Day 2　企业调研方法论——访谈技巧

为什么 FDE 必须"先调研、后动手"？——从一个经典翻车讲起

先记住这一章最关键的一句话：FDE 最大的浪费，不是技术做不出来，而是花三个月把一个没人真正需要的东西做出来了。调研的全部意义，就是避免这种"正确地做错事"。

1.1 一个你一定会遇到的场景

假设你被派到一家做建材零售的连锁企业，老板第一次见面就拍着桌子说："我要上你们那个最先进的大模型，搞一个智能客服，再搞一个智能选品，三个月内给我跑起来。"这时候你怎么办？

新手会兴奋地回去排期：第一周接 API，第二周做知识库，第三周训练客服话术，第四周上线。三个月后你拿着漂亮的演示给老板看，老板点点头："嗯，不错。"然后就没有然后了——客服团队嫌它答非所问不肯用，选品团队说它推荐的东西根本不符合门店实际。钱花了，人累了，业务一点没动。

为什么？因为你跳过了最重要的一步——你根本不知道这家企业真正的问题是什么。老板说"我要大模型"，但他真正头疼的可能是：门店店长每天要花两小时在三个系统之间抄库存数；总部商品部有三百个 SKU 但只有二十个是赚钱的；退货流程要走五个部门签字，平均拖两周；老店长退休后，新人根本不知道怎么和供应商砍价。这些问题，老板自己可能都没系统地说过。

1.2 "部署鸿沟"的第一块砖，就是调研鸿沟

Day 1 我们讲过"部署鸿沟"——模型很强，但落不到客户真实业务里。这道鸿沟的第一块砖，就是你根本不知道客户真实业务长什么样。你坐在酒店房间里对着 PRD 写的系统，上线第一天就会被客户的真实情况打回原形：数据格式不对、流程和文档不一样、一线员工根本不按 SOP 操作、关键数据只存在某个人的 Excel 里。

行业里有个被反复验证的观察：在企业 AI 项目中，需求定义错误导致的失败，比技术实现错误导致的失败多得多。也就是说，项目做砸了，八成不是因为你代码写得差，而是因为你从一开始就搞错了要做什么。而搞错要做什么的原因，九成是因为你没好好做调研。

1.3 调研不是"聊聊天"，是"工程工作"

很多人对调研有个误解：觉得不就是和客户坐下来喝杯茶、聊半小时嘛。错。专业的企业调研是一套有目标、有结构、有方法、有产出的工程活动——就像写代码要先做需求分析和系统设计一样，调研就是 FDE 的"需求分析 + 现场勘察"环节。

Nielsen Norman Group（全球最权威的用户研究机构之一）在其《User Interviews 101》指南中明确指出：用户访谈必须被当作一项研究（research study）来对待，而不是非正式的聊天。它需要明确的研究目标、经过设计的访谈提纲、可执行的提问技巧，以及结构化的分析方法。^[1]NN/g 的文章里还特别强调了一个容易被忽略的点：访谈是"态度研究"（attitudinal research）——你收集到的是人们"说自己做了什么、怎么想的"，而不是他们"实际做了什么"。这两者之间的差距，就是为什么你必须把访谈和现场观察、客观数据结合起来用，不能偏废。

Palantir 等头部 AI 公司甚至把客户访谈视为 FDE 的核心工程职责，而不是独立的"研究部门职能"——这意味着，访谈能力就是 FDE 的硬技能，不是软装饰。行业里有个估算：2026 年的 AI FDE 大约有 30%–40% 的一周时间花在对话式客户发现上。这个比例看起来很高，但仔细想想就明白了——如果你连客户真实在干什么都不知道，你写的那 30% 的代码、做的那 50% 的数据集成，全都是在错误的方向上努力。

1.4 调研能力和"聊天能力"的本质区别

很多人以为自己"很会聊天"，就能做好调研。这是一个很大的误区。日常聊天和专业调研访谈，看起来都是"两个人坐着说话"，但底层逻辑完全不同：

简单说：日常聊天是"我也想说点什么"，专业访谈是"我想听你说什么"。一个话痨去做调研，最大的风险就是把访谈变成自己的个人演讲——客户全程在点头"嗯嗯是是"，结束了什么有用的信息都没拿到。

企业调研四阶段：准备 → 执行 → 分析 → 报告

任何一次完整的企业调研，都绕不开四个阶段。这四个阶段不是线性走完就结束的——你在执行阶段发现新问题，可能要回头补充准备；在分析阶段发现信息缺口，可能要回去补访。但骨架就是这四步。

2.1 四阶段全景图

2.2 每个阶段的核心产出

2.3 为什么"准备不足就开工"是新手第一大错

很多 FDE 新人觉得："我去现场聊一聊，自然就知道问题在哪了。"这是非常危险的想法。没有准备的访谈，你会犯三个致命错误：

• 被对方牵着走：客户说什么你记什么，没有自己的框架，聊完发现全是零散碎片，拼不出全貌。
• 漏掉关键问题：事后复盘才发现"当时怎么没问这个？"——但人已经约不到第二次了。
• 问出引导性问题：因为你脑子里没有清晰的目标，随口就问出"你们是不是也觉得手动录入很麻烦？"这种把答案塞给对方的问题。

2.4 调研不是一次走完的：迭代补访的逻辑

很多人以为调研就是"约十个人聊完，写一份报告，结束"。实际上，专业的调研是一个迭代逼近真相的过程：你第一轮聊完，整理的时候发现"这块信息不够""那个说法有矛盾""这个系统我还没搞懂"——那就得回去补访、补查。

常见的迭代补访触发点有三个：

• 信息缺口：分析的时候发现，某个关键环节的信息只有一个人说，其他人都没聊过，或者说的都不清楚。→ 回去再找一个人专门聊这个环节。
• 说法矛盾：两个人说的完全不一样，你判断不了谁对谁错。→ 去找第三个人交叉验证，或者去看系统记录、现场走一遍。
• 新发现的线索：访谈中对方随口提到了一个你提纲里没有的新东西——比如"我们还有个小程序专门用来做这个"——这个东西你之前完全不知道，可能很重要。→ 回去专门了解一下这个新发现。

准备阶段：定目标、做功课、列提纲、约对象

准备阶段做得有多扎实，直接决定你现场访谈的效率和深度。这一节把准备工作拆成四件事，每件事都给你可直接套用的模板和检查清单。记住一句话：台上十分钟，台下十年功——调研也是一样，现场一小时，背后可能要花十小时准备。

3.1 第一件事：定调研目标——你到底要搞清楚什么？

调研目标不能写得太泛。"了解客户需求"这种等于没说。NN/g 在其访谈指南中强调：好的研究目标必须具体、可回答、与特定行为或态度相关。^[1]你可以套这个句式来写：

注意，目标是"搞清楚问题"，不是"验证我们的方案好不好"——如果你带着"我们的AI方案很棒"的预设去调研，你只会找到支持预设的证据，自动忽略反面信号。

3.2 第二件事：做案头功课——去之前你该知道什么

在约客户访谈之前，你应该先做完这几件案头工作：

• 行业基本常识：这家公司在什么行业？这个行业的通用商业模式是什么？主要玩家有谁？客户提到的行业黑话你能不能听懂？
• 客户公开信息：官网、年报、新闻、招聘信息（招聘JD能看出他们在补什么能力、用什么技术栈）、招投标公告。
• 已有资料：如果客户之前做过数字化规划、IT规划、流程梳理，拿到那些文档先读一遍——哪怕过时了，也能让你知道他们"以为"的现状是什么。
• 竞争对手和标杆：同行业其他公司在AI上做了什么？哪些场景是行业标配？哪些是新趋势？

3.3 第三件事：设计访谈提纲——漏斗式结构

人人都是产品经理平台上转载的网易UEDC深度访谈文章中，提出了一个非常实用的结构：访谈提纲一般包括四个部分——开场语、暖场、正式访谈内容、结束语。问题的组织遵循"漏斗式"原则：从轻松的一般性问题开始，逐步聚焦到核心问题，最后收尾总结。^[2]

开场语模板（可直接套用）

3.4 第四件事：约对象——你该见谁？

调研样本的选择直接决定调研质量。只见老板，你拿到的是"理想化的业务图景"；只见一线，你拿到的是"具体的操作细节但缺全局视角"。专业做法是分层抽样——按"角色 × 立场 × 资历"覆盖四类人：

3.5 约人的实操细节：怎么约才不被放鸽子？

很多新手做调研，最大的挫折不是问错问题，而是根本约不到人——老板说"下周再说"，部门负责人说"最近忙，你先找下面的人聊"，一线员工说"我手上还有活，没空"。约人也是有技巧的：

• 先找对接口人：不要直接到处约人，先让客户指定一个项目对接人，由他来协调排期。你直接去找部门负责人说"我要调研你们部门"，他第一反应是"又来个推销的"，大概率推掉。但如果是他老板让他配合的，他就会认真安排。
• 说清楚要多久："就聊30分钟"和"聊一下午"，对方的接受度完全不同。访谈不是越长越好——30-45分钟是黄金时长，对方的注意力和耐心都够，你也能拿到核心信息。超过一小时，对方就开始走神了。
• 给对方选择权："您看周二上午还是周三下午方便？"——二选一的问法，比"您什么时候有空"得到的响应率高得多。后者等于让对方自己做排期，他一忙就忘了。
• 提前发议程：约好之后，把"我们大概会聊哪几个方面"提前发给对方——不是发完整的访谈提纲，只是一个大致范围。这样对方有心理准备，不会觉得"你突然来问我一堆问题"，也可以提前想想要说什么。

四种角色的差异化访谈提纲：别用一套问题问所有人

同一个企业里，老板、业务负责人、一线员工、IT负责人，他们关心的事完全不一样，说话方式也不一样。用同一套提纲去问四类人，等于拿一张体检表同时问大人小孩——不是不行，是效率极低、信息质量极差。这一节给你四张可以直接改改用的提纲模板。

4.1 为什么必须分层设计？——认知差

不同层级的人，脑子里的"地图"完全不同：

• 老板脑子里：公司战略、年度目标、竞争对手、利润率、现金流、风险。他看不见一线具体怎么操作，他关心的是"整体赚不赚钱"。
• 业务负责人脑子里：部门KPI、流程节点、跨部门协作、人手够不够、为什么完不成指标。他知道流程该怎么走，但不一定知道一线实际怎么绕着走。
• 一线员工脑子里：今天要做哪些活、哪个系统最慢、哪个操作最烦、上次出错是什么时候怎么补救的。他知道真实世界长什么样，但不知道公司战略。
• IT负责人脑子里：有哪些系统、数据在哪、接口能不能开、安全合规怎么过、以前上过什么系统为什么没成。他知道技术可行性，但不一定理解业务痛点。

4.2 老板/决策层访谈提纲

见老板时间有限（通常30-45分钟），要高效、抓大放小。重点不是问细节，而是搞清楚三件事：他最头疼什么、他愿意为什么花钱、他对什么风险最敏感。

4.3 业务负责人访谈提纲

业务负责人是承上启下的关键层，他们知道流程该怎么走、部门KPI是什么、跨部门协作哪里卡。访谈时间可以长一些（45-60分钟），重点挖流程和痛点。

4.4 一线员工访谈提纲

一线员工是"真实流程"的活地图。但他们往往有顾虑——怕说错话、怕AI抢饭碗、怕被当成"表现不好"。所以访谈一线，先消除顾虑，再问问题。

4.5 IT/数据负责人访谈提纲

IT负责人是技术可行性的把关人。你问他的问题要聚焦在"数据在哪、系统能不能接、有什么约束"上，不要问他业务该怎么改。

4.6 四类角色信息覆盖矩阵：一张表看清该问谁、问什么

很多新手做调研的时候，见了谁就聊谁的事，聊完了发现"这块好像没人聊过"。用一张矩阵表提前规划好"哪类信息该找谁要"，就不会漏。

开放式提问的艺术：别问"是不是"，要问"怎么做"

提问方式决定了你能拿到什么质量的信息。封闭式问题（是/否/好不好）像填空题，对方几个字就答完了；开放式问题像作文题，对方会给你讲故事、讲细节、讲情绪——而真正的痛点，往往藏在这些细节里。

5.1 封闭式 vs 开放式：差别有多大？

NN/g 的访谈指南中明确指出：好的开放式问题是那些能让受访者描述事实和过程的问题，比如"Walk me through a typical day for you（带我看看你典型的一天）""Tell me about the last time you did X（讲讲你上次做X的时候）"。而"是不是/对吗/同不同意"这类封闭式问题，只能得到是非判断，还会把你的预设强加给对方。^[1]

5.2 六类高质量开放式问题

参考 Patton 的经典分类，结合企业调研场景，可以把好问题归为六类：

5.3 必须避免的五种坏问题

• 引导性问题："你们是不是也觉得这个系统特别难用？"——把你的偏见塞进了问题里。改成："你觉得这个系统用起来怎么样？"
• 多重问题："这个流程是从谁开始的、要走多久、中间要审批几次？"——一个问题塞了三个问，对方可能只答最后一个。拆开问。
• 专业术语问题："你们的ETL管道延迟多久？"——一线员工听不懂，要么瞎答要么沉默。换成"数据从业务系统到报表要多久能看到？"
• 假设性问题："如果上了AI，你觉得能提升多少效率？"——对方没见过，只能猜，猜出来的数字没有参考价值。改成："现在这个流程大概花你多少时间？"
• 是非题："这个功能你们用吗？"——"用"或"不用"就结束了。改成"这个功能你们平时怎么用？多久用一次？"

5.4 好问题与坏问题的光谱对比

把刚才讲的"好问题"和"坏问题"放在一起对比，你会更直观地感受到差别在哪：

追问与倾听：挖出藏在细节里的真相

一个好的 FDE，话应该比对方少。你80%的时间在听，20%的时间在问——而且那20%的问，大部分是追问。受访者的第一句话往往是最表面的，真正的痛点要靠层层追问才能挖出来。

6.1 为什么"第一反应"通常不是真答案

当你问一个人"你们这个流程有什么问题"，他的第一反应通常是两种：要么是客套话（"挺好的，没什么大问题"），要么是抱怨（"太麻烦了，天天出错"）。这两种回答都没有信息量——你需要把它往下挖一层。

人人都是产品经理转载的深度访谈文章中，把追问分成了两种：追踪问题（follow-up）和探测性问题（probes）。追踪问题是针对对方提到的某个点要求展开解释；探测性问题更短、更即时，比如沉默几秒、点点头、说"嗯？然后呢？"——目的是鼓励对方继续说下去。^[2]

6.2 五个万能追问句式

6.3 5Why 追问法：从症状到根因

当受访者描述一个问题时，不要停在表面，要用"为什么"层层下钻，直到挖到流程、系统、机制层面的原因。

6.4 倾听的四个关键动作

• 不打断：对方说话时不要急着插嘴补充。哪怕你觉得他说的你已经知道了，也让他说完——他可能正在讲一个你不知道的细节。很多新手最容易犯的错就是：对方刚说一半，他就"对对对我知道，就是那个什么什么"——这一插嘴，对方就不想再说了。
• 善用沉默：对方停顿的时候，不要急着填补空白。安静等两秒，他往往会接着说——而且补充的往往是最关键的、之前不好意思说的内容。人人都是产品经理转载的深度访谈文章里特别提到：沉默数秒钟、点点头，都是有效的探测性问题——它们不构成句子，但能让对方意识到"你还有话没说完，继续说"。^[2]
• 用非语言信号回应：点头、眼神接触、"嗯""我明白"这类简短回应。让对方知道你在听，他就会说得更多。但注意不要过度——如果对方说什么你都"嗯嗯嗯对对对"，他会觉得你根本没在听，只是在敷衍。
• 复述确认："我理解一下，你刚才说的是……，对吗？"——这一步既能确保你没听错，也能让对方觉得你真的在认真听。更重要的是：复述的过程中，你可能会发现自己理解错了的地方，当场纠正，比事后发现好得多。

6.5 什么时候该追问，什么时候该放过？

追问是个技术活——问得太多，对方觉得你在审问；问得太少，信息又不够。判断标准很简单：当对方提到的内容和你的调研目标相关、且信息不够具体的时候，就追问；如果已经聊得很细了、或者已经偏题了，就放过。

具体来说，有四种情况你必须追问：

1. 对方用模糊词汇的时候："很慢""经常出错""挺麻烦的"——这些词没有信息量，必须追问到具体数字和事件。
2. 对方提到一个你没听过的系统/术语/人名的时候：别装懂，直接问"这是什么？能具体说说吗？"——装懂只会让你后面的访谈越来越听不懂。
3. 对方突然情绪波动的时候：叹气、皱眉、语速变快、声音变大——这些情绪信号背后一定有故事，停下来追问"你刚才说这个的时候好像有点感触，是发生过什么事吗？"
4. 前后说法矛盾的时候：前面说"我们流程很顺畅"，后面又说"上个月刚出了个大错"——把矛盾点挑出来，"你刚才说流程挺顺的，但又提到上个月出了个大错，能给我讲讲那个事吗？"

记录与整理：让原始信息变成可分析的素材

访谈聊得再好，如果记录一塌糊涂，回头全忘了。专业的记录不是把对方说的话逐字记下来——那是速记员的活，而且你忙着记就顾不上听。好的记录是结构化的、分层级的、能直接用来做分析的。

7.1 记录的三层分类法

访谈中听到的信息，按可信度和性质分成三层记录，事后分析时不会混淆：

7.2 录音 vs 笔记 vs 事后整理

这三种方式不是三选一，而是组合使用：

• 录音：一定要先征得对方同意。录音不是为了逐字转写，而是为了事后回放你当时没记下来的细节、数字、原话。
• 现场笔记：不要试图逐字记。抓关键词、数字、原话片段、对方提到的系统名/人名/单据名。你是在画"地图标记"，不是在写小说。
• 事后整理：访谈结束后2小时内、最迟当天，趁记忆新鲜把录音回放+笔记整理成结构化的访谈纪要。时间越久，细节丢失越多。

7.3 访谈纪要模板

7.4 记录工具选择：纸笔 vs 笔记本电脑 vs 录音转写

用什么工具记录，会直接影响受访者的状态。这里没有标准答案，要根据场景选：

专业做法通常是组合使用：征得同意后开录音保底，同时用纸笔或电脑抓关键词和原话。不要把全部精力放在打字上——你忙着打字，就顾不上听对方话里的情绪和潜台词了。听比记重要。录音只是备份，不是替代品。

真实痛点 vs 表面需求：FDE 最核心的判断力

客户说"我要个智能客服""我要上大模型""我要做数字员工"——这些都不是痛点，这是客户自己想象的解决方案。FDE 的核心价值，就是透过这些"拿着锤子找钉子"的话，找到背后真正的业务问题。

8.1 什么是"表面需求"？什么是"真实痛点"？

区分这两者，用一个标准：表面需求是"要什么东西"，真实痛点是"疼在哪里、为什么疼、疼了多久、疼到什么程度"。

8.2 显性需求 vs 隐性需求

还有一种更难的情况：客户自己都没意识到的需求。这叫隐性需求——它客观存在、造成了真实的浪费，但因为大家习以为常了，没人觉得这是个"问题"。

比如：跨系统手工搬运数据。员工每天花两小时把A系统的数抄到B系统，抄了三年，已经觉得"这就是我的工作"。他不会主动告诉你"我有个痛点是搬数据"——因为他根本不觉得这是痛点，他觉得这就是干活。

8.3 判断痛点真实性的三个标准

1. 能不能量化？说不清"多疼"的痛点，往往不是真痛点。"很慢"要变成"平均处理40分钟"，"老出错"要变成"错误率8%"，"费人"要变成"每天占3个全职人力"。能量化，才值得做。
2. 发生频次高不高？一年发生一次的问题，再疼也不值得专门上AI。每天都在发生的小麻烦，累积起来就是大浪费。
3. 有没有人真的受影响？老板觉得"应该优化"但一线没人抱怨的问题，大概率不是真痛点。真痛点一定是有人天天为之头疼、为之加班、为之出错的。

8.4 一个完整的案例：从"我要大模型"到真痛点

让我们用一个完整的虚拟案例，走一遍"从表面需求挖到真痛点"的全过程：

老板第一句话："我要上你们那个最先进的大模型，搞一个智能客服，再搞一个智能选品。"

FDE 心里开始追问：

• "智能客服"——为什么要智能客服？现在客服团队多大？每天接多少咨询？哪类问题最多？客户满意度多少？
• "智能选品"——选品现在是谁在做？多久选一次？选品依据是什么？选品不准会造成什么后果？库存积压了多少？
• "最先进的大模型"——最先进的标准是什么？为什么现在的不够用？之前试过吗？

访谈业务负责人后发现：客服团队20人，每天接约800个咨询，其中60%是"查物流、查余额、改地址"这类重复问题——确实有智能客服的空间。但老板说的"智能选品"，实际上是因为最近库存积压严重，300万的货压在仓库里卖不出去。

再往深挖一层：库存为什么积压？不是选品不准——是因为销售数据和库存数据在两个系统里对不上，总部不知道门店实际卖得怎么样，按预测进货，结果进多了。真正的问题不是"选品不智能"，而是"数据不通，导致库存可视化缺失"。

最终诊断：优先级最高的不是"智能选品"，而是"库存数据打通+智能补货建议"——先把数据对齐，再上AI建议，否则AI基于错误数据给出的选品建议只会更离谱。

8.5 识别痛点的"三问测试法"

以后你听到任何一个"痛点"，都可以用这三个问题快速判断它是真痛点还是伪痛点：

1. 谁疼？——具体是谁在抱怨、在加班、在出错？说得出具体的人吗？还是只是"大家都觉得"？
2. 多久疼一次？——每天发生？每周一次？还是一年才遇到一次？频次太低的痛点不值得专门做AI。
3. 疼成什么样？——能说出具体损失吗？每天浪费多少小时？每月损失多少钱？出错率多少？说不出数字的，要么是你还没问够细，要么就是没那么疼。

三角验证法：当多个人说的不一样，信谁？

调研中最常见的困惑：A部门说流程已经自动化了，B部门说全靠人工导Excel；老板说"我们数据很全"，IT负责人说"关键数据根本拿不出来"。这时候你信谁？答案是——谁的都别全信，用客观证据裁决。

9.1 为什么会出现矛盾？

多个人说的不一样，不是因为有人故意撒谎，而是因为每个人的视角和立场天然不同：

• 视角不同：老板看到的是月报和KPI，一线看到的是每天的操作细节——他们描述的是同一个流程的不同切面。
• 利益立场：某个部门可能因为怕被怪罪，会弱化自己环节的问题；另一个部门可能为了强调自己工作量大，会放大问题。
• 记忆偏差：人对事情的记忆是会扭曲的，尤其是涉及到失误和责任的部分。
• 理想 vs 现实：SOP写的是"应该怎样"，实际操作是"现在怎样"——中间差着大量例外、变通、土办法。

9.2 三角验证：三个信源交叉印证

三角验证（Triangulation）是社会科学和用户研究中的经典方法：不依赖单一信源，用至少三种不同类型的证据交叉印证同一个事实。对企业调研来说，三种信源就是：

9.3 冲突发生时，FDE 的处理原则

1. 不轻信职级高的人的说法：老板说的"我们流程很顺畅"，不一定比一线说的"我们天天加班赶工"更接近事实。职级高不等于看得更细。
2. 优先用客观证据裁决：两个人说的不一样，那就去看系统记录、去翻真实单据、去现场走一遍。数据和系统不会撒谎。
3. 把矛盾当成线索："为什么两个人说的不一样？"这个问题本身往往藏着更大的痛点——比如两个部门各干各的、信息不互通、对不上账。
4. 不要当面对质：不要拿着A说的话去问B"他说的是这样吗？你怎么不一样？"——这会制造敌意，让后面的访谈更难进行。你自己心里有数就行。

调研中立性与伦理边界：什么时候该说"不"

FDE 不是销售，你对结果负责，不对"卖AI"负责。这听起来简单，但在客户现场做到极难——客户花了钱、你有交付压力、你也想证明AI有用。这时候中立性就是你的职业生命线。

10.1 调研中立性的三条铁律

1. 不预设结论：不要带着"我们的AI一定能帮上忙"的心态去调研。如果你提前认定了结论，你只会看到支持它的证据，自动过滤反面信号——这叫"确认偏误"，是调研最大的敌人。
2. 如实说"这个场景不适合AI"：如果你调研下来发现某个环节确实不适合用AI解决（比如量太小、太简单用规则就够了、数据完全没有），你要如实告诉客户。这反而会建立信任——客户知道你不是为了卖东西而卖东西。
3. 不因为客户施压就夸大结论：老板说"你就说这个项目能省多少人"，你不能为了讨好他就拍一个数字。数字要有依据、要保守、要把不确定性讲清楚。

10.2 调研中的伦理红线

10.3 一个真实的伦理困境：发现了不该发现的事

做企业调研的时候，你可能会意外发现一些"不该你管"的事情——比如你发现财务部门有个操作不合规、或者某部门的数据造假、或者某个员工在利用系统漏洞谋私。这时候你怎么办？

原则是：你是 FDE，不是审计师，也不是纪检委。你的职责是做好AI落地的诊断，不是去揭发别的部门的问题。正确的做法是：

• 如果你发现的问题和AI项目直接相关（比如数据造假导致AI训练出来的模型不可信），你要如实写进报告——"数据质量问题严重，可能影响AI效果"——但不要点具体的人或部门。
• 如果你发现的问题和AI项目无关，不要多管闲事。你不是来做企业诊断咨询的，你的角色定位是AI落地。把精力放在你的专业范围内。
• 如果你发现的问题涉及违法（比如明显的财务造假、数据泄露），这是法律层面的事，你可以提示对接人"这个问题建议你们内部核查一下"，但不要越界去调查。

分析与报告：从一堆笔记到一份能指导决策的诊断

调研不是聊完就结束了。如果你聊了十个人、记了一大堆笔记，最后输出的是一份"我们觉得客户可以上AI"的空泛报告，那前面的工作全白费了。分析和报告的核心，是把零散信息收敛成有优先级的、可行动的洞见。

11.1 分析的四个步骤

1. 归类整理：把所有访谈纪要按主题归类——流程类、痛点类、数据类、系统类、组织类、文化类。先把信息放进对的格子里。
2. 找共性与矛盾：哪些痛点是多个人都提到的？哪些说法互相矛盾？共性的就是大概率真问题，矛盾的就是需要进一步验证的线索。
3. 量化与分级：每个痛点都尽量补上数字——频次（每天/每周/每月多少次）、单次影响（耗时/成本/出错损失）、受影响人数。然后按"总价值=频次×单次影响"排序。
4. 识别机会点：对每个真痛点，判断AI能不能帮上忙、帮多少、需要什么前置条件。输出一张"痛点→AI机会→前置条件→预期收益"的对照表。

11.2 诊断报告的结构

11.3 汇报的艺术：结论先行，用业务语言

给老板汇报的时候，千万不要从"我们访谈了X个人、看了Y个系统"开始讲——他不关心这个。他关心的是：你发现了什么问题？你建议怎么做？能帮我省多少钱/赚多少钱？

正确的汇报顺序是：

• 第一句就说结论："我们发现三个最值得优先做的AI机会，第一个是XX，预计每年能省XX万，第二个……"
• 然后展开依据：为什么你觉得这个机会值——因为现在这个环节每天花多少人天、错多少单、多少客户投诉。
• 最后说下一步：要做这个，需要您这边配合什么、我们需要多久、预期什么结果。

11.4 为什么"堆砌信息"不是分析

新手最容易犯的一个错：把访谈纪要原封不动地整理成一份长文档，觉得"我把所有信息都列出来了，这就是分析了"。错。分析是收敛，不是罗列。你聊了十个人，每个人说了一堆话，如果你只是把这些话按主题堆在一起，那叫"访谈记录汇编"，不叫"分析报告"。

真正的分析要做三件事：

1. 去重合并：三个人都提到了"手动录单很麻烦"，这是同一个痛点，不是三个痛点。合并成一条，标注"3/5位受访者提到"。
2. 找根因：大家都说"录单麻烦"，为什么麻烦？是字段太多？系统太慢？还是两个系统字段对不上？往下挖一层，找到根因，解决方案才对症。
3. 排优先级：按"频次×单次影响"给痛点排序，前三个重点讲，后面的一笔带过。老板的注意力有限，你给他20个机会等于没给。

11.5 给FDE的一个进阶建议：建立自己的"调研模板库"

每次做完一个客户的调研，不要把文档存起来就完事了。把那些可复用的东西沉淀下来：

• 通用提纲模板：按"老板/业务/一线/IT"四类人各存一套基础提纲，下次做同行业客户时，改改就能用。
• 常见痛点清单：把每次发现的痛点按行业分类整理——比如零售行业常见的"库存数据不同步""客服重复问题多"，制造业常见的"质检依赖老师傅""排产靠经验"。下次做同行业客户，直接对照着问。
• 金句库：把受访者说过的特别生动的原话记下来——比如"我们这不是流程，是灾难"——这些原话在写报告、做汇报的时候特别有感染力。

这就是 Day 1 讲的 Compounding（飞轮积累）在调研这个技能上的具体体现：每做一个客户，你的调研模板库就厚一点，下一个客户你就做得更快、更准。做了十个客户之后，你对某个行业的痛点地图就基本成型了，新客户进场第一周就能八九不离十。

今日小结与20题自测回扣

如果今天的内容只能记住一条主线，请记这条：一套方法（准备→执行→分析→报告）+ 四层访谈（老板/业务/一线/IT各有各的提纲）+ 两个核心判断力（分辨真痛点vs表面需求、三角验证辨真伪）+ 一条底线（中立客观，敢说真话）。

12.1 今日20题考点回扣

12.2 专业防杠清单（这些坑别踩）

Day 2 术语表（大白话版）与今日行动清单

一张表扫清今天的黑话

学完今天，你应该能做到（自检清单）

• 能说出企业调研四阶段的名称和每个阶段的核心产出。
• 能为老板、业务负责人、一线员工、IT负责人各设计出一套差异化的访谈提纲框架。
• 能举出3个好的开放式问题和3个坏的引导性问题，并说出区别。
• 能用5Why法把一个表面抱怨追到根因。
• 能区分"表面需求"和"真实痛点"，并说出三个判断标准。
• 能解释三角验证为什么比单一访谈更可信。

访谈样本量：为什么10-15个就够了？

做用户访谈，要访谈多少人？——很多人会问这个问题。答案是：不需要很多，10-15个深度访谈就够了。

为什么不需要很多？因为：深度访谈找的是"模式"，不是"统计"。你访谈10个用户，发现7个人都有同一个痛点——这就是模式，说明这是一个普遍问题。你不需要访谈100个用户来"统计显著"——深度访谈不是问卷调查。

Nielsen Norman Group 的研究表明：5个用户访谈就能发现约85%的问题。越往后，边际收益越低——访谈第6个、第7个，发现的新问题越来越少。访谈10-15个，基本就能覆盖主要问题了。再多，投入产出比就不高了。

今日实战任务（建议动手，比只看更有效）

1. 找一家你熟悉的公司（可以是你之前工作过的、或者你身边朋友的公司），用今天学的分层提纲，试着"脑补"你会怎么访谈这四类人——把提纲写出来，每类至少5个问题。写完对照今天的检查清单，看看你有没有把开放式和封闭式问题搭配好。
2. 选一个你自己工作/生活中的真实痛点，用5Why追问法写出来——从症状一路追到根因，看看最后落在哪一层。试着把这个痛点量化：频次多少、单次影响多少、总损失多少。
3. 完成 Day 2 的 20 题自测，把错题对应到本笔记的章节再读一遍。观察仪表盘能力雷达的变化，看看自己在"调研访谈"这个维度的得分有没有提升。

资料来源与可信度分级

本笔记严格围绕当天 5 份指定学习资料的知识主题撰写。等级图例： 已交叉证实官方 / 一手厂商自述 / 待核实媒体 / 二手汇编

A. 当天指定的 5 份学习资料

B. 本笔记实际引用 / 交叉核实的来源