |
| 期望 | 自动感知回家动作;灯光渐进亮起;支持场景化调光(看电视模式) |
隐性需求清单:
- 人体存在感应: 用户需要的是“在门口停留即触发”,而非仅移动检测;避免在换鞋时灯灭。
- 渐进式亮度变化: 从 0 到 100% 需 3–5 秒过渡,给眼睛适应时间。
- 场景记忆与联动: 回家模式自动激活;进入客厅后切换为“观影”低亮场景。
- 低位辅助照明: 玄关鞋柜底部增加灯带,减少地面阴影区,提升安全性。
- 无感触发: 与门锁或手机入场信号联动,取消手动操作环节。
交付物提示: 每场访谈结束后,建议输出一张“用户表述→场景要素”映射表,作为后续需求拆解和方案设计的原始凭证。该表应包含:原话片段、5W1H 映射、隐性需求标注、可信度评级(高/中/低)。