Newsletter使用者研究技能:把真實需求和錯誤假設分開
想知道訂閱者真要看什麼?別盲猜。本文給你 Newsletter 讀者訪談技能卡:20 分一對一指令碼 + 5 類問題模板 + 退訂原話解碼 + 把感覺翻譯成下週選題。
📖 本篇術語速查表
| 英文 / 縮寫 | 中文 | 一句話解釋 |
|---|---|---|
| brief | 專案簡報 | 寫清目標、輸入、輸出、範圍和驗收標準的檔案。 |
| workflow | 工作流 | 從材料到交付再到覆盤的一組步驟。 |
| scope | 範圍 | 本次包含和不包含的內容邊界。 |
| QA | 質量檢查 | 交付或釋出前檢查事實、格式、許可權和風險。 |
| feedback loop | 反饋迴圈 | 把使用者行為和原話轉成下一步修改。 |
| skill | 技能 | 本文所在的Newsletter技能階段。 |
| Prompt | 提示詞 | 寫給 AI 的任務說明,用來生成執行方案。 |
讀完你能交付:一份《[Newsletter] 讀者訪談卡》(20 分鐘指令碼 + 5 類問題 + 退訂原話解碼 + 選題轉化表 + 3 維證據強度)。 一句話錨點:訪談 5 個核心 30 讀者比看 100 條退訂統計更準——資料告訴你“什麼“,原話告訴你”為什麼”。
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,把變數改成你的專案,AI 會按本文 H2 輸出執行方案。
# 角色:Newsletter 讀者研究技能顧問
你是我 Newsletter 方向的讀者研究技能顧問。我會把現有讀者資料 / 想做的 1 對 1 訪談計劃 / 想拆的真實需求假設交給你,你的工作不是替我做問卷模板,而是把"讀者研究"當成一項可練習的具體技能:分清真需求與錯覺假設、設計可證偽的訪談題、用 5 種證據交叉驗證。你只做研究方法編排,不替我跑批次調研、不替我做品牌定位;不編造行業調研樣本基準這類無源數字;不輸出"使用者訪談很重要"這種空話;不允許我用"我覺得讀者想要"代替真實證據。
## 核心任務
把模糊的需求假設翻譯成一張能反證的讀者研究計劃:5 類證據來源、4 項問題設計原則、3 步訪談結構、5 維 100 分評分,最後給"假設成立/需修正/假設錯"三檔結論 + 下週第 1 個動作。
**成功標準**:交付的結果必須同時滿足——5 來源任一為 0 扣分;問題裡出現"覺得/想要/偏好"必須改;樣本 <5 強制提醒;假設無法證偽強制重寫;訪談不能超 60 分鐘。 任意一條沒滿足即視為未達標,需補料後重跑。
## 資訊輸入
判斷之前先看我手裡的欄位齊不齊。
如果我能寫出讀者假設、現有證據(評論 / 回覆 / 資料)、想訪談的人數、可投入時間這四件事的 70% 以上,你就直接開始評。如果模糊,就先停下來訪談一次問一個。
訪談時問 5 件事:
1. 你的需求假設是什麼?(讀者最想要 X)
2. 目前有什麼證據支援?(回覆數 / 評論 / 資料)
3. 計劃訪談幾人?(<5 人樣本偏少)
4. 每次訪談多久?(30 / 45 / 60 分鐘)
5. 你預期訪談完會怎麼改?
如果假設寬泛("讀者想要更深"),轉訪談讓我先窄化;如果訪談 <5 人,提醒"樣本偏少,結論保留";如果訪談完沒"會怎麼改"預案,提醒"會陷入資訊收集陷阱"。
## 工作流程
操作鐵律:每個判斷步驟都要先在 `<thinking>` 標籤裡寫「證據 / 反證 / 邊界」三欄,再下筆寫結論。`<thinking>` 內的草稿使用者看不到,但 AI 必須用它檢查自己有沒有在編。
第一步是 5 類證據來源齊全度。
| 來源 | 優勢 | 目前資料 |
|---|---|---|
| 郵件回覆原話 | 真實讀者反饋 | _ |
| 1 對 1 訪談 | 深度場景 | _ |
| 後臺行為資料 | 真實點選/開啟/轉發 | _ |
| 公開評論(X/LinkedIn) | 橫向人群對比 | _ |
| 退訂原因 | 反向證據 | _ |
第二步是 4 項問題設計原則。
| 原則 | 好問 | 差問 |
|---|---|---|
| 問行為不問態度 | "上次找類似工具花了多久?" | "你覺得我們好嗎?" |
| 問過去不問未來 | "過去 30 天你做了什麼?" | "你會訂閱付費版嗎?" |
| 問具體不問抽象 | "你訂閱時看到什麼?" | "為什麼訂閱?" |
| 問選擇不問偏好 | "上次怎麼選 A 不選 B?" | "你喜歡什麼?" |
第三步是 3 步訪談結構(每次 30 分鐘,不要超時)。
| 段 | 內容 | 時間 |
|---|---|---|
| 開場 | 解釋目的 + 錄音許可 + 不帶方向問 | 5 分鐘 |
| 主體 | 5-8 個具體行為問題 | 20 分鐘 |
| 收尾 | "有沒有我沒問到的" + 感謝 + 後續聯絡方式 | 5 分鐘 |
第四步是 5 維 100 分評分:
| 維度 | 滿分 | 強制扣分 |
|---|---|---|
| 證據交叉度 | 20 | 5 來源只有 1 種扣 12 分 |
| 問題設計度 | 20 | 問態度/未來/偏好扣 10 分/類 |
| 樣本量 | 20 | <5 人扣 10 分 |
| 假設可證偽度 | 20 | "更深"這種不可證偽扣 14 分 |
| 後續改進度 | 20 | 沒"會怎麼改"預案扣 10 分 |
第五步是按鐵律給結論。總分 80 + 每維 ≥12 給"假設成立(進入下一階段)";總分 60-79 給"需修正"(指明先窄化哪一項);總分 <60 給"假設錯"(回到一開始重做)。
第六步是給下週第 1 個動作(約 5 個訪談 / 改問題 / 收資料,三選一)。
## 示例 / 樣板
輸入是"假設'讀者最想要更深的工具評測',現有 2 條回覆 + 1 條 X 評論支援,想訪談 3 人,每次 60 分鐘"。
期望輸出節選:
```
《[Newsletter] 讀者研究計劃卡》
1. 5 類證據
- 郵件回覆 2 條 △
- 1 對 1 訪談 0 ✗
- 後臺資料 △ (要看深度文 vs 淺度文開啟對比)
- 公開評論 1 條 ✗
- 退訂原因 ✗
2. 4 項問題設計原則審計目前你打算問:
- "更深“是抽象詞 → 必須改成”上次哪個評測讓你儲存了?"
- "想要付費版嗎?" → 改成"上次為類似工具付費多少?"
3. 3 步訪談結構
- 開場 5min:解釋 + 錄音許可
- 主體 20min:8 個行為問題
- 收尾 5min:開放問 + 聯絡方式
4. 5 維評分
- 證據交叉度 8/20 (只有回覆 1 來源)
- 問題設計度 6/20 (假設裡都是態度詞)
- 樣本量 6/20 (3 人偏少)
- 假設可證偽度 6/20 (更深無法證偽)
- 後續改進度 10/20
總分 36/100 → 假設錯
5. 下週 1 個動作:把“更深”窄化為"上次儲存的 3 個評測有什麼共同點",同時把訪談樣本提到 5 人,2 周後回來重評。
```
反面例子:只用回覆 2 條就判"假設成立"(違反"證據交叉");問"你喜歡什麼?"(違反"問行為");訪談 60 分鐘(超時,資訊密度低);"更深"作為終結假設(違反"可證偽")。
## 輸出規範
直接輸出《[Newsletter] 讀者研究計劃卡》正文,不要前言後語,總字數 900 到 1300 字,按以下順序:
1. **5 類證據來源**:逐項標目前資料
2. **4 項問題設計原則審計**:逐項標 √/✗
3. **3 步訪談結構**:逐段時間分配
4. **5 維評分 + 總分 X/100,單項最低 Y**
5. **三檔結論**:假設成立 / 需修正 / 假設錯 + 引資料理由
6. **下週第 1 個動作**:明確做什麼
輸出前自檢:5 來源任一為 0 扣分;問題裡出現"覺得/想要/偏好"必須改;樣本 <5 強制提醒;假設無法證偽強制重寫;訪談不能超 60 分鐘。
## 硬約束 · 拒絕場景
遇到下面這些情況直接拒絕:假設是"讀者更想要 X 高階感"這種無法證偽;要求"行業調研樣本基準"這種無源數字;欄位全空或仍是 `___` 佔位符;讓你幫"憑感覺"判斷訪談結果(必須真實訪談);要求 ≤5 人訪談直接給"全行業結論"(必須保留樣本邊界);要求幫編造讀者回復(直接拒絕)。先給結論
Newsletter 讀者訪談要先回答五個問題:
| 問題 | 要判斷 |
|---|---|
| 訪談誰 | 核心 30 還是退訂者還是觀望者 |
| 5 類問題 | 場景 / 工作 / 替代品 / 反例 / 一句話總結 |
| 怎麼記 | 錄音 + 原話摘錄 + 標證據強度 |
| 怎麼轉選題 | 原話 → 標籤 → 下週選題 |
| 下一步是什麼 | 寫進選題庫 / 改樣刊 / 改承諾 |
讀者研究最大的坑是問"你想看什麼“ —— 讀者答不出。要問的是”你最近一次為 X 類問題頭疼,是怎麼處理的?" —— 讓他講故事,你從故事裡抽需求。詳細樣品測試回 樣品郵件與讀者反饋迴圈。
新手先收窄場景
不要同時服務所有人。先選擇一個更窄場景,例如一類使用者、一種交付物、一個平臺或一個業務階段。場景越窄,例子越具體,風險也越容易提前發現。
如果你發現文章或方案可以套到任何行業,通常說明它還不夠具體。把物件、材料、工具、交付和覆盤都寫具體,才會真正幫助新手。
第 1 步:選訪談物件與切入話題
先寫一句話:
我這次要幫助 ___ 在 ___ 場景下,用 ___ 材料,完成 ___ 結果。這句話寫不出來,後面所有動作都會漂。目標不清,會導致樣品不清;輸入不清,會導致 AI 輸出不穩;使用者不清,會導致頁面和交付無法聚焦。
| 欄位 | 填寫方式 |
|---|---|
| 目標使用者 | 願意持續閱讀、回覆或付費的訂閱者 |
| 目前任務 | 把真實需求和錯誤假設分開 |
| 已有輸入 | 原話、樣品、資料、連結、舊流程 |
| 交付結果 | 讀者畫像、樣刊、歡迎流、選題庫、贊助包和留存覆盤 |
| 紅燈 | 郵件許可、內容承諾不穩、流失、贊助錯配和退訂體驗 |
這一步不要讓 AI 替你編材料。AI 可以整理你給出的資訊,但不能證明使用者真的存在,也不能確認平臺和支付規則。
輸入材料的最低線
至少要有三類材料:使用者原話、目前樣品或舊流程、執行平臺或工具入口。只有想法,沒有材料,就先做研究和訪談;只有工具,沒有使用者任務,也不要急著交付。
第 2 步:5 類問題與證據強度判定
判斷表要讓你知道現在該繼續還是暫停。
| 判斷項 | 綠燈 | 黃燈 | 紅燈 |
|---|---|---|---|
| 訪談數 | ≥ 5 個 + 至少 2 個退訂者 | 3-4 個 | < 3 個 |
| 問題型別 | 5 類問題都問過 | 缺 1-2 類 | 只問"你想看什麼" |
| 原話證據 | ≥ 3 條完整段落 | 1-2 條原話 + 摘錄 | 只有摘要 |
| 選題轉化 | 原話 → 標籤 → 已落 ≥ 3 個選題 | 落 1-2 個選題 | 沒轉選題 |
| 偏差自檢 | 標了選擇偏差 + 反例 | 只標偏差 | 沒標 |
表格不是為了好看,而是為了停止錯誤動作。很多失敗不是因為執行不努力,而是黃燈和紅燈被忽略。
反證也要寫
判斷表裡要保留反證。比如使用者不願提供材料、只想免費試做、平臺規則不清、工具能力未核驗、交付後支援壓力過高。反證能幫你避免把小問題做大。
第 3 步:跑 5 個 20 分鐘訪談
最小樣品或流程要足夠小,但必須真實。
| 型別 | 最小樣品 |
|---|---|
| 服務 | 一頁 Brief、一個樣品交付、一個驗收清單 |
| 工具 | 一個可執行流程或欄位表 |
| 內容 | 一段樣稿、一張結構表、一份質檢記錄 |
| 變現 | 一個範圍清楚的報價頁或提案 |
| 規模化 | 一個小渠道實驗或 SOP 片段 |
樣品的目標不是展示你能做很多,而是讓使用者判斷“這是不是我需要的”。如果樣品需要你在旁邊解釋很久,就說明它還不夠清楚。
做完樣品後,至少找一個真實使用者或舊客戶看。只聽讚美沒有用,要問他哪裡不懂、哪裡有風險、是否願意進入下一步。
樣品要有退出條件
如果樣品沒人看、看了沒人問、問的問題都和目標不相關,就不要繼續加大投入。先回到目標、使用者和輸入,重新判斷場景是否成立。
第 4 步:檢查隱私 / 引用授權 / 選擇偏差
風險檢查要放在交付前,而不是出了問題以後。
| 風險 | 檢查動作 |
|---|---|
| 平臺規則 | 到官方幫助中心或後臺核驗 |
| 支付退款 | 看平臺和支付工具當天規則 |
| 版權隱私 | 檢查素材、案例、截圖和客戶資料 |
| 賬號許可權 | 只拿必要許可權,優先用測試資料 |
| 過度承諾 | 刪除不可控結果,補適用邊界 |
郵件許可、內容承諾不穩、流失、贊助錯配和退訂體驗都不是小細節。新手越想快點完成,越容易跳過這些檢查。真正專業的做法,是把未確認欄位寫出來,而不是假裝已經知道。
邊界要寫給使用者看
邊界不要藏在腦子裡。哪些不包含、哪些需要客戶提供、哪些需要執行當天核驗、哪些結果不承諾,都要寫進頁面、提案或交付說明。
第 5 步:原話轉下週選題與變數
覆盤要落到下一步,不要只寫感想。
| 發現 | 下一步 |
|---|---|
| 使用者任務清楚 | 繼續做完整版本或下一篇教學 |
| 輸入材料缺失 | 先補訪談、樣品或官方核驗 |
| 支援問題重複 | 回寫 FAQ、模板或 SOP |
| 風險未確認 | 暫停釋出或暫緩報價 |
| 反饋分散 | 收窄使用者和場景 |
覆盤時要同時看行為和原話。行為告訴你使用者做了什麼,原話告訴你為什麼可能這樣做。只看其中一個,都容易誤判。
如果覆盤後沒有產生新動作,說明覆盤還停在總結層。好的覆盤應該讓下一步更小、更清楚。
操作檢查表
| 欄位 | 填寫 |
|---|---|
| 目前主題 | Newsletter使用者研究技能 |
| 目標使用者 | 願意持續閱讀、回覆或付費的訂閱者 |
| 關鍵輸入 | ___ |
| 最小樣品 | ___ |
| 主要風險 | 郵件許可、內容承諾不穩、流失、贊助錯配和退訂體驗 |
| 官方核驗入口 | ___ |
| 覆盤指標 | 使用者原話、樣品行為、交付問題、下一步動作 |
| 目前判斷 | 繼續 / 補證據 / 暫停 |
這張表可以直接複製到你的專案文件裡。每完成一輪,就更新一次,不要只靠記憶。
AI 怎麼輔助
AI 適合做這些:
- 把使用者原話整理成問題分類。
- 生成 Brief、檢查表、SOP 或覆盤表。
- 標出未確認欄位和風險點。
- 改寫頁面、提案或交付說明。
- 把反饋轉成下一步動作。
AI 不適合替你確認平臺規則、支付退款、客戶授權、隱私邊界和真實購買意願。沒有證據時,必須寫未確認。
讓 AI 輔助時,不要只問“怎麼做”。要給它材料、目標、約束和目前判斷,讓它幫你找遺漏。
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:
- Substack — 看付費訂閱 newsletter 的費率與作者規範
- beehiiv — 看 beehiiv 廣告、推薦與分銷規則
- 小報童 — 看中文付費專欄定價與營運規則
- ConvertKit — 看創作者訂閱 / 自動化郵件最佳實踐
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
5 個訪談夠嗎?
夠,但要選對人。5 個 = 至少 3 個核心 30 + 2 個退訂者。同質化樣本(全是粉絲)訪談 10 個也不如 5 個混合樣本。找退訂者比找點贊者更難也更重要——他們告訴你“為什麼不讀”。
讀者不願意接受 20 分鐘訪談怎麼辦?
降低門檻:① 改“語音回覆 5 分鐘問題”(微信 / Telegram 語音)② 給一個具體小回禮(你的一份 PDF / 30 分鐘自己答疑)③ 提前說明只問 3 個最重要的問題,不超過 15 分鐘。不要用 Google Form 表單——表單答案永遠比對話淺。
怎麼判斷訪談是不是“客氣話”?
聽 3 件事:① 有沒有講具體場景("上週我在 X 場景下...") ② 有沒有提到反例("我試過 Y,但...") ③ 有沒有付出動作("我為這個問題花了多少時間 / 錢")。三件都沒 = 客氣話,三件齊全 = 強證據。
AI 能幫我做訪談嗎?
AI 適合的:訪談指令碼生成、原話標籤分類、選題轉化建議。不適合的:替你做真人訪談——讀者一聽機器聲音直接關掉,AI 摘要也會丟“語氣“。把 AI 當”訪談助手”,不是替身。技能進階可參考 Newsletter 寫作風格技能。
執行前至少核驗:
- Stripe 官方文件 → 海外訂閱與支付規則
- Shopify 幫助中心 → 電商營運與店鋪合規
- Buy Me a Coffee → 創作者付費牆參考