第2章 业务场景与用户旅程梳理
2.1 业务场景与用户旅程的定义
业务场景是AI产品落地的第一块基石——它回答“谁、在什么情境下、想达成什么目标、当前遇到了什么阻碍”。用户旅程则把场景展开为一条可追溯的路径：从用户触发意图到最终获得结果，中间经过哪些触点、哪些决策、哪些等待。
在AI产品中，用户旅程与传统软件的最大区别在于：模型能力边界会直接改变旅程的走向。AI能处理的步骤由模型自动完成，不能处理的步骤必须交接给人或退回用户。因此，梳理旅程的核心任务变成：切分AI与人工的职责边界，并标记出关键决策点。
2.2 用户旅程绘制四步法
以下四个步骤可帮助产品经理系统化地完成AI产品用户旅程的绘制与交接点识别：
- 场景定义与用户画像 —— 明确目标用户、触发条件、期望结果。输出：1~2个典型用户画像 + 核心场景描述。
- 触点与行为路径绘制 —— 从用户视角列出所有可见/不可见的操作步骤，包括输入、等待、反馈、异常处理。输出：完整的步骤序列。
- 关键决策点识别 —— 在路径中标记“需要判断由谁处理”的节点，通常位于信息不足、置信度低、风险高的位置。输出：决策点清单。
- AI与人工交接标注 —— 在每个决策点后标注“AI处理”“人工处理”或“退回重试”，并写明交接触发条件。输出：标注后的旅程图。
2.3 关键决策点识别矩阵
并非所有步骤都需要成为决策点。只有满足“AI可能无法安全处理”或“一旦出错后果严重”的节点才需要标记。下表总结了四类典型决策点及其判断依据：
| 决策点类型 | 典型场景示例 | AI处理条件 | 人工介入触发条件 |
|---|---|---|---|
| 信息完整性判断 | 用户输入缺失关键字段 | 缺失字段 ≤ 1 且可推理 | 缺失字段 ≥ 2 或存在歧义 |
| 置信度阈值判断 | 模型对意图识别的置信度 | 置信度 ≥ 0.8 | 置信度 ＜ 0.8 或 top-2 得分接近 |
| 风险敏感度判断 | 涉及隐私、资金、法律条款 | 风险等级 ≤ 低风险（预定义清单） | 中高风险 或 不在预定义清单内 |
| 上下文依赖度判断 | 需要历史会话或跨系统数据 | 上下文完整且时间窗口 ≤ 30 分钟 | 上下文缺失 或 需跨系统确认 |
2.4 AI与人工交接点标注规范
在旅程图中，每个交接点需要标注三个要素：交接方向（AI→人工 或 人工→AI）、触发信号（什么条件导致交接）、兜底策略（交接失败时怎么办）。下面列出常见的交接点标注规则：
- AI → 人工：模型主动降级，携带当前上下文（意图、置信度、已处理步骤）转交人工处理。标注格式：
[交接] AI→人工 | 触发: 置信度＜0.8 | 兜底: 排队等待并通知用户预计时长 - 人工 → AI：人工处理完成后，将结果及标注数据回传模型用于增量学习。标注格式：
[交接] 人工→AI | 触发: 人工处理完毕 | 兜底: 异步更新模型，不阻塞流程 - AI → 用户（退回）：模型认定无法处理且人工不在线，直接告知用户并提供替代路径。标注格式：
[退回] AI→用户 | 触发: 无可用人工 & 置信度＜0.5 | 兜底: 记录工单，次日回访
2.5 用户访谈与场景挖掘
用户旅程不能凭空想象，必须通过用户访谈来验证和校准。针对AI产品，访谈应聚焦以下四个维度：
- 触发情境：用户在什么情况下会想到使用AI功能？是遇到了反复出现的低效问题，还是临时需要快速获取信息？
- 决策心理：当AI给出一个不确定的答复时，用户倾向于“再问一次”“转人工”还是“自己查”？这直接决定决策点的阈值设计。
- 对AI的信任阈值：不同用户群体对AI的接受度差异很大。通过访谈划分“激进型”“稳健型”“保守型”用户，对应不同的交接策略。
- 失败体验容忍度：如果AI处理错误，用户愿意给几次纠错机会？一次错误就流失，还是可以容忍2~3次？
访谈输出应整理为场景-决策-交接对照表，作为后续需求拆解的直接输入。
2.6 需求拆解与方案表达
从用户旅程中拆解AI产品需求的核心方法：将每个旅程步骤映射为一条需求条目，并明确标识该需求属于“AI能力”“人工能力”还是“协作能力”。
下面是一个简化的拆解示例，以一个智能客服意图识别场景为参考：
| 旅程步骤 | 需求ID | 需求描述 | 能力归属 | 验收标准 |
|---|---|---|---|---|
| 用户输入问题 | REQ-01 | 系统接收用户文本输入，提取意图与实体 | AI | 意图识别准确率 ≥ 85%，实体召回率 ≥ 80% |
| 判断是否可自动回复 | REQ-02 | 基于置信度与风险等级决策是否转人工 | 协作 | 决策准确率 ≥ 90%，误转率 ≤ 5% |
| 人工客服介入 | REQ-03 | 携带上下文转交人工工作台，支持标记纠正 | 人工 | 上下文完整率 100%，标记回传率 ≥ 95% |
| 返回结果给用户 | REQ-04 | 统一格式返回最终答案，支持满意度评价 | 协作 | 响应时间 ≤ 2s，评价收集率 ≥ 30% |
方案表达时，使用泳道图或跨职能流程图将AI、人工、用户三个角色的行为对齐到同一条时间轴上，确保每个交接点都有明确的责任方和触发条件。
2.7 指标验证与验收标准
用户旅程梳理完成后，必须建立量化指标来验证旅程是否顺畅、AI切分是否合理。核心指标分为三类：
- 效率指标：AI处理率 = AI完成量 / 总请求量；平均处理时长（AI vs 人工）；转人工等待时长。
- 质量指标：AI处理准确率；用户满意度（NPS / CSAT）；人工纠偏率 = 人工修改AI结果的次数 / 总AI处理量。
- 交接指标：转人工率；交接上下文丢失率；退回重试率。
2.8 交付物模板
本章的最终交付物是一份标注后的用户旅程图，建议包含以下结构：
文档标题：AI产品用户旅程图 - [产品名称]
版本：v1.0 | 日期：YYYY-MM-DD | 负责人：[PM姓名]
1. 用户画像与场景描述
- 用户类型：[例如：VIP客户 / 普通注册用户]
- 触发场景：[例如：账单查询 / 产品推荐]
- 期望结果：[例如：3分钟内获得准确账单信息]
2. 旅程步骤清单（按顺序）
| 步骤编号 | 步骤名称 | 执行角色 | 是否决策点 | 交接方向 | 触发条件 | 兜底策略 |
|----------|----------|----------|------------|----------|----------|----------|
| 1 | ... | ... | ... | ... | ... | ... |
3. 关键决策点详表
| 决策点编号 | 判断维度 | AI处理阈值 | 人工介入阈值 | 验收指标 | 当前达标情况 |
|------------|----------|------------|--------------|----------|--------------|
4. 交接点标注图（附泳道图或流程截图）
5. 用户访谈纪要摘要（附典型用户原话）
6. 指标目标值汇总
- AI处理率目标：≥ XX%
- 平均处理时长目标：≤ XX 秒
- 用户满意度目标：≥ XX 分该模板可直接作为产品需求文档（PRD）的独立附件，也可嵌入到PRD的“场景与用户旅程”章节中。注意每次迭代更新旅程图时同步更新版本号和变更记录。