第2章 用户场景与需求采集方法：用户访谈、数据分析、竞品分析

需求采集是AI产品版本规划的起点。没有高质量的需求输入，版本规划就会变成“猜拳式”的拍脑袋决策。本章围绕三大核心采集方法——用户访谈、数据分析、竞品分析，讲解如何系统化地获取用户场景与业务问题，并将它们转化为版本规划的依据。

2.1 用户场景与业务问题

在采集需求之前，必须先明确两个基础概念：用户场景描述“用户在哪里、遇到什么障碍、期望什么结果”；业务问题则回答“这个场景对产品KPI（留存、转化、活跃）造成了多大的影响”。

一个合格的采集任务，必须同时输出场景描述和业务问题量化数据，否则后续的版本规划将缺乏优先级决策的依据。

2.2 三大需求采集方法

不同阶段、不同目标应选择不同的采集方法。下表从核心目标、适用阶段、典型产出、样本量和时间成本五个维度进行对比：

2.2.1 用户访谈

用户访谈适合在0→1或1→N的探索阶段使用。关键操作要点：

• 采用半结构化提纲：预设6-8个核心问题，留出追问空间。
• 每位用户访谈时长控制在 45 – 60 分钟，超过容易造成疲劳。
• 访谈后 24 小时内完成编码和标签化，避免信息衰减。
• 输出物必须包含原始语录和提炼后的需求陈述两个层次。

2.2.2 数据分析

数据分析是用行为事实修正主观判断的关键手段。以AI语音助手产品为例，分析唤醒失败场景的代码示例如下：

import pandas as pd

# 加载用户事件日志
events = pd.read_csv("voice_events.csv")

# 筛选弱网场景下的唤醒事件
weak_net = events[events["network_type"].isin(["2G", "地下停车", "电梯"])]

# 计算各场景唤醒成功率
success_rate = weak_net.groupby("scene")["wake_success"].mean()

print(success_rate)
# 输出示例：
# scene
# 地下停车场    0.62
# 电梯内        0.71
# 楼梯间        0.68

数据分析的关键产出包括：行为漏斗（从触发→唤醒→识别→执行各步流失率）、功能使用热度图（哪些功能被高频/低频使用）、场景渗透率（不同场景下的用户占比和成功率）。

2.2.3 竞品分析

竞品分析不是为了“抄”，而是为了建立差异化的版本规划边界。推荐采用功能矩阵 + 体验基线的双层结构：

• 功能矩阵：列出竞品在相同场景下的功能覆盖度，标记“已有”“缺失”“领先”。
• 体验基线：选取3-5个核心场景，逐一对比成功率、响应时长、错误率等量化指标。
• Gap分析：找出竞品未满足但用户强烈需要的场景，这就是版本规划的“机会窗口”。

2.3 需求拆解与优先级决策

三大方法采集到的原始需求会汇总到需求池。但“用户想要A功能”这样的描述无法直接进入版本规划，必须经过拆解：

1. 场景拆解：将需求还原到具体场景，明确触发条件、用户角色、预期结果。
2. 问题拆解：量化业务影响（如“唤醒失败率每降低5%，次日留存可提升2%”）。
3. 方案拆解：将用户期望转化为技术假设（如“增加离线唤醒模型”）。

优先级决策推荐使用RICE框架（Reach × Impact × Confidence ÷ Effort），每个维度采用1-5分制：

2.4 版本规划方案

优先级排序完成后，将P0需求归入当前版本，P1需求放入下个版本待定，P2及以后进入产品Backlog。每个版本必须包含三类需求：

• 关键场景修复：至少解决1个用户访谈中暴露的高频痛点。
• 数据验证项：包含1-2个可通过A/B测试验证的假设。
• 差异化功能：来自竞品Gap分析中识别出的机会窗口。

2.5 指标验证与验收标准

版本发布后，通过以下标准检验需求采集和拆解的正确性：