第4章：用户访谈与现场观察——访谈提纲设计、现场跟线记录方法、关键问题提炼技巧

4.1 章节概述

用户访谈与现场观察是工业IoT需求分析中最具“含金量”的两个动作。不同于消费互联网的问卷或A/B测试，工业场景中存在大量隐性知识（Tacit Knowledge）：操作工长期形成的肌肉记忆、老师傅对设备异响的直觉判断、维修班组内部的非正式协作流程——这些都无法通过远程会议或文档获得。本章聚焦三个实操环节：访谈提纲设计、现场跟线记录、关键问题提炼，帮助产品经理在客户现场高效捕获真实需求。

4.2 访谈提纲设计：从“问什么”到“怎么问”

工业访谈最常犯的错误是“拿着消费级问卷去问工厂老师傅”。有效提纲设计必须遵循角色差异化和问题分层两个原则。

4.2.1 识别关键角色与关注焦点

4.2.2 问题类型分层：五类问题结构

一份高质量访谈提纲应包含以下五类问题，按顺序推进：

1. 场景开场问题（获得上下文）：“请您描述一下昨天最紧张的一次生产异常。”
2. 行为追溯问题（还原动作）：“当时您首先去看了哪个屏幕/按钮？”
3. 痛点挖掘问题（定位差距）：“哪个环节让您等了最久？”
4. 期望探询问题（捕获期待）：“如果有一个工具能帮您，您最希望它做什么？”
5. 验证反馈问题（确认理解）：“我理解的是……，是这样吗？”

4.3 现场跟线记录方法：把“隐形动作”显性化

访谈只能获得“用户认为自己做过的”，现场跟线才能看到“用户实际做过的”。跟线记录不是简单的“观察+笔记”，而是用结构化框架捕捉信息。

4.3.1 跟线前准备清单

□ 安全培训确认（劳保用品、车间安全须知）
□ 跟线目标设备清单（不超过3台/次）
□ 四维记录模板打印（人机料环）
□ 时间轴记录纸（或平板+离线表格）
□ 异常事件快照卡片（提前印制）
□ 角色时间表（操作工/维修/质检轮班时间）
□ 现场联系人确认（班长/安全员电话）

4.3.2 四维记录法（人-机-料-环）

4.3.3 异常事件快照（AES）

当现场发生非正常事件时，立即使用异常事件快照卡记录，格式如下：

异常事件快照卡（AES Card）
─────────────────────────────
时间戳： 2025-04-08 14:32
设备ID： CNC-07
事件类型： □ 停机  □ 报警  □ 等待  □ 返工  □ 安全
触发条件：主轴温度超过设定值（72℃→85℃）
操作工反应：先看HMI报警代码，然后打电话给维修
等待时长： 6分20秒（维修到达时间）
影响范围： 该工位停线，上游缓存堆积3件
备注： 操作工表示“最近一周出现第三次了”
─────────────────────────────

4.4 关键问题提炼技巧：从碎片到结构

现场记录是“面粉”，关键问题提炼是“面条”。没有方法的提炼会让大量有效信息沉睡在笔记本里。

4.4.1 问题聚类与优先级矩阵

4.4.2 根因定位：5Why 现场演练

以“设备反复报警但操作工直接复位”为例：

Why 1：为什么操作工直接复位？ → “因为报警太频繁了，每次都处理会耽误产量。”
Why 2：为什么报警频繁？ → “传感器灵敏度太高，一点振动就触发。”
Why 3：为什么灵敏度设这么高？ → “上次质量事故后，品控要求提高报警阈值。”
Why 4：为什么品控要求提高？ → “低灵敏度时出现过漏报警导致批量不良。”
Why 5：有没有不需要降低灵敏度也能避免漏报的方案？ → “可增加振动滤波算法或安装位置优化。”

4.4.3 输出需求卡片（最终交付物模板）

需求卡片编号： REQ-CNC-007
─────────────────────────────
场景： CNC-07 设备加工过程中主轴温度异常
角色： 操作工  →  维修技师
痛点： 当前报警阈值固定（85℃），但不同刀具/材质允许温度不同，导致误报率37%
频率： 每班次平均误报 3-4 次
影响： 每次误报引发停线检查 5-8 分钟，班次利用率损失约 12%
期望方案： 动态温度阈值模型，根据当前刀具号+材质自动调整报警上/下限
验收标准： 误报率下降至 ≤5%，且无真实漏报
需求来源： 操作工访谈(2025-04-08上午) + 跟线记录(CNC-07, 14:32异常事件快照)
─────────────────────────────

每张需求卡片为后续的需求拆解、方案设计、指标验证提供唯一入口。建议每个工厂现场产出不少于15张有效需求卡片，作为该站点的需求基线。