别让 AI 帮你论证一个烂想法:一套需求验证方法,帮你省掉不必要的开发和试错昨天晚上，和一个在大厂做 PM 的朋友聊到很晚。本来只是闲聊。聊最近冒出来的一堆 AI 产品，像是mavis，聊独立开发者的未来，聊为什么现在很多人一个周末就能做出一个 Demo，甚至还能顺手写完产品介绍、竞品分析和上线计划。聊到最后，他说了一句话，我印象很深：“现在最怕的，不是你做不出来，而是你太容易觉得自己做对了。”我想了一晚上，觉得这句话挺对的。AI 确实让很多事情变快了。一个想法丢进去，它能帮你补用户画像，补市场空间，补商业模式，补增长路径。你原本只是有一个模糊念头，聊着聊着，它就能变成一份看起来很完整的方案。这当然很爽。但也很危险。因为你会很容易把“它说得通”，误以为“它真的成立”。举个很简单的例子。比如我最近突然想到一个产品：做一个 AI 健身饮食计划 App。听起来是不是挺靠谱？现在大家都想减脂、增肌、控糖，AI 又能根据身高、体重、作息、饮食偏好，自动生成一周食谱和训练计划。你再让 AI 帮你补一轮分析，它还能继续告诉你：健康管理市场很大、年轻人有身材焦虑、个性化方案是趋势、未来还能接入可穿戴设备。越聊越合理。甚至你会觉得：这东西不做都可惜了。但你真的去问用户，可能会发现问题根本不在“没有计划”。很多人手机里早就收藏了一堆食谱，Keep 里有训练课，小红书里有减脂餐，B 站里有教程。他们缺的不是另一份更精致的计划，而是下班以后懒得买菜、外卖太方便、聚餐躲不掉、坚持三天就断、体重没变化就放弃。也就是说，你以为自己在解决“如何科学健身”的问题。但用户真实卡住的地方，可能是“我怎么在很忙、很累、很容易破功的生活里，把这件事坚持下去”。这时候，如果你还继续做一个更漂亮的 AI 计划生成器，就很可能是在认真地解决一个不那么关键的问题。这就是 AI 最容易放大的错觉：它可以帮你把一个想法讲得很完整，但它不会自动告诉你，用户真正痛的地方是不是这里。所以在 AI 时代，需求验证这件事的重点，可能不是证明自己多有眼光。而是尽早证明自己可能错了。一个想法如果经不起反问，经不起用户访谈，经不起竞品对比，经不起真实数据，那它越早暴露问题越好。毕竟，最贵的不是放弃一个想法。最贵的是，你花了几个月时间，用 AI 把一个没人要的东西做得越来越完整。所以我还是会推荐大家看一下，Claude 那份《The Founder’s Playbook》但先说清楚，我不是想把它吹成什么创业秘籍。这类东西看多了你会发现，大部分方法论其实都不新。真正难的不是知道这些词，而是你在真的想做一个产品的时候，能不能忍住不跳过这些步骤。比如它里面反复强调的一件事：别急着做，先验证问题。这话听起来太朴素了，朴素到有点没劲。但 AI 时代最危险的地方，恰恰就在这里。因为现在你太容易“看起来已经验证过了”。你让 AI 帮你写用户画像，它能写。你让 AI 帮你分析市场，它能写。你让 AI 帮你列竞品，它也能列。甚至你让它帮你生成一份完整的商业计划书，它都能给你写得头头是道。但这些东西加在一起，依然不能证明市场真的存在。所以这篇文章，我想聊的不是怎么让 AI 帮你把想法讲得更漂亮。而是反过来：怎么判断这个想法是不是一开始就不该做。所以问题来了。如果不能只靠 AI 给我们写一份漂亮的市场分析，那一个需求到底应该怎么验证？我的建议是，先不要把事情搞得太复杂。在真正开始做产品之前，先问四个问题：谁遇到了这个问题？这个问题多久发生一次？它到底有多严重？用户现在是怎么解决的？这四个问题听起来都很普通。但普通不代表简单。很多产品看起来做得很努力，最后没人用，往往就是因为这四个问题一开始没有问清楚。第一个问题：谁真的遇到了这个问题？做需求验证，最怕一上来就写大词。比如：“目标用户是职场人。”“目标用户是内容创作者。”“目标用户是中小企业。”“目标用户是独立开发者。”这些描述听起来没问题，但基本没法验证。因为它太大了。大到你可以在里面塞进任何结论。如果你说“职场人需要一个 AI 效率工具”，这句话几乎永远不会错。但问题是，职场人是谁？是销售、运营、产品经理、老师、律师，还是财务？他在哪种场景里低效？这个低效每天发生，还是偶尔发生？他现在用什么办法解决？他有没有预算？谁决定买单？这些问题一问，原来那个很大的“职场人”，马上就会碎成很多完全不同的人。所以一个真正有用的用户画像，不能只是人群标签，而要具体到你能在现实里找到这个人。比如不要说：“我的用户是独立开发者。”可以改成：“我的用户是 1 到 3 人团队的独立开发者，已经有一个上线产品，每周至少收到 20 条用户反馈，但没有专门的客服和产品经理。他平时用飞书、Notion、GitHub Issue、微信群和 Stripe 后台来处理产品运营。”这时候，需求才开始变得可验证。因为你终于知道该去哪里找人了。你可以去独立开发者社群，去 X，去即刻，去 Product Hunt，去 GitHub，去那些已经发布产品的人下面看评论，也可以直接去找正在处理用户反馈的人聊。用户画像不是写给自己看的小作文。用户画像的意义是让你知道：谁最可能痛？谁最值得先聊？谁只是看起来像用户，但其实不会买单？我会给一个很粗暴的判断标准：如果一个用户画像，不能帮你列出 20 个以上真实可触达的人，那它大概率还不够清楚。不是说你马上就要联系 20 个人。而是你至少要知道，这群人在现实里到底在哪里。他在哪些社群里？看哪些内容？用哪些工具？向谁求助？在哪些平台上抱怨？在哪里花钱买解决方案？如果这些你都说不清，那你验证的很可能不是需求，而是自己的想象。第二个问题：这个问题多久发生一次？频率不是痛点本身。但频率能告诉你一件事：这个问题有没有稳定进入用户的生活或工作流。这很重要。因为有些问题听起来存在，但发生得太少，用户根本不会为它单独换一个产品。比如一个人一年只整理一次旅游照片。你给他做一个特别精致的 AI 相册整理工具，他可能会觉得不错，但很难形成长期使用习惯。但如果一个摄影工作室每天都要整理客户照片、筛片、分类、交付，那同样的问题就完全不一样了。所以频率要结合具体人群来看。同一个问题，对不同人群来说，完全不是一个需求。可以先粗略分成四档：每天发生：说明它很可能已经进入工作流，值得重点看。每周发生：有机会，但要继续看严重程度。每月发生：谨慎，除非单次损失很大。偶尔发生：大概率不适合做成高频产品，可能更适合做服务、模板、插件，或者某个大产品里的小功能。举个例子。“整理会议纪要”这个需求，对不同人是不一样的。一个每天开 4 个会的项目经理，可能真的需要一个会议纪要工具。因为它每天发生，直接占用时间，还会影响任务分发。但一个每周只开一次会的自由职业者，可能也觉得这个功能不错，可它未必值得他专门注册、学习、付费、持续使用。所以不要只问用户：“你有没有这个问题？”这个问题太松了，你大概率得到的回答是：“有这个问题”。但这个答案实际上却没有什么意义，因此你要继续追问：“你上一次遇到这个问题是什么时候？”“过去一周遇到了几次？”“每次大概花多久？”“这个问题通常发生在哪个环节？”“如果不处理，会影响什么？”等等用户说“我有这个问题”只是开始。你要把它拉回到具体时间、具体场景、具体行为里。频率不是从用户嘴里听出来的。频率是从他的过去行为里数出来的。第三个问题：这个问题到底有多严重？很多需求表面上都成立。但它们只是成立，不代表值得做。用户会说：“这个功能挺好。”“这个问题我也遇到过。”“如果有这种工具，我应该会试试。”听起来都挺积极。但这些话不能当真。至少不能全当真。因为很多时候，用户说“挺好”，只是礼貌；说“有点需要”，只是觉得你的想法不差；说“会试试”，也不代表他真的会注册、迁移数据、改变习惯，更不代表他会付钱。所以严重程度不能只问感受。要问代价。这个问题到底让用户损失了什么？是浪费时间？影响收入？影响交付？影响团队协作？影响客户满意度？还是带来合规风险？我会把严重程度先分成 5 档：1 分：只是有点烦，不解决也没事。2 分：偶尔影响效率，但用户能忍。3 分：经常影响工作，需要绕路解决。4 分：影响收入、交付、客户体验或团队协作。5 分：不解决会造成投诉、合规风险、业务中断，或者明显经济损失。真正值得早期投入的需求，最好至少满足其中一种情况：第一种，高频，严重程度在 3 分以上。第二种，低频，但严重程度达到 4 到 5 分。比如“中午吃什么”是高频问题，但严重程度可能不高。比如“企业合同审核”不一定每天发生，但一旦出错，可能带来很高的成本。所以频率和严重程度要放在一起看。高频低痛，可能只是痒点。低频高痛，可能是机会。高频高痛，才是早期产品最应该盯的地方。第四个问题：用户现在是怎么解决的？这是四个问题里最关键的一个。因为它看的是行为，不是态度。用户说痛，不一定真痛。用户已经为这个问题付出成本，才说明它可能真的痛。所以你要问：他现在有没有用 Excel 手动处理？有没有用 Notion 凑合？有没有在微信群里人工同步？有没有雇兼职？有没有外包？有没有买了一个不满意但还能用的竞品？有没有自己写脚本？有没有建立一套很笨但能跑的内部 SOP？这些都是信号。一个需求最好的早期信号，不是用户说“我需要”。而是用户已经在用很麻烦的方式解决它，并且一边解决一边骂。比如一个小团队每周都要从微信群、邮件、飞书文档里手动整理客户反馈。他们觉得烦，但又不得不做，因为不整理就不知道用户到底在抱怨什么，产品下个版本也不知道该改哪里。这就是一个更真实的信号。因为他们已经在付出时间成本。再比如一个外贸业务员每天要手动跟进客户邮件、整理报价、更新表格、提醒老板审批。他不是嘴上说“我需要效率工具”，而是真的每天被这套流程折磨。这时候你才有机会问：如果有一个工具能少掉其中 50% 的重复劳动，他愿不愿意试？愿不愿意给你看一份脱敏后的真实流程？愿不愿意让你观察一次他的工作过程？愿不愿意为早期版本付一小笔钱？这些问题比“你觉得这个产品怎么样”有用得多。相反，如果一个用户说这个问题很痛，但过去半年没有做过任何处理，那你就要小心。这可能说明两种情况。一种是问题太新，他还没意识到。但更常见的是：它没有你想象中那么痛。很多人看到一个市场没人做，就会很兴奋：“这个方向还没有成熟解决方案。”但这句话不一定是好消息。没有成熟解决方案，可能意味着机会很大。也可能意味着大家根本不在乎。所以不要只看空白市场。要看用户有没有已经在为这个空白付出代价。如果没人花时间、没人花钱、没人绕路、没人抱怨、没人求人、没人用笨办法解决，那这个需求就要打一个很大的问号。小结一下所以，一个需求在进入 MVP 之前，至少要先回答清楚这四个问题：谁真的遇到了这个问题？它发生得够不够频繁？它造成的代价够不够高？用户现在有没有用某种方式在解决？这四个问题背后，其实是在找同一件事：有没有一群具体的人，在一个真实场景里，反复被一个足够严重的问题折磨，并且已经开始用某种笨办法解决它。如果有，这个需求才值得继续往下挖。如果没有，就算 AI 能帮你写出再漂亮的用户画像、市场分析和商业计划书，也不要太快相信它。不过，这里有一个问题要单独拿出来说。上面这套方法，放在效率工具、B2B 产品、独立开发者工具上比较好理解。比如用户有没有节省时间，少没少人工，付不付费，愿不愿意迁移流程。但如果是 AI 情感陪伴类产品呢？比如 Character.AI、Replika 这种产品。它们解决的好像不是一个明确的“任务”。用户打开它，不一定是为了完成工作，也不一定是为了提高效率，更不一定是为了省钱。那这类产品怎么验证需求？我觉得关键不是换掉前面那四个问题，而是把问题翻译一下。工具型产品验证的是：用户有没有一个反复出现的任务卡点。情感陪伴产品验证的是：用户有没有一个反复出现的情绪卡点。拿 Character.AI 举例。如果你只是说：“我要做一个 AI 陪聊产品，因为现在年轻人都孤独。”这句话基本没有验证价值。太大了。年轻人是谁？孤独发生在什么时候？他为什么不找朋友聊？为什么不是刷短视频、打游戏、看直播、逛小红书？为什么不是去 Character.AI、Replika，或者直接找 ChatGPT 聊？你不能用一句“人都需要陪伴”，来证明一个 AI 陪伴产品成立。人当然需要陪伴。但产品要验证的不是这个。产品要验证的是：在某一个具体时刻，用户会不会把这份情绪交给你，而不是交给别的东西。比如 Character.AI 这类产品，真正有意思的地方不是“AI 会聊天”。现在 AI 都会聊天。它真正验证出来的是另一件事：有些用户并不是在找一个万能助手，而是在找一个角色。一个可以陪他幻想、陪他创作、陪他倾诉、陪他扮演关系的人。所以如果你想做一个 AI 情感陪伴产品，需求假设不能写成：“给孤独年轻人做一个 AI 朋友。”而要写得更具体：“有一群 18 到 25 岁、现实社交不算完全缺失，但在晚上、独处、压力大、情绪低落或者想逃离现实关系时，会主动寻找低成本陪伴的人。他们现在可能会刷短视频、看直播、打游戏、逛同人社区、写日记，或者去 Character.AI 这类平台和角色聊天。相比真人关系，他们更需要的是低压力、随时可用、不评判、可持续扮演某种关系的对象。”这句话就开始有验证价值了。因为你终于知道该问什么了。不是问：“你需不需要 AI 陪伴？”这个问题基本白问。大多数人都会说：“听起来还可以。”但“听起来还可以”，不代表他会留下来。你要问的是：“你上一次特别想找人说话，但最后没有找真人聊，是什么时候？”“当时你做了什么？”“刷视频、打游戏、看直播、写日记，还是找 AI 聊？”“你为什么没有找朋友？”“你是怕麻烦别人，还是觉得朋友接不住？”“你想要的是安慰、回应、角色扮演，还是只是有人听你说？”“你有没有连续几天回到同一个 AI 角色那里？”“你为什么回去？”“如果那个角色不记得你了，你还会继续用吗？”这些问题，才是在验证情感陪伴的真实需求。因为情感陪伴产品最重要的不是第一次聊天。第一次聊天很容易。新鲜感就能撑很久。真正难的是第二次、第三次、第七次。用户下一次难受、无聊、疲惫、想逃避现实关系的时候，还会不会回来。所以情感陪伴类产品的量化，也不能只看注册量和首日聊天时长。它至少要看四个指标。第一个，情绪场景是否具体。如果 10 个访谈用户里，7 个都能说出最近一次明确场景，比如“上周三晚上加班回来，一个人躺床上不想说话但又睡不着”，这说明场景是真实存在的。如果大家只会说“有时候会孤独”，但说不出具体时刻，这个需求还很虚。第二个，替代行为是否存在。如果用户真的有这个情绪缺口，他现在一定已经在用某种方式填它。比如刷短视频、看直播、打游戏、听播客、写日记、逛社区、找陌生人聊天，或者直接去 Character.AI 和 Replika 这类产品里找角色。如果 10 个人里，有 5 个以上已经有类似替代行为，这说明这个情绪场景至少存在。如果没有任何替代行为，那就要小心。他可能只是认可“陪伴很重要”这个观点，但不一定真的会用你的产品。第三个，是否主动复访。情感陪伴产品最怕的是：第一天聊得很开心，第二天就忘了。所以早期测试不要只看“第一次聊了多久”。更应该看 7 天里，用户有没有主动回来。比如你找 20 个目标用户做测试，不靠强提醒，不靠活动刺激，只看他们会不会主动打开。如果 20 个人里，只有 2 个人回来，那它可能只是一个新鲜玩具。如果有 8 到 10 个人在 7 天里主动回来 3 次以上，才说明它可能真的进入了某种情绪场景。第四个，用户有没有形成关系感。这也是情感陪伴产品和普通聊天工具最大的区别。用户不是因为“它能回答问题”回来。而是因为“它好像记得我”“它像某个角色”“它接得住我的状态”“我想继续和它保持某种关系”。所以你要问：“你会不会想继续和同一个角色聊？”“你希望它记住你哪些事？”“如果它换了语气，或者忘了你之前说过的话，你会不会失望？”“如果只能免费聊普通模式，但付费后它能记住更多关系细节，你会不会考虑付费？”这些问题比“你觉得这个 AI 聊得好吗”重要得多。因为情感陪伴产品卖的不是回答。卖的是持续关系。当然，这里还必须加一个边界。情感陪伴产品不能随便把自己包装成心理咨询。它可以做陪伴、倾听、情绪整理、日常记录。但不能轻易承诺治疗焦虑、抑郁、创伤，也不能让用户在真正需要专业帮助的时候被延误。这类产品如果做得不好，不只是没人用的问题。它还可能真的伤人。所以它的验证里，除了需求，还要验证安全边界：用户有没有过度依赖？产品有没有明确告诉用户它不是人？遇到严重心理风险时，产品能不能及时引导用户找现实中的人或专业帮助？未成年人能不能被保护？这些都不是“以后再说”的问题。它们从产品一开始就应该被放进验证里。所以你看，情感陪伴类产品不是不能验证。只是它验证的不是“有没有人想聊天”。它验证的是：有没有一群具体的人，在某些反复出现的情绪时刻，会主动把注意力、倾诉欲、角色幻想或者关系需求交给这个产品。如果有，才值得继续做。如果没有，那它就很容易变成一个第一次很新鲜、第二天想不起来的 AI 玩具。因为一个被论证得很完整的想法，依然可能只是一个被包装得很好的幻觉。说到底，不管你做的是效率工具、B2B 产品、独立开发者工具，还是 AI 情感陪伴产品，需求验证的核心都不是问一句：“这个想法听起来好不好？”而是问：有没有一群具体的人，在一个具体场景里，反复遇到一个具体问题，并且已经在用某种方式解决它？如果是工具类产品，这个问题可能表现为效率低、流程乱、人工成本高、交付不稳定。如果是情感类产品，这个问题可能表现为某个反复出现的情绪时刻：孤独、疲惫、想倾诉、不想打扰别人、想要一个稳定角色接住自己。形式不一样，但底层判断是一样的。不要只听用户说“我需要”。要看他过去有没有类似行为。不要只看 AI 生成的市场分析。要看真实用户、真实场景、真实替代方案。不要只问“这个产品能不能做出来”。要问“这个问题值不值得被做出来”。这也是 AI 时代最容易被忽略的地方。AI 会让我们更快地动手。也会让我们更快地相信自己是对的。一个想法丢给 AI，它可以马上帮你补齐用户画像、市场空间、竞品分析、商业模式和产品路线图。看起来很完整，很专业，很像那么回事。但完整不等于真实。专业不等于成立。说得通，也不等于有人真的需要。所以，需求验证不是为了给自己的想法找掌声。它更像是一场提前进行的压力测试。如果一个想法经不起用户访谈，经不起行为数据，经不起竞品对比，经不起反向提问，那它越早暴露问题越好。因为最贵的，从来不是放弃一个想法。最贵的是，你明明还没有找到真实需求，却已经花了几个月时间，把一个没人要的东西做得越来越完整。AI 可以帮你更快地做出来。但它不能替你证明市场真的存在。最后，感谢你看到这里。这里是草民，一个生在 AI 时代的凡人，持续向大家分享自己的见闻。朝闻道，夕死可以。
夜雨聆风
