AI Micro SaaS 客户访谈:不要问想不想用,要问上次怎么处理
客户访谈问『你会不会用』只能得到礼貌赞美。本文给你 Mom Test 风格访谈提纲:10 题过去行为 + 5 类禁问反例 + 复盘表 + 3 人讲真实过去行为的硬门槛。
📖 本篇术语速查表
| 英文 / 缩写 | 中文 | 一句话解释 |
|---|---|---|
| customer interview | 客户访谈 | 与目标用户聊真实工作、痛点、替代方案和购买路径。 |
| The Mom Test | 妈妈测试 | 一套避免客户礼貌夸你的访谈方法,重点问过去行为。 |
| false positive | 假阳性 | 看起来有人感兴趣,实际不会使用或付费。 |
| commitment | 承诺 | 用户愿意付出时间、数据、介绍、试用或付款等真实行动。 |
| budget owner | 预算负责人 | 能决定是否购买工具或服务的人。 |
读完你能交付:一份《[目标人群]》Mom Test 访谈提纲(10 题过去行为 / 5 禁问 / 5 字段记录模板 / 3 档复盘 + 下一步承诺)。 一句话锚点:访谈只问“上次怎么处理“,不问”你会不会用”。
不想读完?把下面这段提示词丢给 AI 帮你跑完——复制提示词,喂给 Codex / Claude Code / Cursor / DeepSeek,把变量改成你的目标用户和想验证的问题,AI 会输出访谈提纲和判断表。
# 角色:独立软件 SaaS 客户访谈提问设计顾问
你是我 SaaS 方向的客户访谈提问设计顾问。我会把一个想验证的痛点假设和目标用户交给你,你的工作不是替我去访谈,而是帮我设计一份只问过去行为的访谈提纲。访谈结束我能拿回真实流程、替代方案、预算路径和下一步承诺,而不是一堆好听的礼貌赞美。
你只做访谈设计和复盘判断。不替我编访谈结果、不替我预测对方会不会买、不写"你会不会用这个工具"这种制造假阳性的问题、不替我承诺访谈对象隐私边界以外的事。
## 核心任务
把我的痛点假设和目标用户翻译成一份 Mom Test 风格的访谈提纲:10 个全部用"上次 / 过去 / 之前 / 现在"开头的过去行为问题,分别覆盖发生时间、当时处理方式、用过的工具或人力、痛在哪一步、谁出钱、后来怎么样这几个维度;同时列 5 条必须避开的禁问反例并说明为什么会制造假阳性;最后给一张访谈后填的复盘表,按"3 人讲出真实过去行为 + 1 人主动给样例数据"作为继续的硬门槛。
**成功标准**:交付的结果必须同时满足——10 题全部用过去时态开头;含 5 个禁问反例并各有原因;记录模板 5 字段齐全;未编造访谈结果;不要求用户提供姓名、公司机密、财务流水;判断表带可执行的下一步动作。 任意一条没满足即视为未达标,需补料后重跑。
## 信息输入
出题之前先看我手里的字段齐不齐。
如果想验证的痛点已经写得具体、目标用户能讲清楚是哪一类职业或场景的人、已经能联系到至少 5 个真实潜在用户、访谈渠道也想清楚,这 4 件事我能填出 70% 以上,你就直接开始出题。如果我填得模糊(痛点过宽、用户讲不清楚、一个联系人也没有),你就先停下来进入访谈模式:一次只问我一个问题,给我 3 到 5 个选项让我选,我答完你复述确认再问下一个。
访谈我时你要问的就是这五件事:
1. 你想验证的痛点能用一句"用户做 X 任务时卡在 Y 步骤"讲清楚吗?
2. 目标用户是谁?(独立开发者 / 跨境电商卖家 / 内容创作者 / 自由职业者 / 小团队运营 / 其他具体角色)
3. 你现在能联系到几个真实潜在用户?(0 个 / 1 到 4 个 / 5 到 9 个 / 10 个以上)
4. 计划走哪种渠道访谈?(私信 / 邮件 / 视频通话 / 社群语音 / 线下面访)
5. 有没有想避免收集或泄露的敏感信息?(姓名 / 公司机密 / 财务流水 / 客户数据)
如果用户线索是 0 个,直接拒绝出题,让我先去找 5 个真实联系人再来。如果敏感信息字段没写,默认不收集姓名、公司机密和财务流水。
## 工作流程
第一步是定访谈对象筛选标准。优先找最近 30 天内真的遇到过这个问题的人,非熟人优先,已经用过任何替代方案的人优先,能讲出具体场景而不是只给情绪的人优先。
第二步是按 5 类维度各出 2 个过去行为问题,凑齐 10 个。在 `<thinking>` 标签里梳理"这问题能让对方讲出具体时间地点 vs 只能给情绪"再下笔。5 类维度分别是:
| 维度 | 问什么 | 听什么 |
|------|--------|--------|
| 上次发生 | 上次遇到 X 是什么时候、从哪个动作开始的 | 是否近期、是否具体 |
| 怎么处理 | 当时具体走了哪几步、用了哪些工具或人力 | 替代方案的真实形态 |
| 哪里最痛 | 哪一步最慢、最容易错、最让你想骂人 | 切入点 |
| 谁出钱 | 这件事现在花的是时间、人力、外包费还是软件费、谁决定换工具 | 预算路径 |
| 后来怎样 | 最后结果交给谁、如果失败会影响什么、多久会再发生一次 | 验收人 + 重复频率 |
第三步是写 5 条禁问反例并各配一句"为什么这会制造假阳性"。常见禁问包括:"你会不会买这个工具""你愿意付多少钱""你想要什么功能""我做了个 demo 你觉得怎样""未来你会不会用"。每条反例后面写清原因,比如"未来意向问题成本极低,礼貌答应不代表会真做"。
第四步是设计访谈记录模板。5 个固定字段:用户原话、时间锚(具体哪一天发生)、金额锚(具体花了多少钱或多少分钟)、工具锚(用了哪些具体工具或人)、下一步承诺(愿意给样例数据 / 预约二次访谈 / 介绍同类用户 / 预付一笔小钱)。
第五步是访谈后填三档复盘表:
| 信号强度 | 出现什么行为 | 下一步动作 |
|----------|--------------|------------|
| 强信号 | 3 人以上讲出具体过去行为 + 1 人主动给样例数据或预约 | 进入手工交付验证 |
| 中信号 | 有人讲过去行为但还没人愿意给样例或承诺 | 再访谈 3 到 5 人 |
| 弱信号 | 只有抽象抱怨和未来意向 | 暂停这一人群或换问题 |
**5 层信号梯度**(用于判定停在第几层):
| 层 | 表现 | 强度 |
|:-:|------|:-:|
| 第 1 层 | 浏览 / 点赞 / 收藏 / 关注 | 弱 |
| 第 2 层 | 回复 / 提问 / 询问能不能做 | 中 |
| 第 3 层 | 提供材料 / 给目标 / 给截止时间 | 中强 |
| 第 4 层 | 询价 / 约通话 / 要 proposal / 要样品 | 强 |
| 第 5 层 | 付款 / 签约 / 平台下单 / 转介绍 | 最强 |
## 示例 / 样板
公开范围参数:痛点假设 = 独立开发者整理 GitHub issue 费时间;目标用户 = 已有公开仓 + issue ≥ 20 的独立开发者;访谈渠道 = Twitter 私信 + Discord;样本量目标 = 5 人;敏感信息 = 不收集邮箱外联系方式。
期望输出节选:
```
访谈对象筛选(3 条)
- 最近 30 天内真的整理过 issue 的独立开发者
- 仓 star 数大于 100,issue 数大于 20
- 非熟人优先,能讲出具体哪个仓哪一周
10 个过去行为问题(节选)
1. 上次整理 issue 是哪一天?从哪个动作开始的?
2. 当时具体走了几步?分类、打标签、回复、关闭分别花了多久?
3. 你用了哪些工具?GitHub 原生、Linear、Notion、还是自己写脚本?
4. 哪一步最让你想推迟?
5 个禁问反例(节选)
- 你会用一个 AI 自动整理 issue 的工具吗?→ 未来意向问题成本极低,会被礼貌答应
- 你愿意付 10 美元一个月吗?→ 引导式价格,得到的不是真实定价信号
```
反面例子:写"你以后想不想要 AI 帮你整理"(仍是未来时态);写"很多开发者都很烦 issue 吧"(诱导式默认对方同意);记录表只写"用户觉得这是痛点"(没有原话、没有金额锚、没有承诺动作);访谈完只见到 2 人讲过去行为就开始建 MVP(违反 3 人门槛)。
## 输出规范
直接输出《[痛点假设]》客户访谈提纲正文,不要前言后语,总字数 800 到 1200 字,按以下顺序:
1. 访谈对象筛选 3 条:近期发生 / 非熟人优先 / 愿出样例
2. 10 个过去行为问题:5 类维度 × 2 题,每题后面写一句追问要点
3. 5 个禁问反例清单:每条配一句"为什么会制造假阳性"
4. 访谈记录模板 5 字段:原话 / 时间锚 / 金额锚 / 工具锚 / 下一步承诺
5. 访谈后三档判断表:强信号 / 中信号 / 弱信号
6. 复盘表 5 项:最强证据 / 最大疑点 / 可复用语言 / 下一步动作 / 这次访谈可信度
输出前自检:10 题全部用过去时态开头;含 5 个禁问反例并各有原因;记录模板 5 字段齐全;未编造访谈结果;不要求用户提供姓名、公司机密、财务流水;判断表带可执行的下一步动作。
## 硬约束 · 拒绝场景
遇到下面这些情况直接拒绝出题,告诉我先回去补哪一项:
- 真实用户线索是 0 个回去找 5 个能联系到的真实潜在用户再来
- 要求设计"先给用户讲我的方案再问他想不想用"这种诱导式问题拒绝并解释假阳性原理
- 痛点涉及医疗诊断、未成年人数据、移民代办等监管敏感场景一律拒绝
- 要求"按这个提纲给我编出 5 个示范回答"拒绝(编造访谈结果是核心红线)
- 字段全空或仍是 `___` 占位符没替换拒绝先给结论
AI Micro SaaS 的客户访谈,只看四类真实信息:
| 信息 | 为什么重要 |
|---|---|
| 最近一次发生 | 判断问题是否真实 |
| 当前处理方式 | 找到替代方案和切入点 |
| 处理代价 | 判断是否值得付费 |
| 下一步承诺 | 判断对方是否只是礼貌支持 |
不要问“你觉得我的工具怎么样”。这个问题会让对方评价你,而不是暴露他的真实工作。
好的访谈应该让你更了解客户生活,差的访谈只会让你更喜欢自己的想法。
为什么访谈会骗你
访谈最常见的骗局不是客户故意骗你,而是你问的问题诱导了好听答案。
当你问“如果我做一个 AI 工具帮你自动生成报告,你会用吗”,很多人会说会。这个答案成本很低,也不用承担后续行动。你听到的是礼貌、想象和鼓励,不是需求。
把问题拆得很清楚:问未来意见容易得到过度乐观答案;问过去行为,才更接近真实。比如“上次做报告花了多久、用了哪些工具、哪里出错、谁催你交付”,这些问题很难靠礼貌糊弄。
的验证学习也不是听别人夸你,而是通过实验确认关键假设。访谈是实验的一部分,目标是减少不确定性,不是收集赞美。
好访谈的 5 个原则
访谈前先记住五条:
| 原则 | 做法 |
|---|---|
| 不讲产品 | 先不介绍功能,避免诱导 |
| 问过去 | 问最近一次、当前流程、已试过什么 |
| 问代价 | 问时间、人力、错误、延误和预算 |
| 听原话 | 记录客户使用的词,不替他总结 |
| 要下一步 | 看是否愿意给数据、介绍人、预约试用或付费 |
如果一场访谈结束后,你只得到“这个想法不错”,那基本没有学到东西。你至少要带走一个具体流程、一种替代方案、一个痛点强度判断和一个下一步动作。
第 1 步:按“最近 30 天发生过”筛对象
不要随便找朋友聊。访谈对象要接近真实用户。
| 对象 | 是否适合 |
|---|---|
| 正在手工处理这个问题的人 | 适合 |
| 负责同类流程的小团队负责人 | 适合 |
| 为这个问题买过工具或外包的人 | 适合 |
| 只是觉得 AI 很有趣的人 | 不适合作主证据 |
| 完全没有预算和使用场景的朋友 | 不适合作主证据 |
选人时用一句话定义:
我想找最近 30 天内处理过 ___ 的人,最好现在用 ___ 解决,并且能讲出具体步骤。如果找不到这类人,说明你的用户定义还不够清楚,或者痛点没有你想的那么常见。
第 2 步:用“上次怎么处理”取代"想不想用"
过去行为问题要具体。
| 不要问 | 改成 |
|---|---|
| 你会用这个工具吗 | 上次遇到这个问题是什么时候 |
| 你愿意付多少钱 | 你现在为这件事花了什么成本 |
| 你想要什么功能 | 你现在怎么完成这件事 |
| 这个想法好吗 | 你试过哪些替代方案 |
| 你希望它自动做什么 | 哪一步最烦、最慢、最容易错 |
访谈时可以按时间线追问:
- 问最近一次发生。
- 问开始前有什么输入。
- 问处理中用了哪些工具。
- 问哪里花时间。
- 问结果交给谁。
- 问如果失败会怎样。
这条时间线能帮你把抽象痛点还原成真实流程。
第 3 步:追问替代方案和迁移阻力
替代方案比意见更有价值。
| 替代方案 | 暗示 |
|---|---|
| 付费软件 | 已经有预算习惯 |
| 外包或兼职 | 问题可能足够痛 |
| 内部脚本 | 技术解决存在,但维护困难 |
| 表格和人工 | 自动化机会可能存在 |
| 完全不处理 | 问题可能不够重要 |
追问时不要急着说你的方案更好。先问清替代方案为什么被使用、哪里不满意、换掉它有什么风险。
可以问:
你现在这样处理已经多久了?它最让你不满意的是哪一步?如果换掉现有办法,最担心什么?如果用户现有方案虽然麻烦但很稳定,你的新产品必须解决一个更具体的摩擦点,而不是笼统说“更智能”。
第 4 步:记录原话和时间/金额/工具锚
访谈记录不要只写“用户觉得痛”。要写证据。
| 记录项 | 示例 |
|---|---|
| 原话 | “每次都要把评论复制到表格,再手工分类。” |
| 场景 | 每周整理一次商品评论 |
| 输入 | CSV、店铺链接、客服记录 |
| 替代方案 | 表格 + ChatGPT + 人工检查 |
| 代价 | 需要运营人员反复处理,容易漏掉高频问题 |
| 下一步 | 愿意提供一份脱敏样例数据 |
原话很重要,因为后面写落地页、功能文案和帮助文档都要用客户语言。你自己发明的词,客户未必能理解。
如果访谈涉及客户数据,先确认能否记录、能否脱敏、能否用于产品验证。不要为了验证需求而收集不该收集的信息。
第 5 步:把 5 场访谈变成强/中/弱判断
访谈结束后不要马上开工。先把信息转成判断。
| 判断 | 继续条件 |
|---|---|
| 痛点是否真实 | 至少有近期具体场景 |
| 是否高频 | 有重复发生理由 |
| 是否有替代 | 用户已经在处理 |
| 是否有预算 | 有时间、人力、工具或外包成本 |
| 是否能验证 | 用户愿意给数据、试用或介绍同类人 |
访谈不是越多越好。连续几次访谈都听到同类流程、同类代价、同类替代方案,才说明你找到了模式。如果每个人的问题都完全不同,你可能还没选对细分。
可以把访谈信号分成三层:
| 层级 | 行为 | 判断 |
|---|---|---|
| 弱信号 | 说想法不错、愿意关注进展 | 只能记录,不作为开发依据 |
| 中信号 | 讲出真实流程、替代方案和痛点 | 可以继续访谈和做手工样品 |
| 强信号 | 提供脱敏数据、预约试用、介绍同类人或愿意预付 | 可以进入手工验证或 MVP |
每轮访谈后只做一个决策:继续同一人群、收窄人群、换问题,还是暂停。不要把访谈笔记堆起来不处理。访谈的价值不在文档长度,而在它是否改变了你的下一步动作。
访谈问题清单
可以直接使用这 10 个问题:
| 问题 | 目的 |
|---|---|
| 上次遇到这个问题是什么时候 | 判断是否近期 |
| 当时你从哪里开始处理 | 找输入 |
| 你用了哪些工具或人力 | 找替代方案 |
| 哪一步最慢或最容易错 | 找切入点 |
| 最后结果交给谁 | 找验收人 |
| 如果这件事没做好,会影响什么 | 找痛点强度 |
| 现在一年或一个月大概发生几次 | 找重复频率 |
| 你试过哪些别的办法 | 找竞争和迁移成本 |
| 如果要换工具,谁决定 | 找预算路径 |
| 你愿意提供一份脱敏样例让我验证吗 | 找下一步承诺 |
每次访谈不要问太多。宁愿把一个真实流程问透,也不要收集很多空泛答案。
访谈结束后,立刻补一张复盘表:
| 复盘项 | 写什么 |
|---|---|
| 最强证据 | 这位用户做过什么真实行动 |
| 最大疑点 | 还有什么关键问题没确认 |
| 可复用语言 | 用户用了哪些词描述问题 |
| 下一步动作 | 要补问、做样品、约试用还是暂停 |
| 可信度 | 这次访谈是强、中、弱哪一层信号 |
这张表能防止你只记住对自己有利的部分。很多创业想法不是死在没有访谈,而是死在只挑好听的访谈结果。
三种无效访谈
第一种:产品演示会。
你一上来展示功能,对方自然会评价功能。你得到的是演示反馈,不是需求证据。
第二种:朋友鼓励会。
朋友通常不想打击你。朋友可以帮你练表达,但不能替代目标用户。
第三种:问卷收集会。
问卷适合量化已知问题,不适合发现真实工作流。你还没理解问题时,先不要用选择题限制答案。
AI 怎么辅助
AI 可以帮你做访谈准备和复盘。
适合交给 AI 的任务:
- 把产品想法改写成访谈目标。
- 生成过去行为问题。
- 从访谈记录里提取原话、流程、代价和预算线索。
- 判断哪些回答是弱信号。
- 整理下一轮要问的补充问题。
不适合交给 AI 的任务:
- 编造客户回答。
- 把礼貌夸奖解释成需求。
- 替你判断数据合规。
- 用行业常识覆盖用户原话。
AI 可以整理访谈,但不能替你和真实客户说话。
官方资料与核验口径
平台规则、算法动向、报价规则、政策口径都会变化。本文保留的是可迁移的判断框架,具体数字一律给区间。
跨平台核验入口:
- Indie Hackers — 看 Micro SaaS 真实营收、留存与复盘
- Stripe Atlas Guides — 看 SaaS 收款、跨境结算与合同模板
- microconf — 看 bootstrap SaaS 报告、增长与定价案例
涉及具体数据、比例、报价区间的部分,以执行当天后台为准。
常见问题(Micro SaaS Mom Test 实战)
访谈对象一直夸“这个想法很棒”怎么过滤?
立刻问“上次为这事花过多少钱 / 多少时间“。如果对方答不上来具体时间或金额,把”夸赞”标为第 1-2 层信号,不计入强证据。Mom Test 的核心就是:不接受未来时态答案,只采过去行为。
Reddit / Twitter 私信访谈,回复率很低怎么办?
私信开头不要说“我在做一个产品想问你“,改成”看到你 30 天前发过 X 帖,想问下你那次是怎么处理的“。引用对方具体行为通常能拿到 20-30% 回复率,泛泛”想问几个问题”通常 < 5%。
5 个访谈对象都说“我有这问题但 ChatGPT 凑合用着”怎么办?
这是中信号。要追问“为什么 ChatGPT 凑合还不够“——通常是 prompt 失效、批量不行、结果不结构化、需要团队共享。把这些”凑合的痛”作为产品差异点,比直接做 ChatGPT 平替更有迁移动力。
访谈完只有 2 人讲出真实过去行为,能不能开始做 MVP?
不能。这是硬门槛:3 人讲出具体过去行为 + 1 人主动给样例数据。差 1 人时再补访谈 3-5 人,不要用“已经访谈 5 个了感觉应该有需求”自我安慰——样本不足时下结论一律视为编造。
执行前至少核验:
- Mom Test · 完整方法论 → 避免礼貌回答陷阱的访谈技巧
- Nielsen Norman Group · User Interviews → 样本量与提问方法
- Rob Fitzpatrick · Workshop 视频 → 实战演示