Newsletter用户研究技能:把真实需求和错误假设分开
想知道订阅者真要看什么?别盲猜。本文给你 Newsletter 读者访谈技能卡:20 分一对一脚本 + 5 类问题模板 + 退订原话解码 + 把感觉翻译成下周选题。
📖 本篇术语速查表
| 英文 / 缩写 | 中文 | 一句话解释 |
|---|---|---|
| brief | 项目简报 | 写清目标、输入、输出、范围和验收标准的文件。 |
| workflow | 工作流 | 从材料到交付再到复盘的一组步骤。 |
| scope | 范围 | 本次包含和不包含的内容边界。 |
| QA | 质量检查 | 交付或发布前检查事实、格式、权限和风险。 |
| feedback loop | 反馈循环 | 把用户行为和原话转成下一步修改。 |
| skill | 技能 | 本文所在的Newsletter技能阶段。 |
| Prompt | 提示词 | 写给 AI 的任务说明,用来生成执行方案。 |
读完你能交付:一份《[Newsletter] 读者访谈卡》(20 分钟脚本 + 5 类问题 + 退订原话解码 + 选题转化表 + 3 维证据强度)。 一句话锚点:访谈 5 个核心 30 读者比看 100 条退订统计更准——数据告诉你“什么“,原话告诉你”为什么”。
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,把变量改成你的项目,AI 会按本文 H2 输出执行方案。
# 角色:Newsletter 读者研究技能顾问
你是我 Newsletter 方向的读者研究技能顾问。我会把现有读者数据 / 想做的 1 对 1 访谈计划 / 想拆的真实需求假设交给你,你的工作不是替我做问卷模板,而是把"读者研究"当成一项可练习的具体技能:分清真需求与错觉假设、设计可证伪的访谈题、用 5 种证据交叉验证。你只做研究方法编排,不替我跑批量调研、不替我做品牌定位;不编造行业调研样本基准这类无源数字;不输出"用户访谈很重要"这种空话;不允许我用"我觉得读者想要"代替真实证据。
## 核心任务
把模糊的需求假设翻译成一张能反证的读者研究计划:5 类证据来源、4 项问题设计原则、3 步访谈结构、5 维 100 分评分,最后给"假设成立/需修正/假设错"三档结论 + 下周第 1 个动作。
**成功标准**:交付的结果必须同时满足——5 来源任一为 0 扣分;问题里出现"觉得/想要/偏好"必须改;样本 <5 强制提醒;假设无法证伪强制重写;访谈不能超 60 分钟。 任意一条没满足即视为未达标,需补料后重跑。
## 信息输入
判断之前先看我手里的字段齐不齐。
如果我能写出读者假设、现有证据(评论 / 回复 / 数据)、想访谈的人数、可投入时间这四件事的 70% 以上,你就直接开始评。如果模糊,就先停下来访谈一次问一个。
访谈时问 5 件事:
1. 你的需求假设是什么?(读者最想要 X)
2. 目前有什么证据支持?(回复数 / 评论 / 数据)
3. 计划访谈几人?(<5 人样本偏少)
4. 每次访谈多久?(30 / 45 / 60 分钟)
5. 你预期访谈完会怎么改?
如果假设宽泛("读者想要更深"),转访谈让我先窄化;如果访谈 <5 人,提醒"样本偏少,结论保留";如果访谈完没"会怎么改"预案,提醒"会陷入信息收集陷阱"。
## 工作流程
操作铁律:每个判断步骤都要先在 `<thinking>` 标签里写「证据 / 反证 / 边界」三栏,再下笔写结论。`<thinking>` 内的草稿用户看不到,但 AI 必须用它检查自己有没有在编。
第一步是 5 类证据来源齐全度。
| 来源 | 优势 | 当前数据 |
|---|---|---|
| 邮件回复原话 | 真实读者反馈 | _ |
| 1 对 1 访谈 | 深度场景 | _ |
| 后台行为数据 | 真实点击/打开/转发 | _ |
| 公开评论(X/LinkedIn) | 横向人群对比 | _ |
| 退订原因 | 反向证据 | _ |
第二步是 4 项问题设计原则。
| 原则 | 好问 | 差问 |
|---|---|---|
| 问行为不问态度 | "上次找类似工具花了多久?" | "你觉得我们好吗?" |
| 问过去不问未来 | "过去 30 天你做了什么?" | "你会订阅付费版吗?" |
| 问具体不问抽象 | "你订阅时看到什么?" | "为什么订阅?" |
| 问选择不问偏好 | "上次怎么选 A 不选 B?" | "你喜欢什么?" |
第三步是 3 步访谈结构(每次 30 分钟,不要超时)。
| 段 | 内容 | 时间 |
|---|---|---|
| 开场 | 解释目的 + 录音许可 + 不带方向问 | 5 分钟 |
| 主体 | 5-8 个具体行为问题 | 20 分钟 |
| 收尾 | "有没有我没问到的" + 感谢 + 后续联系方式 | 5 分钟 |
第四步是 5 维 100 分评分:
| 维度 | 满分 | 强制扣分 |
|---|---|---|
| 证据交叉度 | 20 | 5 来源只有 1 种扣 12 分 |
| 问题设计度 | 20 | 问态度/未来/偏好扣 10 分/类 |
| 样本量 | 20 | <5 人扣 10 分 |
| 假设可证伪度 | 20 | "更深"这种不可证伪扣 14 分 |
| 后续改进度 | 20 | 没"会怎么改"预案扣 10 分 |
第五步是按铁律给结论。总分 80 + 每维 ≥12 给"假设成立(进入下一阶段)";总分 60-79 给"需修正"(指明先窄化哪一项);总分 <60 给"假设错"(回到一开始重做)。
第六步是给下周第 1 个动作(约 5 个访谈 / 改问题 / 收数据,三选一)。
## 示例 / 样板
输入是"假设'读者最想要更深的工具评测',现有 2 条回复 + 1 条 X 评论支持,想访谈 3 人,每次 60 分钟"。
期望输出节选:
```
《[Newsletter] 读者研究计划卡》
1. 5 类证据
- 邮件回复 2 条 △
- 1 对 1 访谈 0 ✗
- 后台数据 △ (要看深度文 vs 浅度文打开对比)
- 公开评论 1 条 ✗
- 退订原因 ✗
2. 4 项问题设计原则审计当前你打算问:
- "更深“是抽象词 → 必须改成”上次哪个评测让你保存了?"
- "想要付费版吗?" → 改成"上次为类似工具付费多少?"
3. 3 步访谈结构
- 开场 5min:解释 + 录音许可
- 主体 20min:8 个行为问题
- 收尾 5min:开放问 + 联系方式
4. 5 维评分
- 证据交叉度 8/20 (只有回复 1 来源)
- 问题设计度 6/20 (假设里都是态度词)
- 样本量 6/20 (3 人偏少)
- 假设可证伪度 6/20 (更深无法证伪)
- 后续改进度 10/20
总分 36/100 → 假设错
5. 下周 1 个动作:把“更深”窄化为"上次保存的 3 个评测有什么共同点",同时把访谈样本提到 5 人,2 周后回来重评。
```
反面例子:只用回复 2 条就判"假设成立"(违反"证据交叉");问"你喜欢什么?"(违反"问行为");访谈 60 分钟(超时,信息密度低);"更深"作为终结假设(违反"可证伪")。
## 输出规范
直接输出《[Newsletter] 读者研究计划卡》正文,不要前言后语,总字数 900 到 1300 字,按以下顺序:
1. **5 类证据来源**:逐项标当前数据
2. **4 项问题设计原则审计**:逐项标 √/✗
3. **3 步访谈结构**:逐段时间分配
4. **5 维评分 + 总分 X/100,单项最低 Y**
5. **三档结论**:假设成立 / 需修正 / 假设错 + 引数据理由
6. **下周第 1 个动作**:明确做什么
输出前自检:5 来源任一为 0 扣分;问题里出现"觉得/想要/偏好"必须改;样本 <5 强制提醒;假设无法证伪强制重写;访谈不能超 60 分钟。
## 硬约束 · 拒绝场景
遇到下面这些情况直接拒绝:假设是"读者更想要 X 高级感"这种无法证伪;要求"行业调研样本基准"这种无源数字;字段全空或仍是 `___` 占位符;让你帮"凭感觉"判断访谈结果(必须真实访谈);要求 ≤5 人访谈直接给"全行业结论"(必须保留样本边界);要求帮编造读者回复(直接拒绝)。先给结论
Newsletter 读者访谈要先回答五个问题:
| 问题 | 要判断 |
|---|---|
| 访谈谁 | 核心 30 还是退订者还是观望者 |
| 5 类问题 | 场景 / 工作 / 替代品 / 反例 / 一句话总结 |
| 怎么记 | 录音 + 原话摘录 + 标证据强度 |
| 怎么转选题 | 原话 → 标签 → 下周选题 |
| 下一步是什么 | 写进选题库 / 改样刊 / 改承诺 |
读者研究最大的坑是问"你想看什么“ —— 读者答不出。要问的是”你最近一次为 X 类问题头疼,是怎么处理的?" —— 让他讲故事,你从故事里抽需求。详细样品测试回 样品邮件与读者反馈循环。
新手先收窄场景
不要同时服务所有人。先选择一个更窄场景,例如一类用户、一种交付物、一个平台或一个业务阶段。场景越窄,例子越具体,风险也越容易提前发现。
如果你发现文章或方案可以套到任何行业,通常说明它还不够具体。把对象、材料、工具、交付和复盘都写具体,才会真正帮助新手。
第 1 步:选访谈对象与切入话题
先写一句话:
我这次要帮助 ___ 在 ___ 场景下,用 ___ 材料,完成 ___ 结果。这句话写不出来,后面所有动作都会漂。目标不清,会导致样品不清;输入不清,会导致 AI 输出不稳;用户不清,会导致页面和交付无法聚焦。
| 字段 | 填写方式 |
|---|---|
| 目标用户 | 愿意持续阅读、回复或付费的订阅者 |
| 当前任务 | 把真实需求和错误假设分开 |
| 已有输入 | 原话、样品、数据、链接、旧流程 |
| 交付结果 | 读者画像、样刊、欢迎流、选题库、赞助包和留存复盘 |
| 红灯 | 邮件许可、内容承诺不稳、流失、赞助错配和退订体验 |
这一步不要让 AI 替你编材料。AI 可以整理你给出的信息,但不能证明用户真的存在,也不能确认平台和支付规则。
输入材料的最低线
至少要有三类材料:用户原话、当前样品或旧流程、执行平台或工具入口。只有想法,没有材料,就先做研究和访谈;只有工具,没有用户任务,也不要急着交付。
第 2 步:5 类问题与证据强度判定
判断表要让你知道现在该继续还是暂停。
| 判断项 | 绿灯 | 黄灯 | 红灯 |
|---|---|---|---|
| 访谈数 | ≥ 5 个 + 至少 2 个退订者 | 3-4 个 | < 3 个 |
| 问题类型 | 5 类问题都问过 | 缺 1-2 类 | 只问"你想看什么" |
| 原话证据 | ≥ 3 条完整段落 | 1-2 条原话 + 摘录 | 只有摘要 |
| 选题转化 | 原话 → 标签 → 已落 ≥ 3 个选题 | 落 1-2 个选题 | 没转选题 |
| 偏差自检 | 标了选择偏差 + 反例 | 只标偏差 | 没标 |
表格不是为了好看,而是为了停止错误动作。很多失败不是因为执行不努力,而是黄灯和红灯被忽略。
反证也要写
判断表里要保留反证。比如用户不愿提供材料、只想免费试做、平台规则不清、工具能力未核验、交付后支持压力过高。反证能帮你避免把小问题做大。
第 3 步:跑 5 个 20 分钟访谈
最小样品或流程要足够小,但必须真实。
| 类型 | 最小样品 |
|---|---|
| 服务 | 一页 Brief、一个样品交付、一个验收清单 |
| 工具 | 一个可运行流程或字段表 |
| 内容 | 一段样稿、一张结构表、一份质检记录 |
| 变现 | 一个范围清楚的报价页或提案 |
| 规模化 | 一个小渠道实验或 SOP 片段 |
样品的目标不是展示你能做很多,而是让用户判断“这是不是我需要的”。如果样品需要你在旁边解释很久,就说明它还不够清楚。
做完样品后,至少找一个真实用户或旧客户看。只听赞美没有用,要问他哪里不懂、哪里有风险、是否愿意进入下一步。
样品要有退出条件
如果样品没人看、看了没人问、问的问题都和目标不相关,就不要继续加大投入。先回到目标、用户和输入,重新判断场景是否成立。
第 4 步:检查隐私 / 引用授权 / 选择偏差
风险检查要放在交付前,而不是出了问题以后。
| 风险 | 检查动作 |
|---|---|
| 平台规则 | 到官方帮助中心或后台核验 |
| 支付退款 | 看平台和支付工具当天规则 |
| 版权隐私 | 检查素材、案例、截图和客户数据 |
| 账号权限 | 只拿必要权限,优先用测试数据 |
| 过度承诺 | 删除不可控结果,补适用边界 |
邮件许可、内容承诺不稳、流失、赞助错配和退订体验都不是小细节。新手越想快点完成,越容易跳过这些检查。真正专业的做法,是把未确认字段写出来,而不是假装已经知道。
边界要写给用户看
边界不要藏在脑子里。哪些不包含、哪些需要客户提供、哪些需要执行当天核验、哪些结果不承诺,都要写进页面、提案或交付说明。
第 5 步:原话转下周选题与变量
复盘要落到下一步,不要只写感想。
| 发现 | 下一步 |
|---|---|
| 用户任务清楚 | 继续做完整版本或下一篇教程 |
| 输入材料缺失 | 先补访谈、样品或官方核验 |
| 支持问题重复 | 回写 FAQ、模板或 SOP |
| 风险未确认 | 暂停发布或暂缓报价 |
| 反馈分散 | 收窄用户和场景 |
复盘时要同时看行为和原话。行为告诉你用户做了什么,原话告诉你为什么可能这样做。只看其中一个,都容易误判。
如果复盘后没有产生新动作,说明复盘还停在总结层。好的复盘应该让下一步更小、更清楚。
操作检查表
| 字段 | 填写 |
|---|---|
| 当前主题 | Newsletter用户研究技能 |
| 目标用户 | 愿意持续阅读、回复或付费的订阅者 |
| 关键输入 | ___ |
| 最小样品 | ___ |
| 主要风险 | 邮件许可、内容承诺不稳、流失、赞助错配和退订体验 |
| 官方核验入口 | ___ |
| 复盘指标 | 用户原话、样品行为、交付问题、下一步动作 |
| 当前判断 | 继续 / 补证据 / 暂停 |
这张表可以直接复制到你的项目文档里。每完成一轮,就更新一次,不要只靠记忆。
AI 怎么辅助
AI 适合做这些:
- 把用户原话整理成问题分类。
- 生成 Brief、检查表、SOP 或复盘表。
- 标出未确认字段和风险点。
- 改写页面、提案或交付说明。
- 把反馈转成下一步动作。
AI 不适合替你确认平台规则、支付退款、客户授权、隐私边界和真实购买意愿。没有证据时,必须写未确认。
让 AI 辅助时,不要只问“怎么做”。要给它材料、目标、约束和当前判断,让它帮你找遗漏。
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:
- Substack — 看付费订阅 newsletter 的费率与作者规范
- beehiiv — 看 beehiiv 广告、推荐与分销规则
- 小报童 — 看中文付费专栏定价与运营规则
- ConvertKit — 看创作者订阅 / 自动化邮件最佳实践
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
5 个访谈够吗?
够,但要选对人。5 个 = 至少 3 个核心 30 + 2 个退订者。同质化样本(全是粉丝)访谈 10 个也不如 5 个混合样本。找退订者比找点赞者更难也更重要——他们告诉你“为什么不读”。
读者不愿意接受 20 分钟访谈怎么办?
降低门槛:① 改“语音回复 5 分钟问题”(微信 / Telegram 语音)② 给一个具体小回礼(你的一份 PDF / 30 分钟自己答疑)③ 提前说明只问 3 个最重要的问题,不超过 15 分钟。不要用 Google Form 表单——表单答案永远比对话浅。
怎么判断访谈是不是“客气话”?
听 3 件事:① 有没有讲具体场景("上周我在 X 场景下...") ② 有没有提到反例("我试过 Y,但...") ③ 有没有付出动作("我为这个问题花了多少时间 / 钱")。三件都没 = 客气话,三件齐全 = 强证据。
AI 能帮我做访谈吗?
AI 适合的:访谈脚本生成、原话标签分类、选题转化建议。不适合的:替你做真人访谈——读者一听机器声音直接关掉,AI 摘要也会丢“语气“。把 AI 当”访谈助手”,不是替身。技能进阶可参考 Newsletter 写作风格技能。
执行前至少核验:
- Stripe 官方文档 → 海外订阅与支付规则
- Shopify 帮助中心 → 电商运营与店铺合规
- Buy Me a Coffee → 创作者付费墙参考