访谈了30个“用户”才发现全是我的想象——AI模拟访谈怎么用才不算自嗨
一个常见的翻车现场
很多独立开发者都干过这件事：产品想法冒出来后，兴冲冲地打开ChatGPT，输入一段提示词——“你是一个目标用户，请回答你会不会用我的产品”。AI热情洋溢地回复了一堆“我非常愿意使用”“这个功能很有价值”，于是你信心满满地开发三个月，上线后无人问津。
这是AI模拟用户访谈最典型的失败姿势。问题不在于工具，而在于用法。常见的错误有三种：
第一种，让AI直接扮演“满意用户”。 你在提示词里已经暗示了答案，模型天然倾向于顺着你说话。你得到的不是用户反馈，而是自己想法的回音。
第二种，一次只问一个问题就下结论。 真实访谈里，需求藏在追问的第三层、第四层。问一句“你会用吗”就停，等于什么都没问。
第三种，把AI的回答当成真实数据。 AI模拟的是“典型用户画像的合理反应”，它帮你生成假设、排练访谈、暴露盲区，但不能替代真实世界里那十个真实的付费意愿验证。
讲完反例，下面是我踩坑之后沉淀下来的正确路径。
AI到底能为用户访谈做什么
对独立开发者和小团队来说，最大的痛点从来不是“不想做用户访谈”，而是：
- 找不到人：产品还没上线，没有用户群，去哪找目标用户聊？
- 聊不好：好不容易约到人，问题设计得像审问，或者被礼貌的客套话糊弄过去；
- 没预算：请咨询公司做一轮定性研究，价格以官网报价为准，反正不是独立开发者能承受的；
- 有偏见：自己访谈时会不自觉引导用户说出自己想听的答案。
AI在这四个环节里能分别扮演四种角色：
- 用户替身：在真实用户出现之前，模拟不同细分画像的反应，帮你提前暴露需求假设的漏洞；
- 访谈教练：审阅你的访谈提纲，指出引导性问题、封闭式问题，重写成开放式追问；
- 陪练对手：扮演一个“难缠的用户”，让你在真实访谈前排练应对；
- 分析助手：真实访谈做完后，帮你从录音转写里提炼共性痛点、区分“用户说的”和“用户实际在意的”。
正确的使用流程
第一步，先写假设清单，再让AI攻击它。 不要问“用户想要什么”，而是先写下你的需求假设，比如“自由职业者愿意为自动整理发票的工具每月付费”，然后让AI从不同画像的角度质疑这个假设。
第二步，构造多个对立画像。 至少构建三类：热情的早期采用者、冷淡的观望者、根本没这个问题的路人。冷淡和路人那两类才是价值所在。
第三步，多轮深挖，追问“上一次”。 好访谈的黄金问题是“上一次你遇到这个问题时，具体是怎么处理的”。AI模拟时也应该被要求描述具体场景和行为，而不是给态度评分。
第四步，汇总假设，标记分歧。 把模拟访谈产出的所有假设列成表，标注哪些是共识、哪些画像之间存在分歧，分歧点就是真实访谈时最该验证的问题。
第五步，带着精修过的问题去找真实用户。 此时你的访谈提纲已经被AI磨过一轮，效率高很多。
用AI前后的对比
用AI之前：我写访谈提纲靠直觉，五个问题里有四个是“你觉得这个功能好不好”式的引导性问题。真实访谈时用户全程点头，回家整理笔记发现什么有效信息都没有，产品方向依然靠猜。一轮访谈加整理，周期两周，结论模糊。
用AI之后：提纲先让AI做一轮“引导性检测”，问题被重写成开放式；正式访谈前用AI陪练两轮，练出了追问的习惯；访谈转写丢给AI做初步编码，我只需复核和判断。同样一轮访谈，准备时间从几天缩到几小时，产出的是一张可验证的假设清单，而不是一堆“感觉还行”。
更重要的是心态变化：AI模拟访谈让“被用户拒绝”这件事变得廉价。在AI面前，你的想法被批得体无完肤，成本几乎为零；这恰恰逼着你在大动干戈之前，先把需求假设磨扎实。
可复制的提示词模板
# 角色
你是一位用户访谈模拟器。你需要扮演一位具体、有细节的目标用户，
而不是一个抽象的画像。
# 我的产品假设
【在此描述：产品为谁、解决什么问题、付费方式】
# 你的任务
从以下三个画像中，逐一接受我的访谈：
1. 早期采用者：对新技术好奇，但预算敏感
2. 观望者：有这个问题，但已用现有工具凑合
3. 路人：我描述的问题对TA几乎不存在
# 规则
- 每次只扮演一个画像，我输入"切换画像"后换下一个
- 回答必须基于具体场景和过往行为，禁止直接评价我的产品好不好
- 如果我问了引导性问题（如"你是不是觉得X很有用"），请指出并要求我重问
- 当我追问"上一次遇到这个问题"时，给出具体的时间、场景、当时采取的替代方案
- 你可以说谎、敷衍、走神，像真实用户一样不完全配合
- 访谈结束后，以列表形式总结：我表达的真实痛点、我现有的替代方案、什么情况下我会付费、什么情况下我会流失
# 开始
现在请以"画像1"的身份，等我提出第一个问题。这个模板的关键设计有三处：强制AI基于行为而非态度回答、让AI反过来纠正你的引导性问题、要求总结付费与流失条件。第三点尤其重要——流失条件往往比付费意愿更早暴露需求假设的裂缝。
几条清醒的提醒
AI模拟访谈的产出是“假设”，不是“证据”。它帮你把假设提纯、把问题磨尖、把访谈排练熟，但付费意愿最终要在真实用户的钱包面前验证。我的经验比例是：AI模拟做十轮，真实访谈做五个，方向判断的把握就能从“拍脑袋”提升到“有依据的判断”。
如果你在搭建这类访谈模拟、需求分析的工作流时需要稳定且成本可控的模型调用，可以看看 https://api.thistoken.ai/register ，按量计费的方式适合这种“高频试错、单次轻量”的场景，用多少算多少。
少一点自嗨，多一点假设——这是AI能替你做的最重要的事。
---
不想折腾多家供应商的接入差异？在 https://api.thistoken.ai/register 注册，用一个 base_url 调用所有模型。