AI产品经理入门：需求调研的完整方法与实战流程

AI产品经理与传统产品经理的最大差异之一，在于需求的不确定性更高。用户说"我想要一个更聪明的推荐"，这句话背后到底意味着什么？模型能力能不能支撑？数据从哪里来？这些问题如果不在需求调研阶段解决，后面就是无底洞。

B站有一套被不少从业者推荐的AI产品经理教程，号称覆盖从架构设计到开发验收的全流程。本文聚焦其中"需求调研"这一起点环节，结合实际工作场景做深度拆解。

什么是需求调研：拆开来看

教程给了一个很朴素但有效的拆解方式：把"需求调研"拆成"需求"和"调研"两个词分别理解。

需求，是指用户在某些方面需要得到某种帮助以达成目的。调研，是通过一些方法来了解某件事情的真相，也可以叫调查研究。

按照这个逻辑，需求调研就是通过调查和研究来了解如何满足用户的特定需求。更完整地说，它是通过观察、访谈和体验等方式探究事物本质的一个过程。

这个定义看起来简单，但它强调了一个容易被忽略的点：需求调研的目的不是"收集用户想要什么"，而是"搞清楚用户真正面临的问题是什么"。尤其在AI产品中，用户表达的需求和实际可被技术满足的需求之间，往往存在巨大鸿沟。

需求调研的三个核心环节

教程将需求调研拆分为三个递进环节：需求采集、权重评估、需求分析。每个环节都有明确的产出物和目的。

需求采集：建立需求池

第一环节是需求采集。可以通过访谈或问卷等形式，采集到我们想要得到的需求，然后建立需求池来存放这部分需求，以备随时调用。

需求池的概念在AI产品中尤其重要。因为AI产品的需求来源非常分散——可能来自算法团队的可行性反馈、来自业务方的场景诉求、来自用户的行为数据洞察。如果没有一个统一的池子来管理，很容易出现"谁声音大就做谁的"局面。

实际操作中，AI产品的需求采集还需要额外关注一类特殊需求：数据需求。比如"需要标注5000条对话数据来微调模型"，这类需求往往不被当作"用户需求"来管理，但它直接决定产品能否落地。建议在需求池中单独标记数据依赖项。

需求池是产品管理中用于集中存放、统一管理各类需求的容器，通常以表格或专业工具（如PingCode、Jira、Airtable）承载，每条需求记录来源、描述、提出人、时间、状态等字段。它的核心价值在于把分散、口头的诉求转化为可追踪的结构化条目，避免遗漏和重复。在AI产品中，需求池还需要扩展字段以适应新特点：例如增加“依赖数据类型”“模型能力要求”“预期效果指标”等，让算法、数据、业务三方在同一张表上对齐认知。没有需求池，团队容易陷入被动响应，无法沉淀需求全貌，也难以在版本规划时进行横向对比和取舍。

权重评估：排优先级

在将采集到的需求存放在需求池后，会涉及到对每个需求的权重进行评估，然后进行排序。优先级越高，将会越早地进入设计及开发阶段。

AI产品的权重评估比传统产品多一个维度：技术可行性。一个需求即使用户价值很高，如果当前模型能力无法稳定支撑，硬上只会带来糟糕的体验。常见的做法是引入"可行性×价值"的二维矩阵，把需求分为四类：高价值高可行（立即做）、高价值低可行（预研）、低价值高可行（排期做）、低价值低可行（放弃）。

技术可行性在AI产品语境下，通常指当前模型能力、数据储备和工程资源能否稳定支撑需求落地。它不是一个二元判断，而是一个连续谱：从“现有模型直接可用”到“需要微调或引入新数据”再到“需突破性研究”。评估时需考虑模型准确率、响应延迟、成本、鲁棒性以及数据标注难度等维度。常见的“价值×可行性”矩阵将需求分为四类，帮助团队把有限资源投向回报最高且能快速交付的方向，同时为高价值低可行需求设立预研轨道，避免因短期不可行而彻底放弃未来机会。

需求分析：过滤伪需求

需求分析涉及到需求的拆解与分析，从而过滤出真实的需求，规避伪需求，同时为接下来的产品设计提供基础。

"伪需求"在AI产品中格外常见。用户说"我想要AI帮我写周报"，听起来是个需求，但深挖之后可能发现：他真正的问题是"每周花太多时间整理工作记录"，而AI写周报只是他想象中的解决方案。真正的解法可能是自动记录工作日志，而非生成式写作。

需求分析的核心动作就是不断地问"为什么"，直到找到问题本质。

最终产出：调研分析报告

三个环节走完，最终会产出一份调研分析报告，里面详细说明了产品相关的描述、价值与风险的总结。

这份报告是后续产品设计和开发的基础文档。对AI产品而言，报告中通常还需要额外包含：模型能力边界说明、数据准备计划、以及效果评估标准。这些内容在传统产品调研报告中很少出现，但直接决定了AI产品能否按时交付。

模型能力边界说明用于明确当前AI系统在哪些任务上表现可靠、哪些场景下容易出错或无法处理，通常包括测试集上的准确率、召回率、误报类型以及已知的失败案例。数据准备计划则描述为支撑产品所需的数据来源、采集方式、标注规范、隐私合规要求和时间表。效果评估标准定义产品上线后如何衡量成功，例如任务完成率、用户满意度、人工干预率等，并设定可量化的目标值。这三项内容将技术不确定性显性化，帮助各方在开发前对风险达成共识，也是后续验收的依据。

为什么需求调研对AI产品经理更关键

概括来说，需求调研是一个需求诞生的开始阶段，调研的准确性决定着产品后期整体的发展路径。

对AI产品经理而言，这句话的分量更重。传统产品的需求相对确定——用户要一个按钮，做一个按钮就行。AI产品的需求天然模糊，模型输出不稳定、用户预期不确定、技术边界在快速变化。如果调研阶段没有把问题定义清楚，后面的架构设计、开发验收全都建立在流沙之上。

这套B站教程把需求调研放在全流程的起点来讲，思路是对的。后续的架构设计和开发验收环节，本质上都是在回答同一个问题：调研阶段定义的那个问题，到底有没有被解决。