從許願清單到機會之樹：PM 持續探索的第一步

跟用戶聊過，不代表真的就做過「產品探索」 —— 許多時候，你只是把許願清單整理得更整齊而已。

業務說「客戶想要在 App 裡匯出報表」，你回頭就把它畫進 Wireframe；或是你問用戶「如果我做這個功能，你會用嗎？」，對方禮貌地回一句「會啊」，你就開工了。上線後也許對方真的嘗試過一兩次，然後… 就沒有然後了？

前一次的文章裡，我們嘗試了 Outcome-based Roadmap，以本季要推動的可衡量成果來取代工作項目向高層溝通策略。但通往這個成果的路有無限多條，若是少了把痛點拆開、排好的那一步，團隊只會愛上自己想到的第一個點子，然後用最貴的工程資源把它做得漂漂亮亮。

要補上這個缺口倒是不難，搭配 MVP 的概念也不見得多費時：首先，嘗試用「故事訪談法」追溯使用者真實的目的以及行為，再用「機會解決方案樹（OST）」把痛點變成看得見的決策地圖。

別問用戶「想要什麼」，請他說說「上一次」發生了什麼

訪談的目的從來不是收集功能清單，而是發現機會。

相傳 Henry Ford 說過「如果我問顧客想要什麼，他們會說想要一匹更快的馬」，無論這句話是不是他說的，產品企劃人員都要以此為戒：不要相信使用者回答的表象，必須深入探索。

這倒不是要我們別跟客戶對話，畢竟要知道真正的需求，質化跟量化的手法互有擅場。質化訪談應該用來探索需求、痛點與渴望。直接問「你買鞋的時候最重視的是什麼？」，受訪者會召喚出「理想中的自己」來給你一個答案。這個答案必然是合理的，有時卻不見得符合實際行為，畢竟人類的行為不會純然按照自己的「理智」來進行。

試著改問「來聊聊你上一次買鞋的經過」，讓對方開始闡述曾經的故事，記憶才會錨定在真實發生過的事件上。

任何許願通常只是客戶為你設計的解決方案，也因此他說「更快的馬」也沒有任何欺騙的意思，只要能再多追問一句「如果有了這樣的東西，能幫你解決什麼問題」，你終究能聽到真正的機會：也許是用更短的時間在另一地出現、也許他會告訴你騎乘的途中實在太無聊了、也許他其實只是因為不太想去、也許相較於「抵達」他更熱愛的是超越他人的快感…

我們要的就是那份真實。

把一團亂麻的痛點，種成一棵能說服老闆的機會樹

產品教練 Teresa Torres 發展了一種整理脈絡的思考工具，稱為機會解決方案樹（OST）。這是用來把「想達成的成果、使用者需求、可能解法、假設驗證」串成一張決策地圖。共分四層：首先是期望成果，接著依序是用戶的需求與痛點（機會）、對應的解決方案，以及驗證方案的假設測試。

期望成果的部分，不妨先視為上週你所列出來、要針對的 Outcome。

相較於解法，其實真功夫大多在機會那一層：把「月底對帳很痛苦」這種範疇較大的機會，拆成「不想一筆一筆翻」這類子機會，團隊一次鎖定一個規模較小的機會（或驗證機會中某些假設），就能在單一迭代裡交付價值。再針對這類機會同時發想多個解法，問題就從「要不要做匯出報表」的是非題，變成「共用帳本、月底摘要推播、匯出報表這些解法中，哪個最能解決這個痛點」的比較題，確認偏誤就少了藏身處。

每往下一層，問題就縮小一點，直到小到可以在一個迭代裡驗證。

將使用者的痛點放進樹前，先問自己三個問題，再決定有沒有必要放：

1. 它是用「用戶的需求／痛點」表述，還是夾帶了特定功能解法？
2. 它只是單一受訪者的特殊癖好，還是在不只一場訪談中反覆出現？
3. 解決它，真的能推動根部的期望成果嗎？

這棵樹也是向上溝通的利器。老闆或業務拿著某個功能要插單時，先攤開這張圖，提醒大家共同的根源目標，再問一句：「你提的這個功能，主要是想解決樹上哪一個客戶痛點？」情緒化的結論爭執，就能轉成理性的脈絡對齊。

有了這棵樹，轉向也不再痛苦。Simply Business 的資深用戶研究員 Raya Raycheva 在 Teresa 的書中分享：他們某天發現原本探索的需求對客戶沒那麼重要，立刻砍掉，隔天就從樹上換了另一個機會分支，再隔天用早就排好的每週訪談開始驗證新方向。方案失敗時，你退一步換到鄰近的分支就好，不必把整個研發週期推倒重來；探索也不是上線前的一個階段，上線後每週的訪談，才是讓產品持續長對方向的來源。

嚴格說來，即使沒有用 OST，你本來也在做著很類似的事情，但由於這種樹狀圖的方式能良好呈現整體脈絡，團隊自始至終能理解某時某刻的「轉變」其實仍是對著同樣的目標在前進，讓溝通效率無形中又更高了點。因此，別把這東西只看成一份文件，這是你和上級、團隊之間的共同語言。

讓 AI 幫忙整理，把時間還給你

開始有人認為 AI 讓做出一個原型只要一個下午，於是有人覺得可以少訪談、多試錯，不見得需要有那麼多證據、那麼謹慎。我相信做東西需要的證據，確實比三年前少了很多，但另一方面也要提醒：顧客的耐心並沒有變多（甚至還可能因為新東西越來越多而減少），每丟給他一個不對的東西，他就少一分願意再試的信任，試了幾次仍不滿意，他已經轉去用別人的產品，你可能就沒有下一次機會。AI 省下的是製作成本，不是顧客的注意力成本，而這點仍是挑點子時需要注意的。

在什麼都能追蹤的現代，許多團隊並不缺來自使用者的訊號，但倒是欠了能把洞見整理出來的時間。我試過三種用 AI 輔助的方式，提供給各位參考。

第一種：先定欄位，讓 AI 做初步整理

這是最輕量的用法。實際訪談完之後，我會先指定幾個自己關心的欄位，請 AI 把逐字稿裡能歸進這些欄位的內容撈出來。好處是不同的受訪者，你都用同一套角度去看你最在意的重點，比較容易並排比較。

欄位不見得要自己發明，可以直接借用別人定義好的模板，例如 Teresa Torres 也針對此事提出過「訪談快照（Interview Snapshot）」：這是一頁式模板，包含受訪者基本資料、一句令人難忘的關鍵心聲、機會、洞察與體驗歷程。這種用法裡，還是由人類去整合不同快照的洞見，AI 只是幫你做初步整理。

別單純叫它「幫我摘要」，那只會得到沒人想看的空泛總結。

第二種：請 AI 直接分析洞見，當作補充

這比較激進，老實說我還在試，還沒到可以盡信交給它的程度。我的做法是自己先把訪談大致看過一遍、寫下我的想法，再請 AI 在這個基礎上補強：它看到了什麼我沒看到的，我的哪些判斷缺乏證據。現在還不能完全相信它，但我相信可以好好利用的那天不會太遠，所以大家還是可以多試試看。

整合前兩種用法「整理到不同欄位」及「給我洞見」的範例 prompt 如下，我會把逐字稿和當季 Outcome 一起貼給它：

你是資深產品研究人員，為了我們本季的關鍵成果「{貼上你們的目的}」做訪談研究。請協助整理我所提供的訪談逐字稿，為每份稿產生一份有下列欄位的訪談快照：

這份快照要達成三個目的：讓團隊日後能回想起這場訪談、從中找出可以採取行動的機會、方便日後依受訪者背景分群或統計。

【原則】
- 只能使用逐字稿裡有的內容。逐字稿沒提到的寫「未提及」，判斷沒有把握的標「⚠️」。
- 只採用受訪者說的話，訪談者的提問或總結不算數。
- 機會和洞見都要附上出處（時間碼或原句片段）。

【輸出】
1. 名稱：若逐字稿中有受訪者代號，沿用受訪者代號，否則自行取一個
2. 背景速寫：列 4–7 項簡短、可用來分類的事實，用來交代這場訪談的脈絡（例如角色、組織型態、使用頻率）。
3. 關鍵心聲：選一句受訪者的原話，讓閱讀者日後一看就能想起整個故事。優先選帶有強烈情緒的話，或能呈現獨特、意外行為的話。不可改寫。
4. 機會：從故事中浮現的需求、痛點或渴望。
   - 從受訪者第一人稱角度描述問題，不要寫成解法；受訪者如果直接要功能，往回推出背後的需求。
   - 一項只寫一個需求，措辭要具體，能和其他快照互相比對。
   - 標註這項來自「具體經驗」還是「假設性說法」。
   - 依故事中出現的順序排列，不排優先序。
5. 洞見：值得記下、但還不是「機會」的觀察，例如更深一層的背景脈絡、獨特行為、可能影響策略或市場分隔的線索。只記觀察，不給建議。
6. 體驗歷程：把受訪者跳來跳去的敘事重組成照時間順序的 5–10 個關鍵時刻（觸發點 → 過程 → 結果），寫出每一步發生什麼、有什麼摩擦，並標上對應的機會編號。兩個步驟/節點間用 → 符號串起。如果整場沒有具體故事，請明確指出。

全文用繁體中文（quote 保留原文），控制在一頁內。

其中「關鍵心聲」的重點在於能不能讓閱讀者很快回憶起這份快照的概要，所以如果 AI 幫你挑的不夠深刻，換一句自己能記得的；機會跟洞見都是參考用。

如果你的 AI Agent 有支援把任務丟給 sub-agent 平行處理的話（例如 Claude），不妨請它針對不同的逐字稿平行處理，可以避免 context 過於複雜干擾產出 – 此時，你可能也會想要把不同的逐字稿分別放一個檔案，讓 AI 有必要時再讀入。

第三種：讓 AI 直接當受訪者

這是最激進的。從生成式 AI 出現開始，就一直有人在試著讓 AI 代替受訪者回答問題：我們發問，請它模擬一種人格，推測那個人可能會說什麼。

那麼目前嘗試的狀況如何呢？學界有不少研究：

• 合成受訪者的回答往往看起來連貫又可信，但一深入追問，就看得出缺乏真實生活的情境深度
• 跟真人對照時，能重現常見主題，卻難以穩定重現個別經驗與需求的優先順序
• 要模型扮演某個身分群體時，很可能把群體內部的差異壓扁；但如果是簡單點的問題，給足群體的指定參數（例如年齡、收入、地區…）後可信度會大增

我不認為合成資料手法完全不可行，但目前來說，看起來應該仍然得奠基在既有的研究上。

這三種形式，以我的角度來說，可信度是 1 > 2 > 3：

1. 第一種：洞見幾乎還是得由人自己出，AI 只幫你做初步整理。
2. 第二種：AI 直接幫你整理出洞見，可以作為你的補充。
3. 第三種：AI 甚至直接成為你的受訪者。我認為大家可以保持嘗試的心情持續試試看，但目前的可信度我個人非常保留。

不管用哪一種，AI 至少可以幫你省下一部分整理的時間，讓你拿去做其他事。

這週如果只做一件事

約一位用戶，請他說說「上一次……」的經過，然後透過 AI 做一頁訪談快照，再把一個「功能許願」翻譯成機會，掛上你的第一棵 OST。

約不到用戶？先從客服、業務和身邊用過產品的人下手。

下一件值得做的事，也許就藏在某位用戶的「上一次」裡。