夜雨聆风
“优化首页转化。”
这是设计师最熟悉也最头疼的一类需求。看起来只有六个字，背后可能藏着一堆没说清楚的问题：转化指注册、付费、留资还是点击？现在转化低是因为用户看不懂价值，还是因为价格太贵？目标用户是谁？有没有数据？上线时间多紧？研发能不能改结构？
如果设计师直接打开 Figma 开画，很容易把需求做成“页面更漂亮一点”。但漂亮不等于转化。
AI 在这个阶段最有用的地方，不是直接给你设计方案，而是帮你把问题问清楚。
不要让 AI 直接出方案
很多人一上来会这样问：
“请帮我设计一个提高首页转化的方案。”
AI 一定能回答。它会给你一堆建议：突出价值主张、增加 CTA、优化首屏、加用户评价、减少干扰、强化信任背书。
这些建议都没错，但也没什么用。因为它们太通用，任何首页都能套。
更好的问法是：
“请不要直接给设计方案。先帮我把这个需求里没说清楚的问题列出来，按业务目标、用户场景、功能边界、数据指标、研发约束分类。”
这句话会把 AI 从“方案生成器”变成“需求澄清器”。
把模糊需求拆成五类问题
我通常会让 AI 从五个角度追问。
第一，业务目标。
这次优化想提升哪个指标？
指标当前是多少，目标是多少？
是短期活动目标，还是长期产品问题？
业务方最在意新增、付费、留存还是咨询？
第二，用户场景。
用户从哪里进入这个页面？
进入前已经知道什么，不知道什么？
用户最可能犹豫在哪里？
新用户和老用户是不是同一套路径？
第三，功能边界。
这次能改页面结构吗？
能改价格、权益、流程吗？
能新增模块吗？
哪些内容必须保留？
第四，数据指标。
有没有埋点？
当前流失发生在哪一步？
有没有用户反馈或客服记录？
上线后怎么判断方案有效？
第五，研发约束。
有没有组件库限制？
是否支持 AB 测试？
移动端和桌面端是否都要改？
上线时间和研发资源是多少？
让 AI 扮演不同角色提问题
一个好用的方法，是让 AI 分别站在不同角色看需求。
站在产品经理角度，它会问目标、范围和优先级。
站在研发角度，它会问组件、接口、状态和时间。
站在运营角度，它会问活动节奏、文案口径和转化路径。
站在客服角度，它会问用户最常误解什么。
站在真实用户角度，它会问我为什么要信你、为什么现在要点、点了以后会发生什么。
这一步很适合 AI，因为它能快速列出不同视角的盲区。设计师要做的是筛选：哪些问题必须马上问业务方，哪些可以先假设，哪些对当前版本不重要。
AI 的问题清单要拿回去确认
需求分析最容易犯的错，是把 AI 的推测当事实。
比如 AI 可能会说：“用户转化低可能是因为缺少信任背书。”这只是可能，不是结论。你需要去看数据、用户反馈、客服记录，或者至少问产品和运营有没有证据。
AI 可以帮你发现问题，但不能替你确认问题。
我会把 AI 输出分成三类：
已知事实：需求文档、数据、业务方明确说过的内容；
合理假设：根据经验推断，但还需要验证；
待确认问题：必须找人确认，否则不能继续设计。
这个分类很重要。没有它，设计师很容易在一堆听起来合理的话里迷路。
从需求澄清到设计方向
当问题问清楚后，设计方向通常会自然收敛。
如果目标是提高注册转化，而用户主要从广告落地页进入，那首页首屏要优先回答“我是谁、对你有什么用、为什么可信、现在怎么开始”。
如果目标是提高付费转化，而用户已经使用过免费版，那重点可能不是重新介绍产品，而是讲清楚付费权益、使用场景和价值差异。
如果目标是降低客服咨询，那设计重点可能是信息解释、状态提示和风险说明，而不是视觉冲击。
同样是“优化首页转化”，不同问题会导向完全不同的设计。
这就是需求分析的价值。
一个可复用提示词
你可以直接用这段：
设计师要守住的判断
AI 可以帮你问很多问题，但它不知道公司内部真实优先级。它不知道老板这次到底是想做增长，还是想给融资材料一个新形象。它不知道研发这周有没有时间，也不知道运营能不能提供真实案例。
所以设计师不能把需求分析外包给 AI。
你真正要做的是：让 AI 帮你把盲区列出来，然后带着这些问题去沟通。沟通回来之后，再把确认后的信息喂给 AI，让它帮你发散方案。
顺序不能反。
最后
用 AI 做需求分析，最有价值的不是让它一上来给方案，而是让它帮你把模糊需求拆开。
很多设计项目不是输在页面不好看，而是输在问题没问清楚。AI 可以成为一个很好的追问器、盲区检查器和结构整理器。
但最后决定要不要做、怎么做、先做哪一版，仍然是设计师的责任。
会画页面的设计师很多。能在画之前把问题问清楚的设计师，会越来越值钱。
