跳至内容
产品不是从功能开始的,是从现实开始的

产品不是从功能开始的,是从现实开始的

所属专题:产品判断链

把会议室里的"我觉得",换成用户现场的"他真做过"。

这是"产品判断链"系列的第 2 篇。上一篇我们说,早期产品的真正问题不是缺想象力,而是缺一条判断链。这一篇,我们从这条链的第一步开始:现实诊断。

产品讨论,往往一开始就问错了问题

很多产品讨论一上来就问:页面怎么做?入口放哪里?要不要登录?配置项几个?首屏放什么?要不要加分享?要不要做社区?

这些问题不是不重要,但它们太靠后了。

你可以观察一下早期团队的白板。开会两个小时,写满的往往是"首屏放三个示例"“加一个一键分享"“音色选择做成卡片流"“要不要支持批量导出”。看起来很热闹,每个人都在贡献想法。但散会以后你回头看,会发现一个尴尬的事实:这两个小时里,没有一句话是关于"用户上次为什么需要这个东西"的。所有讨论都默认了一个还没被验证的前提——用户确实需要它,而且会按我们设想的方式来用。

更早的问题是:用户为什么要来?来了以后要完成什么?完成之后得到什么?如果这些没弄清楚,功能做得越多,产品越乱——因为你不知道哪个功能在为哪个目的服务。更糟的是,功能越多,你越难判断哪里出了问题:上线之后没人用,你都不知道该砍哪个、留哪个,因为从一开始就没有一个"它在为谁的什么任务服务"的判断作为标尺。

为什么团队总是忍不住先聊功能?因为功能是具体的、可执行的、能立刻动手的,聊起来有掌控感。而"用户到底要不要"是模糊的、难受的、需要走出去问的。人天然会逃向那个更舒服的问题。这恰恰是要警惕的地方。

所以产品设计的第一步,不该是画页面、列功能,而该是现实诊断。

什么是"现实”

这里要先界定清楚:现实,不是市场报告里的宏观规模,也不是竞品官网上的功能列表。

“声音内容市场规模千亿”——这是现实吗?不是,这是统计口径。“ElevenLabs 官网有 29 种语言、情绪滑块、声音克隆”——这是现实吗?也不是,这是别人的功能清单。这两样东西都不能告诉你:你面前这个具体的用户,昨天为了配一条视频,到底干了什么。

现实,是用户在真实世界里已经发生过的行为。

具体来说,是这六个问题:

  • 用户现在怎么解决这个问题?
  • 用户为什么用这个方法?
  • 用户为此付出了什么时间、金钱或精力?
  • 用户怎么判断结果好坏?
  • 市场里谁已经赚到了钱?
  • 竞品满足了什么,又留下了什么空白?

这背后有一个很朴素的认识论:认识来自实践,也要回到实践中验证。

这句话听起来抽象,但放到产品里其实非常具体:你不能把会议室里的想象,当成用户的需求。开会讨论出来的"用户应该会喜欢”,在用户真的做过、真的付过钱、真的用过替代方案之前,都只是观点,不是结论。

这里有个关键的检查动作,可以随时拿来问自己:这个判断,是来自事实,还是来自想象?用户真的完成过这个任务吗?用户真的为它付出过时间、金钱或注意力吗?我们真的观察过用户现在在用什么替代方案吗?如果这几个问题的答案都是"还没有"“我猜"“应该会”,那你手里拿的就不是现实,是脑补。

任何产品假设,在进入真实用户任务之前,都只是观点。

技术团队最容易犯的错:把技术效果当成产品价值

声音 AI 团队一开始也容易陷进一个坑:把技术指标当成产品价值。

比如他们会说:“我们的声音更拟真"“我们的情绪更丰富"“我们的双工更自然”。

这些说法在技术语境里都有意义。但问题是——用户不一定因此买单。

为什么会这样?因为技术指标衡量的是"东西本身有多好”,而产品价值衡量的是"它帮用户完成了什么”。这是两套坐标系。一个能跑分 95 的声音模型,如果用户拿到手不知道能干嘛、生成完不知道往哪发、发了也没带来播放量,那这 95 分对他来说就是 0 分。技术效果是产品价值的必要条件,但远不是充分条件。

对一个短视频创作者来说,“声音更拟真"本身没有价值。它只有在能让视频更好发布、更容易被看完、更省录音时间、更能形成账号特色时,才变成价值。

对一个开车时想找人聊天的用户来说,“双工更自然"本身也没有价值。它只有在让对话更像真人、更少"助手味”、更能接住情绪时,才变成价值。

反过来看更清楚。有时候技术上"更差"的方案,产品价值反而更高。一个音色没那么拟真、但 3 秒就能出结果、还自带十个现成模板的工具,对小白创作者的价值,可能远高于一个音色完美、却要调二十个参数才能用的"专业级"工具。因为前者帮他完成了"今天这条视频得发出去"这个真实任务,后者只是在技术展厅里很好看。

你看,同样一句技术描述,对用户有没有价值,完全取决于它能不能落到某个真实任务上。

所以现实诊断的核心动作,就是把抽象的技术能力,拉回到具体的真实任务里去。如果拉不回去,那这个能力对用户来说,暂时还只是个内部资产。

一张可以直接用的现实诊断表

现实诊断不是漫无目的地"找用户聊聊”。它有结构。下面这张表,可以直接拿去用:

要问的问题为什么要问
用户上一次做这件事是什么时候?判断需求是否真实发生
他当时用了什么替代方案?识别真正的竞品和工作流
哪一步最麻烦?找到痛点的真实位置
他为此花过钱吗?判断痛点强度
他怎么判断结果好坏?找到产品的评价标准
如果这个工具消失,他会怎么办?听他设想会怎么替换,再追问是否真的换过

这张表的每一个问题,都在指向一个产品判断。它的价值在于,每一个回答都能往下推一步,而不是停在"用户说挺需要的"这种死胡同里。

举个具体的。假如有声书作者说,上次花了半天给不同角色切音色,就请他调出那一章,看时间究竟花在哪里;批量分配音色是可试的办法,还不是结论。要是他说“我就看完播率”,记下这个评价线索,再问哪一段听众跳走。标题、故事节奏、分发对象都可能影响完播,不能光看后台曲线就判定是声音不行。

替代方案才是你真正的竞品

现实诊断表里,“他用了什么替代方案"这个问题,值得单独拎出来讲。

因为团队最容易搞错"谁是竞品”。大家本能地以为,竞品就是那个跟我们做一样东西的友商——你做声音工具,那 ElevenLabs、妙音工坊就是你的对手。

但从用户视角看,根本不是这么回事。用户的替代方案,才是你真正的竞品。 而很多时候,用户真正的竞争对手,是"自己手动做”,或者干脆"不做"。

想想看,一个短视频创作者现在怎么配音?他可能压根没用过任何 AI 工具,而是自己对着手机录十遍,挑一条最顺的;或者用剪映里自带的那个机器音,虽然难听但免费、顺手、不用切换 App;又或者,他觉得配音麻烦,干脆就发无人声的视频,配个字幕了事。

这三种"替代方案"——自己录、用顺手的旧工具、干脆不做——才是你要打败的对象。你的产品不是要比 ElevenLabs 好,而是要比"他自己录十遍"省事,比"剪映自带音"好听到值得他多装一个 App,比"干脆不配"更能带来播放量。

这个视角一换,产品的真实门槛就暴露了:用户已经有一套能凑合运转的办法了。你不是在填一个空白,你是在抢一个已经被"凑合方案"占着的位置。如果你的产品只是"略好一点点",用户的迁移成本会让他懒得动。这也是为什么后面要专门讲"用户雇你的产品干一件活"(见用户任务篇)——你得比他现在雇的那个"临时工"明显更好用,他才会换人。

一个关键技巧:问过去行为,别问未来意愿

做用户调研时,有一个特别重要的区别:问过去行为,比问未来意愿可靠得多。

用户经常会出于礼貌,给你一个好听但没用的答案。你问"你会不会用我们的产品",他大概率会说"挺好的"“我可能会用”。这种回答让人很开心,但毫无信息量——因为它是对未来的承诺,而人对未来的承诺是不准的。

这种"礼貌性回答"的杀伤力,比想象中大得多。它不是简单地浪费一次访谈,而是会反向污染团队的判断。你带着一个 demo 去见了十个用户,八个都说"哇这个声音好真"“我应该会用”,你回到公司会怎么说?你会兴奋地告诉团队"用户反馈非常正面,需求验证通过了"。于是团队信心爆棚,直接进入开发。三个月后产品上线,没人用——因为那八个"应该会用",从头到尾没有一个人真的为这个问题付出过任何代价。礼貌性回答制造的,正是一种最危险的东西:假需求。

假需求是怎么产生的?通常是这样一条链:团队先有了一个想做的方向 → 带着倾向性的问题去问用户(“你是不是经常觉得录音很烦?")→ 用户出于礼貌顺着你点头(“对对对,挺烦的”)→ 团队把这个点头当成了验证 → 假需求成立。整个过程里,用户从没说谎,团队也没造假,但一个根本不存在的需求,就这么被"友好地"确认了。

所以要换一种问法。对比一下:

不推荐的问法推荐的问法
你会不会用这个产品?你上一次做这件事是什么时候?怎么做的?
你愿不愿意付费?你现在为这个问题花过什么钱?
你需要什么功能?你现在最麻烦的一步是什么?
你觉得这个方向怎么样?上一次原来的工具不能用,你换了什么?结果怎样?
你喜欢 A 还是 B?你过去实际选过 A 还是 B?为什么?

右边追问的是过去发生的事,最好请对方拿一次作品、账单或操作记录来讲。“如果明天没了这个工具”也可以问,但那是假设:把设想和上次真的怎样替换分开记。没有做过,是需要再查任务频率的线索,不必替对方编一个答案。

放到声音 AI 这个案例里,好的调研问题应该长这样:

  • 别问"你会用 AI 配音吗”,要问"你上一条视频的声音是怎么来的?花了多久?"
  • 别问"你觉得我们音色怎么样",要问"你平时怎么判断一个声音好不好?是看完播率、看评论,还是自己听着顺不顺?"
  • 别问"你需要情绪调节功能吗",要问"你有没有哪次因为声音不对,视频效果不好、重做过?当时差在哪?"
  • 最关键的一个反向问题:那些已经知道 AI 配音存在、却还在自己录的旅行博主,为什么不用? 是因为"听着太假"“没有感情"“调起来太费劲”,还是"平台不待见 AI 声音、会限流”?

最后这个问题尤其重要。因为它问的不是"你想要什么",而是"你为什么没要"。用户不用 AI 配音的真实卡点,直接决定了你产品的主要矛盾是技术(不够像)、是体验(太难调)、还是商业环境(平台不认)。这几个卡点指向完全不同的产品方向,而你只能靠现场调研把它问出来,没法在会议室里想出来。

现实诊断的输出

一轮认真的现实诊断,应该产出几样东西:

  • 一份事实清单:用户真实做过、真实发生过的事。
  • 一份假设清单:我们还没验证、但需要往下走的判断。
  • 一份关键未知问题清单:我们现在最缺哪些认知。
  • 一份用户当前替代方案清单:用户现在到底在用什么。

把事实和假设分开,这一点特别重要。

为什么重要?因为团队讨论失控,往往就是因为把假设当成了事实在用。这里有个特别常见、又特别隐蔽的现象:一个人随口说的"我觉得用户应该更在意价格",第二天被另一个人在会上引用成"我们之前说过用户对价格敏感",再过一周就变成了"大家都知道这群用户是价格敏感型的"。一句没有任何证据的"我觉得",被引用三次之后,就悄悄升级成了"我们都知道",然后堂而皇之地成为产品决策的依据。

破解的办法很简单,但需要纪律:每一条进入决策的结论,都要标注它是事实还是假设。事实要能说出来源——“3 号访谈里那个博主说的”;假设就老老实实标成假设,并且写进"待验证"清单,等着被实践检验。一份诚实的诊断输出,假设清单往往比事实清单长得多,这不丢人,这恰恰说明你知道自己还不知道什么。

判断标准

现实诊断这一步做没做到位,有一个很简单的检验标准:

如果一个产品方向,只能用"我觉得"“投资人觉得"“竞品也做了"来支撑,而没有真实用户行为支撑,它就不该进入重开发。

注意,这不是说"我觉得"完全没用。

恰恰相反,直觉很重要,它常常是好方向的起点。一个在行业里待了很久的人,他的"我觉得"里压缩了大量没法言说的经验,往往比新人的"调研结论"更接近真相。所以不要把直觉当敌人。

真正的问题不在于"该不该有直觉”,而在于直觉放在判断链的哪个位置。直觉是用来提出假设的,不是用来下结论的。一个好的工作方式是:用直觉快速生成一批"我觉得”——用户可能更在意速度、可能不用 AI 是怕被限流、可能更愿意为变现付费——然后把这些"我觉得"全部当成假设,带着它们走出会议室,去用户现场一条条验证。验证通过的,升级成事实,进入开发;验证不通过的,及时扔掉,别心疼。

直觉负责开题,事实负责定稿。结论必须有事实垫底。

小结

产品不是从功能开始的,是从现实开始的。

现实诊断的本质,是逼着团队走出会议室,去看用户在真实世界里到底怎么做、为什么这么做、为此付出了什么。它把"我觉得"换成"他真做过",把抽象的技术能力,拉回到具体的真实任务;它逼你认清谁才是真正的竞品(往往是"用户自己手动做"或"干脆不做"),也逼你把事实和假设分开,不让一句没根据的话在团队里发酵成共识。

这一步做完,你手里会有一份事实清单和一份假设清单。但你很快会发现一个新问题:需要解决的事太多了,技术、用户、场景、商业、渠道……到处都是问题。

早期团队最不能做的,恰恰是把力气平均用在所有问题上。

下一篇,我们讲这条判断链的第二步:怎么找到那个"不解决,其他全白干"的主要矛盾。


这是"产品判断链"系列的第 2 篇。上一篇:《为什么技术最强的团队,反而最容易做错产品?》。下一篇:《早期团队最大的浪费,是把力气平均用》。

本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。

最后更新于