[系列文3] 從零開始做客戶研究：新手如何訪談、觀察與整理需求

客戶研究不是問朋友覺得產品好不好，而是用訪談、觀察與真實工作流程，判斷目標客戶是否真的有痛點、現在怎麼解決、為什麼不滿意、願不願意付出時間或預算。第 3 篇會把新手最需要的訪談流程、訊號判斷與需求整理方式拆開講。

重點整理：

• 客戶研究不是問朋友覺得產品好不好，而是找目標客戶描述真實工作流程。
• 新手要聽「最近一次怎麼做」，不要只聽「未來可能會不會用」。
• 訪談要找出痛點、使用情境、替代方案、異議與購買訊號。
• AI 產品早期更需要手動跟客戶聊，因為資料、安全、準確率、導入流程都會影響成交。
• 需求驗證不是得到稱讚，而是看到客戶願意投入時間、資料、同事、預算或下一步行動。

客戶研究不是問朋友好不好

很多新手做完 AI 產品後，第一個反應是拿給朋友看，然後問：「你覺得這個產品好不好？」如果朋友說很酷、很有用、很厲害，你會覺得市場好像有需求。

但這不是可靠的客戶研究。

朋友通常會顧及關係，也不一定是你的目標客戶。更重要的是，他可能沒有真正遇到那個問題，也不需要用預算、時間、資料安全或主管同意來承擔購買成本。朋友稱讚產品，最多只能算很弱的訊號。

真正有用的客戶研究，是找可能購買的人，請他描述最近一次真實工作流程。例如你做的是 AI 報表工具，不要問：「你覺得自動報表有用嗎？」而要問：「你最近一次做週報是什麼時候？資料從哪裡來？花多久？哪一步最容易出錯？如果報表晚交會怎樣？」

Nielsen Norman Group 對使用者訪談的建議很實際：訪談要有研究目標與訪談大綱，問題要開放，並用追問理解對方的經驗、需求、痛點與動機。換成白話，就是你不是去請人稱讚產品，而是去還原他的工作現場。

這篇要回答的問題是：「我怎麼知道市場真的需要我的 AI 產品？」答案不是靠直覺，也不是靠朋友投票，而是靠一連串真實對話、觀察、整理與小規模驗證。

要去哪裡找到潛在客戶

找潛在客戶之前，先回到第 2 篇提到的 ICP，也就是「理想客戶輪廓」。你不是要找所有可能覺得 AI 有趣的人，而是找正在被某個具體問題困住的人。

如果你做的是 AI 報表工具，潛在客戶可能不是所有上班族，而是每週要整理營運、銷售、客服、廣告或財務資料的人。如果你做的是 AI 合約審閱工具，潛在客戶可能不是所有會看 PDF 的人，而是法務、採購、業務主管、合約管理人員，或需要大量處理 NDA、採購合約、服務條款的公司。

可以從這些地方開始找：

冷信也可以做，但不要大量亂寄。早期你需要的是研究，不是廣撒垃圾訊息。比較好的做法是列出 30 個高度符合 ICP 的人，用很短的訊息說明你正在研究某個問題，想請教 20 分鐘，不要一開場就硬推產品。

新手如何設計訪談問題

使用者訪談不是隨便聊天。你要先設定研究目標，例如：「我要確認營運主管是否真的每週花很多時間整理跨系統報表」或「我要確認合約審閱時，哪些風險會讓法務願意導入工具」。

訪談問題有一個原則：少問抽象意見，多問過去行為。

一場 30 分鐘的新手訪談，可以照這個順序走：

1. 先確認對方背景：角色、公司類型、團隊規模、工作責任。
2. 請他描述最近一次真實情境：最近一次做報表或審合約是什麼時候。
3. 追問流程：資料從哪裡來、誰參與、用哪些工具、交付給誰。
4. 追問痛點：哪一步最慢、最容易錯、最讓人煩、最怕出事。
5. 追問替代方案：現在用 Excel、人工作業、既有 SaaS、外包，還是 ChatGPT 手動處理。
6. 追問成本：花多少時間、多少人、多少預算，錯了會有什麼後果。
7. 追問決策：誰會批准工具、資安或法務會問什麼、多久能試用。
8. 最後才問下一步：是否願意用一份真實資料測試，或介紹相關同事。

訪談中可以展示產品，但不要太早。太早展示，對方會開始禮貌性評論畫面與功能，反而不再描述真實工作流程。你要先聽，再 Demo。

訪談時該聽什麼訊號

新手最容易把「稱讚」誤判成「需求」。對方說產品很酷，不代表他會付費。更可靠的是行為訊號。

如果你做 AI 合約審閱工具，強訊號可能是對方開始問：「資料會不會外流？能不能只在我們環境跑？能不能比對我們公司的標準條款？能不能留下審閱紀錄？可以先測 5 份真實合約嗎？」

這些問題聽起來像阻力，其實很多是購買訊號。因為對方已經把你的產品放進真實採購情境，才會問資安、權限、準確率、流程、價格與責任。

Nielsen Norman Group 也提醒，訪談屬於自我回報資料，受訪者說的話不一定等於未來行為。白話說，就是人可能高估自己會買，也可能低估導入麻煩。因此訪談後要盡快用小行動驗證，例如約下一場 Demo、拿真實樣本測試、請對方邀決策者，或提出付費試點。

如何整理痛點、異議與購買線索

訪談做完後，不要只留在腦中印象。你需要一張簡單表格，把每次訪談變成可比較的研究資料。

可以用以下欄位：

整理時不要只記「客戶想要功能」。功能需求很容易發散。你要回到需求背後的原因：他為什麼要這個功能？是為了省時間、降低風險、通過主管審核、符合資安要求，還是把結果交給別的部門？

下面是 AI 報表工具與 AI 合約審閱工具的整理範例：

最後，把每位受訪者分成三類：

• A 類：痛點明確、符合 ICP、願意下一步測試或談預算。
• B 類：有問題，但不急、不符合早期切入點，先保留觀察。
• C 類：只是覺得有趣，沒有真實痛點或行動，暫時不要追。

需求驗證不是把所有意見平均，而是找出哪一小群人最痛、最急、最願意行動。

為什麼早期應該手動跟客戶聊

早期最重要的不是把所有流程自動化，而是先學會市場的語言。

Paul Graham 在《Do Things that Don't Scale》裡強調，早期 startup 通常要用不規模化的方法手動招募使用者。這件事對 AI 產品尤其重要，因為 AI 產品常常不是單純功能問題，而是信任問題。

客戶可能會問：

• 我的資料會去哪裡？
• AI 錯了誰負責？
• 能不能串我們現有系統？
• 我們的人要不要改工作流程？
• 結果能不能給主管、法務、客戶或稽核看？
• 如果不用你的工具，我們現在的替代方案其實也能撐，為什麼要換？

這些答案不容易靠問卷得到，也不適合一開始就交給廣告或自動化漏斗。你需要直接跟客戶聊，聽他怎麼描述問題、怎麼反駁你、怎麼比較替代方案、怎麼說服主管。

手動訪談的成果會回到後面的每一件事：

• Landing Page 會更像客戶語言，而不是創辦人自嗨。
• Demo 會聚焦真實工作流程，而不是炫技。
• 定價會連到客戶願意付費的結果。
• 內容行銷會回答真實問題，而不是只寫 AI 趨勢。
• 銷售會知道常見異議，能提前準備證據。

HBR 對 lean startup 的整理也提到，新創早期要測試假設、取得客戶回饋。對你來說，最重要的假設就是：「這群人真的有這個問題，而且願意為更好的解法付出成本。」

常見錯誤

錯誤一：只問朋友覺得好不好。
朋友稱讚不能代表市場需求。你要找的是符合 ICP、真的被問題困住、願意付出下一步行動的人。

錯誤二：訪談一開始就推銷。
你太快 Demo，對方就會開始評論功能，而不是描述真實流程。先聽故事，再展示產品。

錯誤三：一直問未來假設。
「你未來會不會用」很不可靠。請改問「你上次怎麼處理」、「現在花多少時間」、「誰負責」。

錯誤四：訪談對象太散。
今天訪談法務，明天訪談電商，後天訪談老師，如果沒有清楚 ICP，你很難整理出可行定位。

錯誤五：只記功能需求，不記異議。
異議很重要。太貴、資安、準確率、導入成本、主管不買單，都是你未來 Landing Page、FAQ、Demo 與銷售話術要處理的內容。

錯誤六：把 AI 摘要當成全部研究。
你可以用 AI 幫忙整理逐字稿，但不要只看摘要。早期創辦人要親自看原始筆記，因為客戶用詞、停頓、反問與猶豫都可能是重要線索。

錯誤七：訪談完沒有下一步。
每場訪談結束前，都要嘗試取得下一個小行動：測一份資料、約 Demo、介紹同事、確認採購流程、或追問願意付費的條件。

後續研究怎麼擴展

這篇是客戶研究入門。接下來可以把研究擴展成幾條線：

如果你只做一件事，先建立一份「客戶研究表」。每次訪談後都在 24 小時內整理，否則你會很快忘記對方原本怎麼說。

這篇的行動練習也很直接：選一種 ICP，列出 30 個可能受訪者，發出 10 封訪談邀請，完成前 5 場訪談。每場只問真實過去經驗，最後嘗試取得一個下一步行動。你要驗證的不是「大家是否喜歡 AI」，而是「這群人是否真的有一個願意解決的問題」。

白話術語表

資料查證：2026-06-17。本文參考 Nielsen Norman Group 的 User Interviews 101 與 Interviewing Users、Paul Graham《Do Things that Don't Scale》、Harvard Business Review 的 Lean Startup 文章、Strategyzer Value Proposition Canvas 等公開資料；AI 產品採購習慣、競品功能、資安要求與 SaaS benchmark 會隨時間變動，後續研究仍應查最新資料。