Day 1：发现需求
发现需求的能力有三种，你可能只用过一种。
你会怎么做？
假设你在面试一家 AI 公司的产品经理岗位。面试官问你：
我们要做一款产品，用户是一批想转 AI PM、但心里其实很慌的研究生。你会怎么搞清楚她们到底要什么？
先想一想，你会怎么回答。
不用写下来，脑子里过一遍就行。你大概率会想到"做用户调研"或"找人聊聊"。记住这个答案，最后我们回来看。
发现需求有三种能力
我们分析了 13 位顶级产品人发现需求的方法，从 Jobs 到张小龙，时间从 1997 年拉到 2025 年。
他们的方法各不相同，拆开来其实都是同样三条路：
| 能力 | 回答什么 |
|---|---|
| 同理心 | 为什么痛？ |
| 观察 | 真的在痛吗？ |
| 数据 | 痛在哪几个点上？ |
不是我们定义了三种再去找人填，是分析完发现就是这三种。
三种能力各走一遍。每段都带练习题，做完能看出你哪儿强、哪儿弱。
同理心：为什么痛？
这一层要练的是听出距离。同样一句"焦虑"，一百个人底下是一百种真实感受。你要学的是把这个距离听出来。
先看看牛人怎么做：
这些是天赋加几十年积累，不是一节课能教的。
普通人怎么练？多读用户原话，读到能听出"她说的"和"她真正感受到的"中间差在哪。腾讯的做法：每月读 1000 条用户原话。读到某一天，突然能听出话外的意思。
下面这套练习就是这个过程的浓缩版。三条真实的小红书帖子，读完选你的判断。
练习 1
练习 2
练习 3
三道题做下来，你有没有发现：大多数人的第一反应都停在功能层，把用户的话翻译成一个"需要什么"。真正的需求藏在情绪和社交关系里。
感知到痛还不够。接下来的问题是：她真的在痛吗？还是你觉得她在痛？
观察：真的在痛吗？
这一层练的是分辨"用户说的"和"用户实际做的"。
先看看牛人怎么做：
- Christensen / Moesta：在麦当劳站 18 小时，不问任何人，只看
- IDEO：沉默跟着用户走，看她怎么临时对付
这些需要大量时间和现场接触。
普通人怎么练？学会问对问题，让用户自己把行为说出来。Mom Test 就是这件事的入门练习：不问假设，不问观点，只问过去真实发生的事。
下面三道题，每道给你一个场景和三种提问方式，选你觉得最好的那个。
练习 4
练习 5
练习 6
发现规律了吗？引导性问题得到"是"或"不是"，观点性问题得到笼统评价，行为性问题得到故事。故事里才有需求。
好问题能挖出一个人的痛。但一个人的痛不等于一群人的痛。你还需要看全貌。
数据：几百条评论能告诉你什么？
前面那两节教你读一个人。真实需求往往不在一个人身上，而在一群人的分布里。
先看看牛人怎么做：
这两种都得先有自己的产品和用户，才跑得起来。
普通人怎么练？你没有 Amazon 的数据，但你有公开的社交媒体数据。几百条评论做聚类，就是你的穷人版用户洞察。
下面这个案例是我自己做的。
案例：从 854 条 B 站评论里挖一条"没人明说"的需求
4 月初 B 站有个叫「盗版 SBTI 人格测试」的视频火了，两天 160 万播放、2.6 万条评论。我顺着热点也做了一版 SBTI 应用，想从评论区里挖一条能给心情可可用上的新需求。
怎么拿到这 854 条评论：我没写任何爬虫——那种自动翻页的工具在这类平台上几分钟就被拦了。我用的是 Claude in Chrome 扩展，它跑在我自己已经登录好的 Chrome 里，和我亲自滚鼠标翻评论区没区别。慢一点，但能一路扒完。
854 条扔给 AI 做聚类。跑出来之前我自己先猜了一下——结果发现猜错了。
练习 7
练习 8 · 自己扒一批评论
产品经理拿到用户数据，常用的就这几种：
- 手动翻 50 条评论 — 最笨，第一次练的时候就该这么干，手感最扎实
- 问卷星 / 腾讯问卷 — 样本可控，但得自己找地方投放
- 客服记录 / 社群聊天 — 已经有产品的话这是最直接的真实语料
- Claude in Chrome + Claude Code — 本节要用的新做法
最后这种是 AI 时代新出来的方法：让 Claude Code 驱动你自己登录好的 Chrome，批量、智能地把一整批评论扒下来。复用你真实账号，不容易被平台封；整个过程你只需要在旁边看着，不用手动翻页。
动手做：打开本地 Claude Code，把下面这段贴进去：
帮我扒一批用户评论用来做需求调研。
用 Claude in Chrome 扩展打开小红书，搜索「留学焦虑」，按点赞排序，
把排名最前面的 20 条笔记一条条点开，把每条笔记的评论区都滚动加载完，
把所有评论的文本提取出来，按行保存到 comments.jsonl 文件里
（每行一条 JSON，字段包括评论内容、点赞数）。
不要用 API、也不要写爬虫脚本——会被平台反爬封掉。
必须在我已经登录好的真实 Chrome 里一条条操作。把「留学焦虑」换成你自己关心的话题就能跑——可以是小红书、B 站、抖音任何一个有评论区的平台。
练习 9 · 让 AI 帮你做聚类
上一步你手里有了 comments.jsonl。几百条原始评论，一个个读完会累死人。产品经理的好消息是：你自己不用读，让 AI 读，你只看它归类完的结果。
动手做：还是同一个 Claude Code 窗口，接着把下面这段贴进去：
读一下刚才保存的 comments.jsonl，做一次聚类分析：
1. 把评论按主题归类成 5-10 个簇，每个簇给出：
簇名 / 条数 / 占全量的百分比 / 1-2 条最典型的原话。
允许一条评论同时落在多个簇里。
2. 看看有没有哪一簇的占比明显违反直觉——
比如"这个话题下面竟然有这么多人在聊某件事"，
或者"按常理应该很多的某类声音其实很少"。
3. 最后给我一条你觉得最意外的洞察：
数据里反复出现、但我从一开始就没想到的那种。
输出一份一页的 markdown 报告：聚类表 + 反常点 + 意外洞察。上面那张 9 行聚类表、"MBTI 提及是 SBTI 人格名的 2.6 倍"的反常点、"63% 都是内倾直觉型"的意外洞察——都是这段 prompt 跑出来的。
回头看
翻回去看你最开始的回答。面试官问的是"你怎么发现用户需求"。
现在你知道了三种能力：
| 能力 | 回答什么问题 | 你刚才体验了什么 |
|---|---|---|
| 同理心 | 为什么痛？ | 读真实帖子，分辨"她说焦虑"和"她怕不够格"是两回事 |
| 观察 | 真的在痛吗？ | 同一个人，坏问题得到废话，好问题得到完整行为链 |
| 数据 | 一群人里哪条需求没人说？ | 从 854 条 B 站评论里挖出一条"用户自己都没明说"的需求 |
大多数人说"做用户调研"的时候，只用了其中一种，而且用得浅。现在你能说清楚这三种是什么、该怎么用了。
下次面试被问"你怎么发现需求"，你可以说清楚了。