收益：
- 能够在无需指导的情况下准备客户面试问题并利用人工智能根据主题合成面试笔记
- 能够检测所说和所做的差异（确认偏差），并使用人工智能将真实信号与礼貌句子分开
- 能够验证人工智能摘要是否代表原始数据，如果样本较小或有偏差，这可能会产生误导
无论一个想法在纸上看起来多么好，它都只是一个猜测，直到一个真正的人说“是的，那是我的事，我会付钱”。市场验证是根据真实的人类行为来测试这一预测的过程。最强大的工具是客户访谈——与潜在客户进行结构化对话，以了解他的问题，而不销售产品。在本单元中，我们将使用 AI（人工智能）来做两件事：设计好的面试问题和综合数十个面试笔记以提取有意义的模式。让我们从一开始就设定限制：AI 总结并整理你的笔记；但你做出决定，人类的行为决定了真正的信号，而不是人工智能的句子。
面试的黄金法则：不要推销，要学习
最常见的错误是将谈话变成推销。 “如果我做了一个这样的应用程序，你会使用它吗？”问是没有用的；因为人们会说“是的，很棒”来表达友善。这就是所谓的确认偏见和礼貌陷阱。正确的做法是询问过去的实际行为，而不是询问关于未来的梦想问题。 “你最后一次遇到这个问题是什么时候？你做了什么？你为此付出了多少代价？”过去的行为不会说谎；它讲述了未来的意图。
面试方法的本质是“妈妈测试”的原则：你的问题必须好到连你慈爱的妈妈也骗不了你。做到这一点的三个规则：（1）谈论对方的生活，而不是你的观点； （2）询问具体的过去而不是一般的未来； (3) 不要把赞美和“我会用”的话视为理所当然——只有实际行动（他们是否花钱、是否投入时间、是否寻找解决方案）才是信号。
注意：“我会用这个”和“好主意”不是数据。真正的信号是：这个人已经花了钱/努力来解决问题；将您引向其他人；已同意预付款或报名参加等候名单。它被认为是一个动作，而不是一个词。
一步一步：与 AI 对话与合成
- 准备你的问题集。从人工智能中生成非引导性问题，这些问题不会推销并关注过去的行为。
- 打电话。通常 8-15 个人就足以看到规律。对方应该进行大部分的发言（你 20%，他 80%）。
- 保存原始笔记。写作时不歪曲自己的话；留下评论供以后使用。
- 匿名。删除姓名、联系信息、可识别的详细信息（隐私）。
- 与AI合成。按主题划分笔记：反复出现的问题、可用的解决方案、使用的词语、反对意见。
- 将信号与噪声分开。问 AI“哪些是实际行为的证据，哪些只是礼貌用语？”解析如下。
- 决定。该模式是否证实了痛苦，或者是否需要一个支点？创始人做出这个决定。
所说和所做的区别
人们谈论他们想做的事情，而不是他们已经做过的事情。将这两者分开对于人工智能合成至关重要。说“我想吃得健康”的人可能每天晚上都在吃快餐。在访谈综合中，将每个陈述分为两部分：意图陈述（“我想要、我做、我使用”）和行为证据（“我上个月做了 3 次这个，我为此付出了 200 里拉”）。只有后者才对决策有影响力。让AI明确地做出这种区分；否则，它会把意图句概括为真实需求，从而误导你。
三个迷你箱子
案例一——礼貌的面具正在脱落。一位创始人采访了 12 个人； 10 说“好主意，我一定会用它”。他很高兴。但如果你把笔记交给人工智能并问“现在有多少人实际上在这个问题上投入金钱/精力？”当我们解析它时，这个数字下降到了2。十个人表现得很友善，只有两个人感到真正的痛苦。创始人摆脱了早期喜悦的陷阱，加深了这两个人的形象。
案例 2——言语改变了产品。一个团队对自由设计师进行了 14 次采访。当他们用AI合成时，发现大家都在用同一个词：“收藏噩梦”。他们的产品理念是“项目管理”，但真正的痛苦是付款跟踪。人工智能的词频分析提供了符合客户母语的定位，并显着提高了着陆页转化率。
案例 3——小样本误导。创始人只与 4 个人交谈，并通过 AI 合成；人工智能“发现”了一个强有力的模式。但这四个人中的三个来自同一朋友群体（抽样偏差）。当创始人意识到这一点后，他通过不同渠道又增加了10个人；格局发生了很大变化。教训：无论人工智能总结得多么好，如果输入很小或有偏差，输出就会产生误导。
四个可复制模板
1）非引导式面试问题：
您的角色：客户发现教练。细分：[目标客户]。写8个开放式面试问题，这些问题不会卖给我，不会泄露我的意见，并关注过去的行为。这些问题应该询问具体的过去，例如“最后一次是什么时候，你做了什么，你花了多少钱”，而不是未来的意图，例如“你会使用/想要使用它吗？”使用引导性问题。
2）采访综合（主题提取）：
以下是对话的[n]条匿名笔记。任务：（1）按主题对反复出现的痛苦进行分组，并计算发生了多少次对话，（2）列出客户使用的常用单词/短语，（3）提取当前的解决方案（他们现在正在做什么）。请勿添加备注中未包含的任何内容；如果您概括，请具体说明。
3）信号/噪声分离：
使用相同的注释。将每个关键短语分为两部分：（a）行为证据（实际花费的金钱/时间/精力），（b）意图/礼貌短语（“我使用”，“很棒”）。单独列出 (a) 组；我会根据这些做出决定。计算有多少人表现出真实行为的证据。
4）健康检查样本：
访谈员简介如下：[简短的匿名摘要]。告诉我这个样本中可能存在的偏见（他们是否都来自同一频道、同一年龄/行业）。建议我在信任该模式之前还应该与不同的配置文件进行多少次会议。
弱提示/强提示
弱提示：
总结这些采访笔记。
这个请求产生了一个肤浅的总结，混淆了意图和行为，使礼貌用语看起来像是真正的请求。
强力提示：
综合以下 12 篇匿名访谈记录。 (1) 将疼痛按主题分类并计算频率，(2) 分别列出行为证据和意图陈述，(3) 省略客户自己的话，(4) 警告抽样偏差的风险。不要添加注释中未包含的任何内容。
常见错误
- 将对话转化为销售。解释您的想法并寻求批准；它隐藏了真正的痛苦。
- 将未来的意图作为数据。 “我会使用”是一种猜测；询问过去的行为。
- 与很少的人一起做出决定。 3-4 次访谈对于该模式来说是不够的，并且容易产生偏见。
- 来自同一个圈子的人说话。朋友/同一渠道的样本可以验证您的有效性，但不能代表市场。
- 将AI总结误认为原始数据。摘要和注释一样好；错误/较少的输入会产生错误的结果。
提示：每次谈话后问一个问题：“到目前为止，这个人为解决问题做了什么？”如果答案是“没什么”，那么无论他或她听起来多么热情，你可能都在服用维生素，而不是止痛药。
综上所述
市场验证是用真实的人类行为来测试这个想法，而最有力的工具是客户访谈。面试的规则是学习，而不是推销：询问过去的具体行为，而不是未来的意图；赞美和“我会使用”的话不被视为数据。人工智能在准备无指导问题和通过将数十个笔记分成主题来提取单词模式方面非常强大。但人工智能合成是依赖于输入的：如果样本很小或有偏差，如果意图陈述没有与行为分开，总结就会产生误导。由创始人将信号与噪音分开——通过礼貌过滤实际行为的证据——并做出最终决定。
应用任务
计划与目标群体中的至少 5 个人会面（通过不同渠道）。使用“非引导面试问题”模板准备您的问题集。进行采访后，将笔记匿名化，并使用“采访合成”和“信号/噪声分离”模板将其输入人工智能。按如下方式报告结果：有多少人表现出真实行为的证据，重复了哪些词语，样本中存在哪些偏见，以及基于此应该做出什么继续或转向的决定。
清单
- [ ] 我的问题是不是没有卖点，关注的是过去的行为？
- [ ] 我是否（通过不同渠道）结识了足够多且多样化的人？
- [ ] 我是否对笔记进行了匿名处理？
- [ ] 我是否将行为证据与意图/礼貌条款分开？
- [ ] 我的决定是基于实际的行为信号而不是人工智能的总结吗？