feature-discovery-interviewer

Use when planning or synthesizing product discovery interviews, validating a user problem, testing feature assumptions, recruiting participants, or responding to requests for leading customer question

SKILL.md

GitHub

功能探索访谈设计器

中文简介

功能探索访谈设计器:在承诺功能方案前,围绕受访者已经发生的行为、情境、取舍和替代方案设计访谈与综合证据。它不把礼貌性赞同、未来意愿或研究者猜测写成用户需求,也不帮助用诱导问题证明既定方案。

使用背景

当团队需要判断一个问题是否真实、对谁重要、在什么情境发生,以及当前如何解决时使用。产出服务于是否继续研究、做原型或停止投入的决定,而不是为功能背书。

核心原则

  • 先研究问题与行为,再讨论方案;优先问最近一次具体经历,而非“会不会使用”或“喜不喜欢”。
  • 问题必须中立,不暗示正确答案、价值判断或期望结论;访谈者不推销、不辩论、不许诺功能。
  • 每条记录分为 [用户表达]、[实际行为]、[研究者推断] 和 [未知];后三者不能互相替代。
  • 每个假设都要写明支持证据、削弱证据、替代解释和下一步验证。反例、矛盾与无痛点结果是有效发现。
  • 样本只代表已定义的分群和招募渠道;访谈前取得知情同意,最小化收集和传播个人信息。

适用场景

  • 已有待验证的问题、目标用户和决策,需要设计中立的深度访谈与行为追问。
  • 只有功能想法,需要把它改写为问题假设、未知项、招募条件和可证伪预测。
  • 已完成若干访谈,需要按分群保留原始证据、反例和不确定性,再决定是否进入原型或实验。

不适用场景

  • 需要代表性比例、市场规模或显著性结论;少量访谈只能解释情境和机制,不能估计总体比例。
  • 需要评估已给出的原型、文案或交互;优先使用可用性测试、概念测试或 experiment-designer。
  • 要求设计“让用户承认”“证明方案正确”的问题;应拒绝预设结论,改为中立地探索最近一次行为和替代解释。

输入要求

先收集或确认以下输入;不知道的项目可以留空,但要标为 [未知]:

  1. 要支持的决策、研究目标和截止时间。
  2. 目标用户、分群边界、相关工作流/JTBD 与排除对象。
  3. 待验证的问题假设或功能想法,以及已经拥有的证据和反例。
  4. 招募条件:渠道、激励、地区/语言、预计样本与可能偏差。
  5. 访谈方式:时长、线上/线下、是否录音、隐私或合规限制。

信息不足时的处理

  • 缺少决策、目标用户或工作流:先提出最少关键问题;无法等待时,只输出带 [假设] 标签的研究卡和待确认项,不编造访谈对象或结论。
  • 只有功能想法:把“要做什么”改写为“谁在何时为了完成什么任务遇到什么困难”,并列出至少一个替代解释和可被削弱的预测。
  • 招募条件不明:不声称样本具有代表性;先给出候选分群、纳入/排除条件、渠道偏差和需确认的激励规则。
  • 没有既有访谈材料:不产生需求强度、频率或优先级结论,只提供提纲、记录模板、证据门槛和下一步。
  • 用户要求诱导或推销:明确不能把预设结论写进问题;保留其决策目标,提供不提方案的中立问题、追问树和证伪路径。

工作流

  1. 写研究卡。 固定决策、分群、工作流、问题假设、已有证据、未知项和不在本轮回答的事项。
  2. 将方案翻译为可证伪假设。 写出预期的最近行为、支持与削弱信号、替代解释;不把“用户会喜欢功能”当假设。
  3. 设计招募与伦理边界。 明确纳入/排除条件、渠道、激励、预计覆盖缺口、知情同意、录音、匿名化、退出和数据保留规则。
  4. 编排中立访谈。 由背景、最近一次行为、过程、摩擦、替代方案、影响和收尾组成;方案只在最后且仅在研究目标确有需要时以中立方式出现。
  5. 附上追问树。 对每个重要回答先定位最近事件,再追问时间线、行动、决策、证据物、频率、成本和例外;避免把答案改写成暗示。
  6. 按证据层级记录。 逐条填写原话、可观察行为、情境、分群、反例和研究者推断,给出强弱与限制。
  7. 跨访谈综合。 先按分群和情境聚类,再检查重复、反例、招募偏差和替代解释;只提出与证据范围相称的下一步验证。
  8. 执行质量门槛。 交付前按 references/checklists.md 检查中立性、证伪、伦理和综合纪律。

专业判断规则

中立问题与历史行为

  • 从“请带我回到最近一次你需要完成 [任务] 的时候”开始,再问“发生了什么、先做了什么、谁参与、用了什么、后来怎样”。
  • 不问“你会使用 AI 总结吗”“这个功能是否节省时间”“是不是很痛”;改问上次如何记录、如何回看、花了多久、何处出错、为何选择当前做法。
  • 不在问题中植入收益、频率、情绪或比较对象。不要说“很多人都觉得”“我们准备做”“你同意吗”。受访者给出意见时,追问支撑该意见的最近一次行为。
  • 不用沉默、赞许、反驳或解释来推动答案。受访者不记得、从未遇到或不愿回答时,如实记录并继续,不补全故事。

追问树与访谈节奏

每个重要回答按以下顺序追问,并在信息已充分或受访者明确不愿回答时停止:

  1. 定位事件: 最近一次是什么时候、在哪里、为了完成什么任务?
  2. 还原过程: 从开始到结束做了哪些动作,使用了哪些工具或人?
  3. 识别决策: 当时有哪些选项,为什么选当前做法,谁影响了决定?
  4. 核对证据: 是否有可安全描述的记录、模板、截图或产物;不能要求展示敏感内容。
  5. 量化边界: 这种情境在已定义时间窗内大约发生几次,最耗时/有风险的环节是什么?
  6. 找反例: 何时问题没有出现、当前方法足够、或替代方案更合适?

证据强弱与证伪路径

类型 可写内容 强弱与限制
[用户表达] 可定位的原话、主观看法、回忆 说明是表达,不等于行为或普遍需求。
[实际行为] 最近事件、具体动作、已使用工具、付出的时间/成本、可安全核对的产物 强:时间、情境和行动具体,且与其他材料一致;中:具体但主要依赖回忆;弱:笼统陈述、未来意愿或二手转述。
[研究者推断] 基于已列证据的有限解释 必须列出支撑证据、适用分群、替代解释和反例;不能写成用户事实。
[未知] 未问到、记忆不清、样本未覆盖、证据冲突 不用“低置信度”掩盖未知;列出最小验证动作。
  • 每个假设必须预先写出:支持预测、削弱预测、替代解释、下一步判别动作。例如,若“会后整理是主要摩擦”成立,受访者应能描述近期整理、遗漏或返工;若他们已有稳定低成本流程,或主要痛点在会前信息缺失,该假设应被削弱或改写。
  • 单一生动故事、受访者赞同、承诺购买或“我会用”最多是线索,不可单独证实需求、频率、优先级或因果关系。

招募偏差与访谈伦理

  • 招募台账记录分群、纳入/排除条件、渠道、语言/地区、激励、拒访/爽约和已知偏差。不要将员工、朋友、重度用户、单一客户或激励驱动样本冒充全部用户。
  • 为每个关键分群保留可能不同的工作流;未覆盖的分群标为未知,不把多数受访者的回答外推给他们。
  • 开场取得知情同意:说明目的、时长、是否录音、如何使用与保存资料、可跳题/随时退出、联系人。不得以虚假目的、强制披露、歧视性筛选或不相称激励换取回答。
  • 只收集研究所需信息;不要求口令、商业机密、健康、财务或其他敏感资料。引文匿名化,访问范围和保留期限遵守组织政策与适用要求。

跨访谈综合规则

  • 一条主题至少保留参与者标识、分群、情境、原话或行为证据、反例和限制。不要只保留研究者的摘要。
  • 报告“在本样本的哪些分群和情境中出现”,不从少量访谈推导百分比、市场大小或总体排序。
  • 将频率、严重度、替代方案成熟度和证据强度分开记录;高声量、职位高或单个极端案例不自动提高优先级。
  • 矛盾结论先按分群、情境、熟练度、渠道和时间检查;不能解释时保留冲突,并设计下一轮招募或观察来判别。

输出契约

输出按 references/templates.md,至少包含:

  1. 研究卡:决策、目标用户/工作流、假设、未知项、招募边界与证据边界。
  2. 中立访谈提纲:按最近事件设计的问题,并标明不可使用的诱导问法。
  3. 行为追问树:事件、过程、决策、证据物、量化边界和反例。
  4. 假设证据矩阵:支持/削弱预测、用户表达、实际行为、研究者推断、替代解释、强弱和下一步。
  5. 记录与综合模板:逐访谈记录、伦理同意、分群、反例、招募偏差、跨访谈主题与不应据此断言的事项。
  6. 明确的建议:继续、修订、停止或补充验证的条件;没有充分证据时只交付未知项和验证路径。

质量门槛

  • 不交付暗示正确答案、介绍待售方案、承诺收益或要求受访者预测未来的核心问题。
  • 不交付没有最近事件、过程追问、反例或停止条件的访谈提纲。
  • 不将用户表达、实际行为、研究者推断和未知项混写;不把单个案例或“会使用”当作需求结论。
  • 不交付没有削弱证据、替代解释和下一步判别动作的假设结论。
  • 不交付没有分群、招募渠道/偏差和知情同意处理的研究计划。
  • 交付前阅读 references/checklists.md;需要输入与交付顺序时读取 references/usage-guide.zh.md,需要边界示范时读取 references/examples.md。

常见失败与修正

失败 修正
问“你会不会用 AI 总结?” 回到最近一次会后记录、回看或交接的全过程,最后再判断是否需要测试方案。
介绍功能后请对方评价 不展示方案,或把方案讨论留到末尾并与问题发现证据分开。
把“很麻烦”当作结论 追问最近发生时间、动作、替代方式、成本和没有问题的反例。
只有功能想法就编造目标用户 标为假设,先确认决策、分群、工作流和招募渠道。
只找重度用户或愿意配合的人 记录渠道偏差,补招不同熟练度、流失者或不使用替代方案的人。
多人提到同一词就宣称最高优先级 按分群、情境、行为、影响和反例保存证据,不从小样本推导比例。
用户要求诱导问题证明方案 拒绝预设证明,改给中立问题、削弱信号和可判别的下一步。

参考资料

  • references/usage-guide.zh.md:最小输入包、执行顺序和何时暂停追问。
  • references/templates.md:研究卡、提纲、追问树、记录、证据矩阵和综合模板。
  • references/checklists.md:中立性、证据、招募偏差、伦理和交付检查。
  • references/examples.md:典型、信息不足和诱导误用的合格处理示例。