一个尴尬的事实

传统产品经理最核心的技能之一，是「听懂用户说什么」。用户说「这个按钮太小了」，产品经理知道要调整 UI。用户说「加载太慢了」，产品经理知道要优化性能。

但在 AI 产品领域，这个技能正在失效。

用户说「帮我写一份竞品分析报告」，AI 生成了 3000 字。用户看了之后说「不是这样的」。但你再追问「那你想要什么样的？」，用户自己也说不清楚。于是陷入一个困境：用户不满意当前的输出，但描述不出期望的输出。

这不是用户表达能力的问题，而是 AI 产品的本质决定的——用户在体验之前，无法想象 AI 能做什么。在体验之后，才意识到自己真正需要什么。

传统需求发现的三步失效

失效一：用户访谈

你问用户「你希望 AI 帮你做什么？」，用户回答的是他们已经熟悉的用例——「写邮件」「做翻译」「查资料」。这些是存量需求，但 AI 产品真正的价值往往在增量场景——那些用户从来没想过「这也能量产」的环节。

如果你照着用户说的做，产品上限就是现有工作流的小优化。

失效二：问卷调查

多选题的选项是你预设的。你列了五个场景让用户选，用户最多从中挑三个。但用户真正的痛点可能根本不在五个选项里。选择题的形式天然排除了未知的需求。

失效三：竞品分析

大多数 AI 产品的竞品分析停留在功能对比表。但 AI 产品的用户价值不是功能之和，而是「在具体场景下的端到端体验」。竞品让你看到的是表象，看不到的是用户离开竞品时那个没说出口的原因。

替代方案：从「问用户要什么」到「看用户怎么用」

方法一：影子观察 + 任务拆解

找 5-10 个目标用户，观察他们完成一项真实任务的完整过程——不是用你的产品，而是用他们现有的工具组合。记录每一个中断、回头路、反复确认的环节。

这些环节中的任何一个，都可能是 AI 产品的切入点。

举个例子：观察一个运营人员写周报。你可能会看到 ta 先在飞书翻聊天记录找本周做了什么，再在 Excel 拉数据，再在脑子里组织逻辑，最后在 Notion 敲字。前三个环节中的任何一个被 AI 简化，价值都比「帮 ta 润色周报文字」大得多。

方法二：异常行为追踪

在你的产品中埋点，标记那些「异常使用模式」：

  • 用户反复问同类问题但每次微调措辞
  • 用户连续点了三次「重新生成」
  • 用户复制了 AI 输出后，花大量时间在自己编辑

这些都是信号——说明当前功能没有解决用户的真实需求，但用户在用你的产品做一件你认为它不该做的事。找到这件事，就是找到了下一个功能的方向。

方法三：拒绝日志分析

如果产品有安全过滤或质量门槛，记录那些被拒绝或降级的请求。用户主动发起的、但被系统挡回来的请求，往往比他们接受的推荐更接近真实意图。

一种新的需求语言

AI 产品的需求不再是一句「我希望 X 功能」能概括的。更有效的表达可能是：

  • 「在 Y 场景下，给我一个起点，我不需要成品」
  • 「我宁愿它说不知道，也不要说错的」
  • 「快比好更重要」或「准比快更重要」

产品经理的新技能不是在用户说清楚之后做翻译，而是在用户说不清楚的时候，帮用户把模糊的期待变成具体的问题。