7.3
深览指数
成长人人都是产品经理·光点神奇··AI 生成
手把手教你用AI做需求分析——把”领导说要一个报表”变成可执行需求
本文提供一套可复用的三阶段方法论，用AI将领导一句模糊的“做个报表”转化为可交付研发的需求文档。核心观点是：AI不是替你写需求，而是通过采访式提问、结构化整理、角色扮演挑战三个步骤，帮产品经理补全自身思考盲区。作者强调提问能力才是需求分析的本质，AI降低了提问的心理成本，让“三天憋不出”变成“两小时出活”。适合B端产品经理、有1-5年经验但困惑于需求模糊性的从业者阅读，尤其在接到“一句话需求”后急需转化框架的场景。原文 ↗
核心观点
- ▍AI在需求分析中的正确角色不是写需求文档，而是通过提问帮助产品经理想清楚自己没想清楚的地方，并结构化整理答案。
- ▍模糊需求的本质是领导用一个句子压缩了其认知中的一个问题，产品经理的工作是还原问题，而非翻译成功能列表。
- 01作者给出实际使用过的三阶段prompt：①让AI扮演记者，每次问一个问题，采访式补全上下文；②让AI基于采访结果输出结构化需求文档，并约束“不要写空话、每条可直接给研发”；③让AI扮演需求方、研发、测试三方角色，审阅文档并指出问题。
- 02采访阶段AI问出的关键问题示例：采购总监当前看什么（手工Excel）、最关心执行率还是执行进度（进度）、报表粒度（订单级别）、部分到货订单如何定义（边界case）。
- 03AI整理的需求文档包含：需求背景、目标用户与场景、功能描述、数据字段清单、异常场景、不做的事。作者强调“不做的事”模块用于防止需求蔓延。
- 04挑战阶段AI发现的问题：采购员字段遗漏、准时交付率样本量过小导致统计偏差、“部分超期”订单的处理逻辑未定义。
- 05作者将整个流程固化为一个可复用的Skill prompt，核心骨架与之前的“写spec”方法论一致：补全上下文 → 生成要求 → 验证结果。
- 06作者自述以前用传统方法处理类似需求需三天，用该方法缩短至两小时，且质量更高。
反方 / 局限
- — 该方法高度依赖产品经理自身的业务认知与提问质量。如果产品经理对业务流程、数据源、用户场景完全无知，AI提问再怎么密集也问不出有价值的内容，因为正确答案需要产品经理自己给出。
- — 文章未深入讨论AI提问质量不均衡的问题——若AI问的十几个问题中大部分是低价值或套话问题（如“请您描述一下这个报表的核心价值”），用户容易产生疲劳并降低回答质量，实际效果可能打折。
10 分钟 · 4 卡片 · 7 资料
读原文 →