切换到用户视角的技巧：把看到的内容 “抖音化”

我经常在产品的讨论中被问到类似于，你说我们有一个数据就是上不去，我们调整了很多方式，也有点效果，但是还是和理想的状态有差距，该怎么办呢？

类似这样的问题，解决方式一定不是就事论事，而是 “升维”，把问题放到高一个维度的方面去思考。

在一个小业务范围内，只要是真实的用户需求，都是对的。但是如果业务的规模扩大到一定程度，突破了某些边界条件，很多事情就不对了。就好像散户炒股，股价是客观的，只要按照波动买卖，但是公司的创始人卖股票，就不是随意卖，可能会击穿价格。

另外，社会的发展可能会对某些业务实现降维打击，最近的人工智能的发展就印证了这一点。如果从社会发展的角度上看用户需求可能产生的变化，这样设计出来的产品就会具有预见性，运营动作也会具备创新性。

我最常用的小技巧，就是把你看到的所有内容 “抖音化”：无论你看到什么文档，讨论什么问题，都思考，我现在是一个用户，我在刷短视频，我对这个东西是不是感兴趣。或者是想象自己在直播间里直播，看看这个话能不能说出口。

举个例子，有一个业务的负责人找我讨论一个素质类产品的 “用户价值手册”，手册好多页，第一页就把该项目的价值划分为了三个层次，五个维度。

我大概扫了一眼，我说这个肯定是你们没想明白。这个负责人很是诧异，他说第一你不了解我们这个东西，第二你没看完我们的材料，为什么能断定我们没想清楚？

我说，咱们这么思考，现在有一条短视频，“宝爸宝妈们，最近流行的 xx 项目你们关注过没有，对孩子很有帮助啊。” 然后开始展开你的价值手册的内容，你觉得，作为一个家长，你能看这样的短视频多久？能坚持 10 秒吗？咱们不走极端，就说你对这个项目感兴趣了，你在听一个介绍这个项目价值的直播，你能听多久？按照这个逻辑，能坚持 2 分钟吗？一下子事情就清楚了。

一个素质类产品的价值，即使有很多，也一定是以非常简单鲜明的价值为核心展开的。如果 10 秒钟说不清楚这个事情的价值，那就是没想明白，多少层次多少维度，都没有意义，这不是用户视角。

再说一个，我在参与产品初期的讨论的时候，经常看到有些产品的名字都看不懂，各种晦涩的词语云里雾里，然后立项书从市场调研说起，再讲到竞争对手，甚至人工智能和中美关系都能扯进去。然后下面放几个 “n 维 xxx”，然后是三个层次的产品结构，几个不同的界面设计。

但是，往往这样的文件都是一个团队花费了很长时间才做出来的。其实啊，方向都搞错了。

要做一个产品，调研之类的都是辅助工作，核心是输出一个 1 分钟以内的短视频，用平实的语言说清楚这个产品能解决用户什么需求，是怎么解决的。

不需要包装，不需要剪辑，不需要加特效，实在说不清楚的地方可以加点画面，就一个口播视频，如果能说清楚，并且听完之后感觉有点意思哎，这个产品大概率是能成的。

反之，如果在做这个短视频的时候，总想着各种特效，各种转场，甚至为了视频效果来个大呼小叫的，基本上就是没想明白的。

比如说做一个芭蕾的产品，如果这个短视频开头是类似 “芭蕾，舞蹈中皇冠上的明珠……”，然后接各种舞蹈家的介绍，通常看到这里我就划走了…… 也就是产品不靠谱。

靠谱的产品，大概率开头是孩子学芭蕾舞有两个好处，学习芭蕾舞很苦，但是经过我们的研究，通过两个方式可以让学习变得更加快乐。看起来毫无亮点，其实把产品说得非常清楚。

第一位伙伴说，我设想过这样一个用户，我马上打断了他，不要设想，要真实。这个用户不是单纯用来讨论的，而是当这个产品上线之后，把产品推荐给这个用户的指标，你要背。还没讨论，先上一单成交目标。

这个环节，每位伙伴都至少说了一位真实的客户，在这个过程中，我们做两件事。

第一，是让大家对 “目标用户” 有一个共识感。

在讨论过程中，有的伙伴说了一位客户，其他伙伴会提出，这个客户应该不是我们要服务的目标客户吧。于是我们对到底服务什么样的用户有了真实的认知。这比我们在纸上抽象地写一些名词要更加直观，更容易达成共识。

第二，我们不断地去抽象这些用户有什么共同点。

请注意。这个过程是不断归纳，而不是演绎。在产品设计的初期，我们经常去演绎目标客户群，比如说城市，性别，收入水平，行业等等。这样归纳的问题是，我们很难突破我们既有的认知体系，很难发现一个不在既有框架内的用户的共同点。

而反过来，我们列举出十多个真实的用户，反而发现了他们原来具有一系列的共同点，这些共同点，不是城市、年龄、收入水平和行业能涵盖的。这让我们对目标用户的理解更加深入。

在之后的讨论过程中，这些用户始终都在我们的视野里。在讨论到一条解决方案的时候，我问大家，这条解决方案够不够强？够不够有效？大家纷纷沉默，感觉食之无味弃之可惜。

然后我换了个问法：现在你去给你说的那位客户介绍我们的产品，这一条能不能说出口，说出来觉得能不能让用户理解我们想表达的意思？

通过这种真实用户的思考，马上就发现，这条解决方案说的根本不是人话嘛，只是感觉还可以，其实啥都没说，于是马上换掉了。

随着讨论的深入，解决方案也越来越明确，这个时候做减法就是很大的压力。通常的做法是把解决方案按照对用户的价值进行排序，去掉排名靠后的解决方案。

那怎么排序呢？这个时候真实的用户又发挥作用了。如果你给刚才你提到的那位客户介绍产品，你会先介绍哪一条？

这样的讨论就很聚焦，我会先介绍这一条，因为用户关注的问题是什么，这样的逻辑，即使没有完全共识，也提供了一个可以讨论的场景。

经过两天的高强度讨论，整个产品的需求和解决方案都基本成型了，大家也逐渐感觉到了成果，讨论也轻松了起来。

这个时候我突然问其中的一位伙伴，她的丈夫就是这个产品的目标客户，我突然问她，这产品你们家买，你愿意出多少钱？

这个问题带有强烈的突然性，就是要看一个离用户比较近的人的直觉。她给出的数字基本上是在财务模型的下限附近。那为什么呢？

短暂思考之后，她给出的理由和我们讨论的解决方案基本一致。所以我们可以基本得到结论，这个产品的价值主张问题不大，我们的排序也问题不大，但是价值交付上仍然需要进一步加强，这与在场很多伙伴的直觉也是一致的。

类似问题的讨论的出发点，一定是从用户的需求和体验出发，而不是从“正确的逻辑”出发。

做错了题目之后再做点类似的题目，目的是什么？其实是为了更好地掌握这个知识。更好地掌握知识是需求，再做两道类似的题目不是需求。

如果从这种中间结论讨论，很容易陷入技术细节，比如怎么推荐，分几种情况，然后继续展开。

而由于这件事本身不是用户的需求，所以产品上线之后，用户也不一定能完全感知到，更不要说“类似的题”的推荐是否合理等技术问题。

所以，人工智能在教学流程中的应用，一定要从用户的真实需求出发。一道题不会做，怎么办？拍了搜索答案，看不懂怎么办？直接看答案，看不明白怎么办？这些需求都是真实存在的。

原先这些问题的最好的解决方案就是找个老师给讲讲，有了人工智能，能不能产生更好的产品？

当孩子问了一道题之后，可以直接把题目接入现有题库产品获得答案，然后把题目和答案作为提示词输入给人工智能，让人工智能结合学生的年龄和程度以及喜欢的语言风格给出讲解，同时可以生成一页解答思路提示的课件。然后将这个讲解通过孩子熟悉的老师的声音结合课件输出出来。

在这个过程中，孩子可以随时打断提问，因为针对的是一道题本身，所以人工智能可以直接给出回答。如果这件事有难度，也可以在讲解之后让孩子追加补充提问。

这个思路在技术实现上难度不高，用到的工具也都是现成的，从实现可能性上看，每一步都是可实现的。

但是由于这个方案直接针对用户的需求——遇到题目不会做怎么办——所以在用户的感知上会非常明显，是一个实用工具。更重要的是，这个产品好不好是可以直接通过用户反馈看出来的。

题目答案对不对，讲得清不清楚，老师的语音和课件是不是匹配等等，这些问题都可以从用户那边得到真实的、实时的反馈。

相比于“你觉得给你推荐的题目是否精准”相比，能获得准确反馈的可能性大很多。并不是因为用户判断不了题目推送是否精准，而是再来类似题目并不是核心需求，自然判断起来就会困难一些。

因此，在人工智能的使用上，要避免“有手就行”的思考模式——一件事情原来做不到，让人工智能做好。

人工智能在产品里是一个加成因素，可以帮助我们解决原先解决不了的问题，但是解决的这个问题，不一定是用户直接需要的结果。

比如产生一段讲解文稿，这件事可以，但是用户需要的是有人讲，那就加上数字人嘛。对于用户来说，人工智能是藏在背后的“系统”，满足了需求，系统怎么设计，用了什么架构，并不是用户关注的事情。

技术的应用场景，不是由技术本身出发，而是由用户需求和实际的业务场景出发，最懂用户的团队，是在人工智能应用中最先做出产品的团队。