4. 用户故事与场景分析：从“谁在用”到“AI怎么帮”
好，我们进入第四讲。前面几章我们聊了PRD的结构、需求收集的方法论。今天要聊的，是AI产品需求文档里最“灵魂”的部分——用户故事与场景分析。
我个人习惯，写AI产品PRD时，会把至少30%的精力花在这一章。为什么？因为AI产品太容易“自嗨”了。你训练了一个准确率99%的模型，结果用户根本不用，或者用起来觉得“这AI好蠢”。说白了，技术牛不牛是一回事，场景对不对是另一回事。
4.1 用户画像构建：别只贴标签
很多同学写用户画像，就是“张三，25岁，互联网运营，喜欢喝咖啡”。这不够。对于AI产品，我们需要更深的洞察。
我建议你从三个维度去构建：
- 行为特征：他每天花多少时间在什么操作上？重复性工作多不多？
- 决策动机：他为什么想用AI？是为了省时间？还是为了减少错误？
- 技术接受度：他怕不怕AI？是“尝鲜派”还是“保守派”？
核心原则：用户画像不是用来“看”的，是用来“代入”的。写需求时，你要能问自己：“如果我是张三，这个功能我会用吗？”
举个例子。我之前做过一个客服AI项目。我们一开始画的用户是“客服专员，25-35岁”。后来发现，真正需要AI的是那些“每天要回复200条重复问题”的资深客服。他们不是不会用AI，而是太忙了，没空学。所以我们的画像修正为：“李姐，32岁，日均处理300+工单，对新技术持观望态度，但愿意尝试能让她准点下班的工具。”
你看，这个画像一出来，产品方向就清晰了——不是做花哨的对话机器人，而是做“一键生成回复模板”的辅助工具。
4.2 核心用户旅程地图：找到“AI介入点”
用户旅程地图，说白了就是“用户从开始到结束，每一步在干嘛”。但AI产品的旅程图，要特别关注一个东西——“摩擦点”。
我习惯用五步法来画：
- 触发：用户为什么开始做这件事？
- 行动：他具体做了什么操作？
- 思考：他当时在想什么？有什么疑惑？
- 情绪：他的心情是烦躁、轻松还是焦虑？
- 机会点：这里能不能用AI来帮他？
下面是一个典型的“电商客服处理退货”旅程图示例：
我的经验：画旅程图时，别只画“理想路径”。一定要画出“用户想放弃”的那个节点。那个节点，往往就是AI最能发挥价值的地方。
4.3 痛点与机会点挖掘：AI不是万能药
很多产品经理一上来就说：“这里用户很痛苦，我们用AI来解决！” 等等，先别急。
我曾经犯过一个错。有个项目，用户觉得“填写表单太麻烦”，我直接上了个AI自动填表。结果用户反馈：“AI填的我不放心，还得自己检查一遍，更慢了。” 你看，痛点找对了，但解决方案错了。
挖掘痛点，我建议用这个框架：
| 痛点类型 | 典型表现 | AI机会点 | 风险提示 |
|---|---|---|---|
| 效率型 | 重复操作多、耗时长 | 自动化处理、批量操作 | 用户可能不信任AI的准确性 |
| 认知型 | 信息太多、决策困难 | 智能推荐、摘要生成 | 推荐结果可能不符合用户偏好 |
| 体验型 | 操作复杂、学习成本高 | 自然语言交互、引导式操作 | 用户可能不知道怎么用语音/对话 |
| 情感型 | 焦虑、孤独、不被理解 | 情感分析、个性化关怀 | 过度拟人化可能引起反感 |
嗯，这里要注意。不是所有痛点都适合用AI解决。比如“用户觉得价格太贵”，这是商业问题，不是AI问题。别硬上。
4.4 AI能力与场景的匹配度分析
这是最核心的一步。你有了用户画像，有了旅程图，找到了痛点。现在要问：“这个场景，AI真的能搞定吗？”
我习惯用一个简单的四象限来评估：
避坑指南：我曾经把一个“高价值但低成熟度”的场景硬推上线。结果模型效果不稳定，用户反馈“AI像个傻子”，最后项目被砍。所以，别贪心。优先做“高价值+高成熟度”的。
具体怎么评估匹配度？我一般问三个问题：
- 数据够不够？ 这个场景有没有足够的历史数据来训练模型？没有数据，AI就是空中楼阁。
- 边界清不清晰？ 用户的需求是明确的（比如“识别图片中的文字”），还是模糊的（比如“理解用户的情绪”）？边界越清晰，AI越容易落地。
- 容错率高不高？ 如果AI做错了，后果严重吗？比如“推荐一部电影”错了无所谓，但“推荐一种治疗方案”错了就麻烦了。
最后，给大家一个实用的小工具。我在写PRD时，会为每个AI功能做一个“匹配度卡片”：
功能名称：智能退货原因识别
用户场景：用户拍照上传商品问题
AI能力：图像分类 + 文本生成
匹配度评估：
- 数据：已有10万张标注图片 ✅
- 边界：问题类型固定（破损、错发、漏发） ✅
- 容错：识别错了用户可以手动修改 ✅
结论：高匹配度，建议优先开发好了，这一章的内容就这些。记住一句话：AI产品不是技术炫技，而是场景的仆人。下一章我们会聊“AI产品的功能定义与优先级排序”，到时候见。