需求获取技术
拆解 7 种核心技法,看清用户嘴上说的、心里想的、真正需要的三层差距
按 空格/→ 演示下一步
全部页面点击任意一页,跳回舞台从这页播放
需求获取技术
拆解 7 种核心技法,看清用户嘴上说的、心里想的、真正需要的三层差距
什么是需求获取
你跟装修师傅说'做个大厨房',他按 20 平做出来,你却摇头——你说的'大'还包含'动线顺、能两人同时下厨'。需求获取就是挖出这种'说出口'和'真正想要'之间的差距。
病人说'我头疼',医生不只记下症状,而是追问病史、做检查,从表层抱怨挖出真正的病因
需求获取的重要性
为什么「做对了」比「做完了」更重要
需求获取的典型流程
从启动到验证,需求获取走完一圈才算闭环,少一步都可能在后半段翻车。
需求获取的核心挑战
你问用户「你想要什么功能」,他说「要好用的」——然后就没了。这是需求获取最常见的开场,背后藏着三个深层难题。
醒来有感受但画不出;画面只在脑中;你画出来他说又不是
访谈法概述
前面走过需求获取的典型流程,但流程再漂亮,没有合适的沟通技术也落不了地。在所有获取技术中,访谈法是最经典、最直接的一种。
病人描述症状≈用户陈述需求;医生追问≈结构化与半结构化提问;观察脸色≈捕捉非语言信息
结构化访谈的实施步骤
把一次结构化访谈拆成五个阶段,每阶段都有明确动作。
结构化 vs 非结构化访谈
两者都叫'访谈',但执行逻辑天差地别——选错方式会浪费时间、漏掉关键需求。
- 预设固定问题清单,按顺序逐一提问
- 灵活度低,所有受访者被问相同问题
- 适合需求明确、需横向对比的场景
- 数据易量化,但可能漏掉清单外线索
- 围绕主题自由对话,根据回答即时追问
- 灵活度高,可深挖意外线索
- 适合需求模糊、需探索的早期阶段
- 数据难横向对比,但能挖出隐藏需求
问卷调查法
大规模收集需求的定量手段与设计要点
问卷设计的常见陷阱
从问卷设计的两类陷阱出发,沿因果链看它们如何一步步把受访者推向认知偏差,最终造成数据失真。
文档分析
从存量文档中挖掘隐含需求的方法
观察法
融入用户环境获取真实行为数据
原型法
观察法看到的是用户「做了什么」,但用户没说出口的、连自己都没想清楚的,往往才是真正的需求。怎么办?
客户在沙盘里走一走、改一改,比看图纸更暴露问题;真盖完再改成本巨大
低保真到高保真原型演进
从纸笔涂鸦到接近上线状态,原型保真度逐级提升,每一级解决不同问题。
头脑风暴与协作引导
原型能验证用户怎么用,但不能替你发现用户没意识到的痛——这时需要一群人坐下来,把脑子里的东西倒出来。怎么倒才不浪费?
调酒师只负责倒料和搅拌,不评判哪种酒「好」,最后众人一起尝成品
JAD联合应用开发
上次访谈是一对一聊,但需求往往跨多个部门。让业务、用户、开发坐在同一张桌子前,几个小时就把需求敲定——这就是 JAD。
所有人围着桌子直接表达口味,当场敲定菜单,没人传话走样
JAD vs 传统访谈对比
两种方法的参与度、时长、产出差异
用户故事入门
前面我们学了访谈、JAD 这些把需求挖出来的方法。但需求拿回来之后,怎么写才能让团队一眼看懂、记得住?这就需要一种贴近用户、聚焦价值的描述方式——用户故事。
销售不光问"买什么",还会问"给谁用、解决什么问题"——三要素缺一不可
用户故事的INVEST原则
好的用户故事要满足六条 INVEST 准则,逐条对照才能挑出问题。
用户故事地图
横向时间轴+纵向backlog构建全景视图
从用户故事到Sprint Backlog
Epic→Feature→Story→Task四级分解,INVEST把关后汇入Sprint Backlog
需求获取技术选型矩阵
同一份技术清单,在敏捷小队和传统大项目里权重完全相反。
- 用户故事 + 原型法优先投入
- 干系人少,访谈与观察足矣
- 文档从轻,会议白板即可
- 需求变化快,矩阵每周回看
- JAD + 结构化访谈主导推进
- 干系人杂,分类访谈+问卷并行
- 文档分析与归档形成体系
- 需求基线管理,矩阵版本受控
需求获取技术自测
面对一位时间紧张、无法参加长会议的业务专家,以下哪种需求获取策略最合适?
需求获取技术全景回顾
- ✓没有万能方法,按场景组合多种技术
- ✓选型取决于风险、不确定性与利益相关方参与度
- ✓需求获取是迭代澄清过程,不是一次性完成
- ✓用户持续在场比任何工具都关键
- ✓结构化产出支撑团队协作与追踪
课后思考
先凭直觉想三分钟,再展开参考答案——这些问题没有标准答案。
参考答案因为用户的需求大多是'隐性知识'——能感知到却说不清。这正是原型法、观察法存在的理由:用具体场景帮用户'看到'自己说不出的需求。
参考答案可以先用原型法做几个低保真界面'唤起'用户感受,再结合访谈追问'为什么这样不行',让隐性需求在对比中浮现。
参考答案传统方法默认需求可被事先完整描述。但AI产品的能力由数据和模型决定,会随训练迭代而漂移。更合适的方式是:把'获取需求'转为'持续实验+反馈闭环',让需求在迭代中浮现。