4. 用户场景与痛点挖掘
好，咱们进入第四讲。前面几章我们聊了需求分析的整体框架和干系人识别，今天要聊的，是真正“下地干活”的部分——用户场景与痛点挖掘。
说实话，我见过太多AI产品翻车，不是因为技术不行，而是因为压根没搞明白用户到底在什么场景下、因为什么具体问题而痛苦。你想想看，一个连痛点都没找准的AI方案，再牛的技术也是白搭。
4.1 用户访谈：别问“你想要什么”
很多产品经理做访谈，上来就问：“您希望我们帮您解决什么问题？” 这种问法，十有八九得到的是空话、套话，甚至是用户随口编的需求。
我个人习惯的做法是： 先聊场景，再挖痛点。我会让用户描述他一天的工作流程，从早上打开电脑开始，到晚上下班，每一步都做什么。然后，我重点关注那些让他皱眉、叹气、甚至骂脏话的环节。
- “您在这个环节上，通常要花多长时间？” —— 量化痛苦
- “如果这一步出错了，后果是什么？” —— 评估风险
- “您有没有尝试过什么办法来解决它？” —— 了解用户的自救路径
我在项目中遇到过一位财务主管，她抱怨报销流程太慢。我追问“具体慢在哪里？” 她说“审核发票要人工核对三遍”。我再问“核对什么内容？” 她说是“发票号、金额、公司名是否一致”。你看，这就从“流程慢”变成了一个具体的、可被AI解决的痛点——发票信息OCR比对。
4.2 观察法：用户说的 vs 用户做的
用户访谈有个天然缺陷——用户会美化自己的行为。他说“我每天都会检查数据”，实际上可能一周才看一次。怎么办？用观察法。
观察法说白了就是： 你到用户的工作现场，安安静静地看他干活，别说话，别指导。记录他每一步操作，尤其是那些“多余的动作”。
我举个例子。我们团队曾为医院开发一个AI辅助诊断系统。访谈时医生说“我们看片子很快的”。但实际观察发现，医生每看一张CT，要切换3个不同的软件窗口，手动输入2次患者ID，还要在纸质报告上画圈标注。这些“隐性操作”才是真正的痛点。
观察法的核心记录维度：
- 操作路径： 用户从A到B，中间点了多少次鼠标？
- 等待时间： 哪个环节用户需要干等着？
- 错误率： 哪个步骤用户容易出错？
- 情绪变化： 用户在哪个节点表现出不耐烦？
4.3 痛点优先级排序：别想一口吃成胖子
挖出来的痛点可能有一箩筐，但AI资源有限，不可能全做。怎么排优先级？我一般用两个维度：痛苦程度 和 AI解决可行性。
下面这张图是我自己常用的排序矩阵：
你看，右上角（高痛苦 + 高可行性） 的痛点，才是我们AI产品应该优先啃的硬骨头。比如发票OCR识别，用户痛苦（人工核对耗时、易错），AI也擅长（图像识别、结构化输出），这就是好需求。
而左上角（高痛苦但低可行性），比如“预测明天股票涨跌”，用户很想要，但AI做不到（或者说做不到稳定可靠），这种需求就要果断放弃，别浪费时间。
4.4 从“用户想要”到“AI能解决”的映射
这是最考验功力的一步。用户说的往往是“我想要一个更快的流程”，但你要翻译成“AI能做什么”。
我总结了一个简单的映射表：
| 用户原始表述 | 背后痛点 | AI能力映射 | 产品形态示例 |
|---|---|---|---|
| “我每天要花2小时整理报表” | 重复性劳动，耗时 | 自动化 + 自然语言生成 | AI自动报表生成器 |
| “客户投诉总是漏掉关键信息” | 信息提取不完整 | 命名实体识别 + 情感分析 | 智能工单分类系统 |
| “新员工培训要3个月才能上手” | 知识传递效率低 | 知识图谱 + 对话式AI | AI问答机器人 |
| “质检环节经常漏检次品” | 人工视觉疲劳 | 计算机视觉 + 异常检测 | AI视觉质检系统 |
这里有个关键点：不要试图用AI解决所有问题。我见过一个项目，用户说“我想要一个能自动写周报的AI”，团队就真做了一个。结果发现，用户写周报只花10分钟，但为了教会AI怎么写，花了3天时间标注数据。这就不划算了。
- 如果用户花 30分钟以上 做一件重复性工作 → 值得用AI
- 如果用户花 5分钟 就能搞定 → 别折腾，保持现状
- 如果用户需要 创造性思考（比如写方案、做决策）→ AI只能辅助，不能替代
4.5 实战案例：一个完整的映射过程
最后，我分享一个真实的案例。我们曾为一家物流公司做需求分析。
第一步：用户访谈
调度员说：“我每天要安排200辆车的路线，最怕遇到临时加单，整个计划全乱套。”
第二步：观察法
我们发现，调度员遇到加单时，要手动打开Excel，重新计算所有车辆的路线，再打电话跟司机确认。整个过程平均耗时45分钟，而且经常算错。
第三步：痛点排序
这个痛点痛苦程度高（45分钟 + 易出错），AI可行性也高（路径规划是经典AI问题），果断排到“优先做”。
第四步：映射到AI能力
用户想要“自动调整路线” → AI能力是“约束满足问题 + 实时优化算法” → 产品形态是“智能调度助手”。
最终，我们只用了2周就做出了一个MVP：调度员输入新增订单，AI在10秒内给出3条推荐路线，并自动通知司机。用户反馈：“终于不用加班了。”