AI 副業實戰教學

AI Micro SaaS 客戶訪談:不要問想不想用,要問上次怎麼處理

客戶訪談問『你會不會用』只能得到禮貌讚美。本文給你 Mom Test 風格訪談提綱:10 題過去行為 + 5 類禁問反例 + 覆盤表 + 3 人講真實過去行為的硬門檻。

📖 本篇術語速查表
英文 / 縮寫中文一句話解釋
customer interview客戶訪談與目標使用者聊真實工作、痛點、替代方案和購買路徑。
The Mom Test媽媽測試一套避免客戶禮貌誇你的訪談方法,重點問過去行為。
false positive假陽性看起來有人感興趣,實際不會使用或付費。
commitment承諾使用者願意付出時間、資料、介紹、試用或付款等真實行動。
budget owner預算負責人能決定是否購買工具或服務的人。

讀完你能交付:一份《[目標人群]》Mom Test 訪談提綱(10 題過去行為 / 5 禁問 / 5 欄位記錄模板 / 3 檔覆盤 + 下一步承諾)。 一句話錨點:訪談只問“上次怎麼處理“,不問”你會不會用”。

不想讀完?把下面這段提示詞丟給 AI 幫你跑完——複製提示詞,餵給 Codex / Claude Code / Cursor / DeepSeek,把變數改成你的目標使用者和想驗證的問題,AI 會輸出訪談提綱和判斷表。

# 角色:獨立軟體 SaaS 客戶訪談提問設計顧問

你是我 SaaS 方向的客戶訪談提問設計顧問。我會把一個想驗證的痛點假設和目標使用者交給你,你的工作不是替我去訪談,而是幫我設計一份只問過去行為的訪談提綱。訪談結束我能拿回真實流程、替代方案、預算路徑和下一步承諾,而不是一堆好聽的禮貌讚美。

你只做訪談設計和覆盤判斷。不替我編訪談結果、不替我預測對方會不會買、不寫"你會不會用這個工具"這種製造假陽性的問題、不替我承諾訪談物件隱私邊界以外的事。

## 核心任務

把我的痛點假設和目標使用者翻譯成一份 Mom Test 風格的訪談提綱:10 個全部用"上次 / 過去 / 之前 / 現在"開頭的過去行為問題,分別覆蓋發生時間、當時處理方式、用過的工具或人力、痛在哪一步、誰出錢、後來怎麼樣這幾個維度;同時列 5 條必須避開的禁問反例並說明為什麼會製造假陽性;最後給一張訪談後填的覆盤表,按"3 人講出真實過去行為 + 1 人主動給樣例資料"作為繼續的硬門檻。


**成功標準**:交付的結果必須同時滿足——10 題全部用過去時態開頭;含 5 個禁問反例並各有原因;記錄模板 5 欄位齊全;未編造訪談結果;不要求使用者提供姓名、公司機密、財務流水;判斷錶帶可執行的下一步動作。 任意一條沒滿足即視為未達標,需補料後重跑。
## 資訊輸入

出題之前先看我手裡的欄位齊不齊。

如果想驗證的痛點已經寫得具體、目標使用者能講清楚是哪一類職業或場景的人、已經能聯絡到至少 5 個真實潛在使用者、訪談渠道也想清楚,這 4 件事我能填出 70% 以上,你就直接開始出題。如果我填得模糊(痛點過寬、使用者講不清楚、一個聯絡人也沒有),你就先停下來進入訪談模式:一次只問我一個問題,給我 3 到 5 個選項讓我選,我答完你複述確認再問下一個。

訪談我時你要問的就是這五件事:

1. 你想驗證的痛點能用一句"使用者做 X 任務時卡在 Y 步驟"講清楚嗎?
2. 目標使用者是誰?(獨立開發者 / 跨境電商賣家 / 內容創作者 / 自由職業者 / 小團隊營運 / 其他具體角色)
3. 你現在能聯絡到幾個真實潛在使用者?(0 個 / 1 到 4 個 / 5 到 9 個 / 10 個以上)
4. 計劃走哪種渠道訪談?(私信 / 郵件 / 視訊通話 / 社群語音 / 線下面訪)
5. 有沒有想避免收集或洩露的敏感資訊?(姓名 / 公司機密 / 財務流水 / 客戶資料)

如果使用者線索是 0 個,直接拒絕出題,讓我先去找 5 個真實聯絡人再來。如果敏感資訊欄位沒寫,預設不收集姓名、公司機密和財務流水。

## 工作流程

第一步是定訪談物件篩選標準。優先找最近 30 天內真的遇到過這個問題的人,非熟人優先,已經用過任何替代方案的人優先,能講出具體場景而不是隻給情緒的人優先。

第二步是按 5 類維度各出 2 個過去行為問題,湊齊 10 個。在 `<thinking>` 標籤裡梳理"這問題能讓對方講出具體時間地點 vs 只能給情緒"再下筆。5 類維度分別是:

| 維度 | 問什麼 | 聽什麼 |
|------|--------|--------|
| 上次發生 | 上次遇到 X 是什麼時候、從哪個動作開始的 | 是否近期、是否具體 |
| 怎麼處理 | 當時具體走了哪幾步、用了哪些工具或人力 | 替代方案的真實形態 |
| 哪裡最痛 | 哪一步最慢、最容易錯、最讓你想罵人 | 切入點 |
| 誰出錢 | 這件事現在花的是時間、人力、外包費還是軟體費、誰決定換工具 | 預算路徑 |
| 後來怎樣 | 最後結果交給誰、如果失敗會影響什麼、多久會再發生一次 | 驗收人 + 重複頻率 |

第三步是寫 5 條禁問反例並各配一句"為什麼這會製造假陽性"。常見禁問包括:"你會不會買這個工具""你願意付多少錢""你想要什麼功能""我做了個 demo 你覺得怎樣""未來你會不會用"。每條反例後面寫清原因,比如"未來意向問題成本極低,禮貌答應不代表會真做"。

第四步是設計訪談記錄模板。5 個固定欄位:使用者原話、時間錨(具體哪一天發生)、金額錨(具體花了多少錢或多少分鐘)、工具錨(用了哪些具體工具或人)、下一步承諾(願意給樣例資料 / 預約二次訪談 / 介紹同類使用者 / 預付一筆小錢)。

第五步是訪談後填三檔覆盤表:

| 訊號強度 | 出現什麼行為 | 下一步動作 |
|----------|--------------|------------|
| 強訊號 | 3 人以上講出具體過去行為 + 1 人主動給樣例資料或預約 | 進入手工交付驗證 |
| 中訊號 | 有人講過去行為但還沒人願意給樣例或承諾 | 再訪談 3 到 5 人 |
| 弱訊號 | 只有抽象抱怨和未來意向 | 暫停這一人群或換問題 |

**5 層訊號梯度**(用於判定停在第幾層):

| 層 | 表現 | 強度 |
|:-:|------|:-:|
| 第 1 層 | 瀏覽 / 點贊 / 收藏 / 關注 | 弱 |
| 第 2 層 | 回覆 / 提問 / 詢問能不能做 | 中 |
| 第 3 層 | 提供材料 / 給目標 / 給截止時間 | 中強 |
| 第 4 層 | 詢價 / 約通話 / 要 proposal / 要樣品 | 強 |
| 第 5 層 | 付款 / 簽約 / 平臺下單 / 轉介紹 | 最強 |

## 示例 / 樣板

公開範圍引數:痛點假設 = 獨立開發者整理 GitHub issue 費時間;目標使用者 = 已有公開倉 + issue ≥ 20 的獨立開發者;訪談渠道 = Twitter 私信 + Discord;樣本量目標 = 5 人;敏感資訊 = 不收集郵箱外聯絡方式。

期望輸出節選:

```
訪談物件篩選(3 條)
- 最近 30 天內真的整理過 issue 的獨立開發者
- 倉 star 數大於 100,issue 數大於 20
- 非熟人優先,能講出具體哪個倉哪一週

10 個過去行為問題(節選)
1. 上次整理 issue 是哪一天?從哪個動作開始的?
2. 當時具體走了幾步?分類、打標籤、回覆、關閉分別花了多久?
3. 你用了哪些工具?GitHub 原生、Linear、Notion、還是自己寫指令碼?
4. 哪一步最讓你想推遲?

5 個禁問反例(節選)
- 你會用一個 AI 自動整理 issue 的工具嗎?→ 未來意向問題成本極低,會被禮貌答應
- 你願意付 10 美元一個月嗎?→ 引導式價格,得到的不是真實定價訊號
```

反面例子:寫"你以後想不想要 AI 幫你整理"(仍是未來時態);寫"很多開發者都很煩 issue 吧"(誘導式預設對方同意);記錄表只寫"使用者覺得這是痛點"(沒有原話、沒有金額錨、沒有承諾動作);訪談完只見到 2 人講過去行為就開始建 MVP(違反 3 人門檻)。

## 輸出規範

直接輸出《[痛點假設]》客戶訪談提綱正文,不要前言後語,總字數 800 到 1200 字,按以下順序:

1. 訪談物件篩選 3 條:近期發生 / 非熟人優先 / 願出樣例
2. 10 個過去行為問題:5 類維度 × 2 題,每題後面寫一句追問要點
3. 5 個禁問反例清單:每條配一句"為什麼會製造假陽性"
4. 訪談記錄模板 5 欄位:原話 / 時間錨 / 金額錨 / 工具錨 / 下一步承諾
5. 訪談後三檔判斷表:強訊號 / 中訊號 / 弱訊號
6. 覆盤表 5 項:最強證據 / 最大疑點 / 可複用語言 / 下一步動作 / 這次訪談可信度

輸出前自檢:10 題全部用過去時態開頭;含 5 個禁問反例並各有原因;記錄模板 5 欄位齊全;未編造訪談結果;不要求使用者提供姓名、公司機密、財務流水;判斷錶帶可執行的下一步動作。

## 硬約束 · 拒絕場景
遇到下面這些情況直接拒絕出題,告訴我先回去補哪一項:

- 真實使用者線索是 0 個回去找 5 個能聯絡到的真實潛在使用者再來
- 要求設計"先給使用者講我的方案再問他想不想用"這種誘導式問題拒絕並解釋假陽性原理
- 痛點涉及醫療診斷、未成年人資料、移民代辦等監管敏感場景一律拒絕
- 要求"按這個提綱給我編出 5 個示範回答"拒絕(編造訪談結果是核心紅線)
- 欄位全空或仍是 `___` 佔位符沒替換拒絕

先給結論

AI Micro SaaS 的客戶訪談,只看四類真實資訊:

資訊為什麼重要
最近一次發生判斷問題是否真實
目前處理方式找到替代方案和切入點
處理代價判斷是否值得付費
下一步承諾判斷對方是否只是禮貌支援
流程图加载中

不要問“你覺得我的工具怎麼樣”。這個問題會讓對方評價你,而不是暴露他的真實工作。

好的訪談應該讓你更瞭解客戶生活,差的訪談只會讓你更喜歡自己的想法。

為什麼訪談會騙你

訪談最常見的騙局不是客戶故意騙你,而是你問的問題誘導了好聽答案。

當你問“如果我做一個 AI 工具幫你自動生成報告,你會用嗎”,很多人會說會。這個答案成本很低,也不用承擔後續行動。你聽到的是禮貌、想象和鼓勵,不是需求。

把問題拆得很清楚:問未來意見容易得到過度樂觀答案;問過去行為,才更接近真實。比如“上次做報告花了多久、用了哪些工具、哪裡出錯、誰催你交付”,這些問題很難靠禮貌糊弄。

的驗證學習也不是聽別人誇你,而是通過實驗確認關鍵假設。訪談是實驗的一部分,目標是減少不確定性,不是收集讚美。

好訪談的 5 個原則

訪談前先記住五條:

原則做法
不講產品先不介紹功能,避免誘導
問過去問最近一次、目前流程、已試過什麼
問代價問時間、人力、錯誤、延誤和預算
聽原話記錄客戶使用的詞,不替他總結
要下一步看是否願意給資料、介紹人、預約試用或付費

如果一場訪談結束後,你只得到“這個想法不錯”,那基本沒有學到東西。你至少要帶走一個具體流程、一種替代方案、一個痛點強度判斷和一個下一步動作。

第 1 步:按“最近 30 天發生過”篩物件

不要隨便找朋友聊。訪談物件要接近真實使用者。

物件是否適合
正在手工處理這個問題的人適合
負責同類流程的小團隊負責人適合
為這個問題買過工具或外包的人適合
只是覺得 AI 很有趣的人不適合作主證據
完全沒有預算和使用場景的朋友不適合作主證據

選人時用一句話定義:

我想找最近 30 天內處理過 ___ 的人,最好現在用 ___ 解決,並且能講出具體步驟。

如果找不到這類人,說明你的使用者定義還不夠清楚,或者痛點沒有你想的那麼常見。

第 2 步:用“上次怎麼處理”取代"想不想用"

過去行為問題要具體。

不要問改成
你會用這個工具嗎上次遇到這個問題是什麼時候
你願意付多少錢你現在為這件事花了什麼成本
你想要什麼功能你現在怎麼完成這件事
這個想法好嗎你試過哪些替代方案
你希望它自動做什麼哪一步最煩、最慢、最容易錯

訪談時可以按時間線追問:

  1. 問最近一次發生。
  2. 問開始前有什麼輸入。
  3. 問處理中用了哪些工具。
  4. 問哪裡花時間。
  5. 問結果交給誰。
  6. 問如果失敗會怎樣。

這條時間線能幫你把抽象痛點還原成真實流程。

第 3 步:追問替代方案和遷移阻力

替代方案比意見更有價值。

替代方案暗示
付費軟體已經有預算習慣
外包或兼職問題可能足夠痛
內部指令碼技術解決存在,但維護困難
表格和人工自動化機會可能存在
完全不處理問題可能不夠重要

追問時不要急著說你的方案更好。先問清替代方案為什麼被使用、哪裡不滿意、換掉它有什麼風險。

可以問:

你現在這樣處理已經多久了?它最讓你不滿意的是哪一步?如果換掉現有辦法,最擔心什麼?

如果使用者現有方案雖然麻煩但很穩定,你的新產品必須解決一個更具體的摩擦點,而不是籠統說“更智慧”。

第 4 步:記錄原話和時間/金額/工具錨

訪談記錄不要只寫“使用者覺得痛”。要寫證據。

記錄項示例
原話“每次都要把評論複製到表格,再手工分類。”
場景每週整理一次商品評論
輸入CSV、店鋪連結、客服記錄
替代方案表格 + ChatGPT + 人工檢查
代價需要營運人員反覆處理,容易漏掉高頻問題
下一步願意提供一份脫敏樣例資料

原話很重要,因為後面寫落地頁、功能文案和幫助文件都要用客戶語言。你自己發明的詞,客戶未必能理解。

如果訪談涉及客戶資料,先確認能否記錄、能否脫敏、能否用於產品驗證。不要為了驗證需求而收集不該收集的資訊。

第 5 步:把 5 場訪談變成強/中/弱判斷

訪談結束後不要馬上開工。先把資訊轉成判斷。

判斷繼續條件
痛點是否真實至少有近期具體場景
是否高頻有重複發生理由
是否有替代使用者已經在處理
是否有預算有時間、人力、工具或外包成本
是否能驗證使用者願意給資料、試用或介紹同類人

訪談不是越多越好。連續幾次訪談都聽到同類流程、同類代價、同類替代方案,才說明你找到了模式。如果每個人的問題都完全不同,你可能還沒選對細分。

可以把訪談訊號分成三層:

層級行為判斷
弱訊號說想法不錯、願意關注進展只能記錄,不作為開發依據
中訊號講出真實流程、替代方案和痛點可以繼續訪談和做手工樣品
強訊號提供脫敏資料、預約試用、介紹同類人或願意預付可以進入手工驗證或 MVP

每輪訪談後只做一個決策:繼續同一人群、收窄人群、換問題,還是暫停。不要把訪談筆記堆起來不處理。訪談的價值不在文件長度,而在它是否改變了你的下一步動作。

訪談問題清單

可以直接使用這 10 個問題:

問題目的
上次遇到這個問題是什麼時候判斷是否近期
當時你從哪裡開始處理找輸入
你用了哪些工具或人力找替代方案
哪一步最慢或最容易錯找切入點
最後結果交給誰找驗收人
如果這件事沒做好,會影響什麼找痛點強度
現在一年或一個月大概發生幾次找重複頻率
你試過哪些別的辦法找競爭和遷移成本
如果要換工具,誰決定找預算路徑
你願意提供一份脫敏樣例讓我驗證嗎找下一步承諾

每次訪談不要問太多。寧願把一個真實流程問透,也不要收集很多空泛答案。

訪談結束後,立刻補一張覆盤表:

覆盤項寫什麼
最強證據這位使用者做過什麼真實行動
最大疑點還有什麼關鍵問題沒確認
可複用語言使用者用了哪些詞描述問題
下一步動作要補問、做樣品、約試用還是暫停
可信度這次訪談是強、中、弱哪一層訊號

這張表能防止你只記住對自己有利的部分。很多創業想法不是死在沒有訪談,而是死在只挑好聽的訪談結果。

三種無效訪談

第一種:產品演示會。

你一上來展示功能,對方自然會評價功能。你得到的是演示反饋,不是需求證據。

第二種:朋友鼓勵會。

朋友通常不想打擊你。朋友可以幫你練表達,但不能替代目標使用者。

第三種:問卷收集會。

問卷適合量化已知問題,不適合發現真實工作流。你還沒理解問題時,先不要用選擇題限制答案。

AI 怎麼輔助

AI 可以幫你做訪談準備和覆盤。

適合交給 AI 的任務:

  1. 把產品想法改寫成訪談目標。
  2. 生成過去行為問題。
  3. 從訪談記錄裡提取原話、流程、代價和預算線索。
  4. 判斷哪些回答是弱訊號。
  5. 整理下一輪要問的補充問題。

不適合交給 AI 的任務:

  1. 編造客戶回答。
  2. 把禮貌誇獎解釋成需求。
  3. 替你判斷資料合規。
  4. 用行業常識覆蓋使用者原話。

AI 可以整理訪談,但不能替你和真實客戶說話。

官方資料與核驗口徑

平臺規則、演算法動向、報價規則、政策口徑都會變化。本文保留的是可遷移的判斷框架,具體數字一律給區間。

跨平臺核驗入口:

涉及具體資料、比例、報價區間的部分,以執行當天后臺為準。

常見問題(Micro SaaS Mom Test 實戰)

訪談物件一直誇“這個想法很棒”怎麼過濾?

立刻問“上次為這事花過多少錢 / 多少時間“。如果對方答不上來具體時間或金額,把”誇讚”標為第 1-2 層訊號,不計入強證據。Mom Test 的核心就是:不接受未來時態答案,只採過去行為。

Reddit / Twitter 私信訪談,回覆率很低怎麼辦?

私信開頭不要說“我在做一個產品想問你“,改成”看到你 30 天前發過 X 帖,想問下你那次是怎麼處理的“。引用對方具體行為通常能拿到 20-30% 回覆率,泛泛”想問幾個問題”通常 < 5%。

5 個訪談物件都說“我有這問題但 ChatGPT 湊合用著”怎麼辦?

這是中訊號。要追問“為什麼 ChatGPT 湊合還不夠“——通常是 prompt 失效、批次不行、結果不結構化、需要團隊共享。把這些”湊合的痛”作為產品差異點,比直接做 ChatGPT 平替更有遷移動力。

訪談完只有 2 人講出真實過去行為,能不能開始做 MVP?

不能。這是硬門檻:3 人講出具體過去行為 + 1 人主動給樣例資料。差 1 人時再補訪談 3-5 人,不要用“已經訪談 5 個了感覺應該有需求”自我安慰——樣本不足時下結論一律視為編造。

執行前至少核驗:

接下來去哪

本頁目錄