6.1 进场访谈——别急着接需求,先挖三层
本章导读
本 节 目 标
- 能把客户带着方案来的表面需求往下挖三层(哪一步出问题/谁真的在用/什么算成功),拆到第三层业务 SOP,识别「加 AI」与「AI Native」客户的差别
- 能实施破解一线抵触的三步法:分别对齐预期、建小范围对照组、让 AI 对一线自己真正有用,并应对中层消极配合的硬骨头
- 能评估切入场景是否在业务负责人前五大优先事项内,判断项目会不会被 IT 或流程惯性搁置,理解 Demo 作为唯一有效沟通语言的价值
你接到一个新项目,客户的信息化负责人拉了个会,开场第一句:「我们想用大模型做一个智能客服。」
你问预算多少、业务方是谁、现有客服坐席多少、SLA 是什么、客户满意度什么水平、Top 3 投诉类型是什么——对方一个都答不上来,只补充了一句:「领导说先搞起来,你们报个价。」
这是 FDE 进场最常见的场景。客户「带着方案来、需求说不清」,你以为签了单就万事大吉,进场才发现坑连坑:业务方不配合、中层消极应付、一线觉得 AI 抢饭碗、Demo 效果好但一上真实环境就崩。
本章解决的就是进场阶段最关键的两件事:挖真需求 和 破一线抵触。
概念
进场访谈不是需求采集会,是需求挖掘会。
「采集」是客户说啥你记啥,「挖掘」是客户说完你往下挖。
类比一下:客户跟你说「我胃疼」。你不会直接递一瓶胃药——你会问疼了多久、吃完饭疼还是空腹痛、有没有反酸、最近吃了啥。进场访谈就是给客户业务「问诊」,不是开药方。
表面需求的典型话术:
| 客户原话 | 表面需求 | 挖下去才知道 |
|---|---|---|
| 「我们要搞智能客服」 | 上一个 chatbot | 现有坐席 SLA 达标率只有 67%,投诉率上升 |
| 「我们要知识库 RAG」 | 做个文档问答 | 新员工上手周期 3 个月,老员工离职带走知识 |
| 「我们要 AI 写周报」 | 自动生成报告 | 区域经理每周花 4 小时整理,没时间跑客户 |
| 「领导要数字化转型」 | 上 AI 项目 | 业务下滑,要向董事会证明「在创新」 |
三层下挖法
这是 FDE 进场访谈的核心框架。客户说一个需求,你别接话,往下挖三层,挖到业务 SOP 为止。
🖼 图:requirement three layers
第一层:哪一步出问题?
客户说「智能客服」,你问:「客服流程里,具体哪一步让你头疼?」——是进线分配慢?是首次解决率低?是夜班没人接?是工单流转卡在二线?
提示
把「智能客服」这种笼统词,逼成流程图上的具体节点。
第二层:谁真的在用?
找到那个节点后,问:「这一步,每天实际操作的人是谁?」——不是部门负责人,不是信息化领导,是那个真坐在工位上、每天处理 200 单的人。
提示
挖到真实用户,才知道真实的痛点和真实的抵触。
第三层:什么算成功?
问:「如果这个问题解决了,你怎么衡量?」——是首次解决率从 60% 到 80%?是夜班自助率到 50%?还是工单平均处理时长降 30%?
提示
没有成功标准的访谈,等于没访谈。后面验收会扯皮。
「加 AI」与「AI Native」客户的差别:
挖到第三层后,你能识别客户是哪一类:
| 维度 | 「加 AI」客户 | 「AI Native」客户 |
|---|---|---|
| 需求表述 | 「在现有流程上加个 AI 功能」 | 「流程本身围绕 AI 能力重新设计」 |
| 关注点 | 功能清单、参数对比 | 效果指标、业务闭环 |
| 成功标准 | 「上线了、能演示」 | 「XX 指标提升 XX%」 |
| IT 角色 | 审批者、守门人 | 共建者、业务方代表 |
| 你的角色 | 功能交付方 | 业务架构共建方 |
为什么这个差别重要? 「加 AI」客户把 AI 当功能模块,上线即终点,验收靠演示;「AI Native」客户把 AI 当生产要素,上线即起点,验收靠指标。
进场访谈的第三个任务,就是判断客户站在哪一头,然后决定你的交付策略——前者你拼完成度和稳定性,后者你拼指标提升和持续运营。
示例
下面是两个真实场景的访谈对比。你感受一下「接需求」和「挖需求」的差别。
反面案例(只接不挖):
客户:我们想搞智能客服,能做吗?
FDE:能做。我们有知识库 RAG 方案,支持 FAQ 问答、多轮对话、人工转接。
客户:大概多少钱?
FDE:看坐席规模和知识库体量,我让商务给您报个价。
客户:好,你们出个方案。
结果:做出来的 chatbot 客户不满意,说「不够智能」。问哪不够智能,答不上来。项目卡住。
正面案例(三层下挖):
客户:我们想搞智能客服。
FDE:明白。客服这块,具体哪个环节让你最头疼?
客户:夜班没人,客户进来全是留言,第二天才回。
FDE:[第一层完成] 夜班进线量大概多少?都什么类型的问题?
客户:一晚上 50 来条,大部分是查物流、查订单状态。
FDE:[第二层] 这些进线,现在是谁在处理?夜班有几个人?
客户:夜班就 1 个值班,处理不过来,大部分转留言。
FDE:[第三层] 如果这块改善了,你想看到什么变化?
客户:夜班 60% 的进线能自动回复,值班人只处理异常。
FDE:这个 60% 怎么算——进线总数里自动关单的比例?
客户:对,就是不需要人工介入、客户自己搞定的比例。
挖到这里,你已经知道:场景是夜班自助、指标是自动关单率、基线是当前几乎 0%、目标是 60%。
- 注意 :客户说「智能客服」时,脑子里想的可能是 7×24 全自动。挖完才发现他要的就是夜班那 50 条留言自动化。不挖就报价、不挖就做方案,交付时必然出事。
注意事项
-
客户带着方案来,别直接照做 。客户说「我们要一个 RAG 知识库」,这是方案不是需求。你要往回挖:为什么是 RAG?想解决什么问题?不用 RAG 行不行?客户给的方案往往是竞品演示看来的或领导刷短视频看到的,照做大概率翻车。
-
别只访谈一个人 。信息化负责人说的和一线说的经常不一样。你至少要访谈三类人:业务负责人、一线操作者、IT 对接人。三类人说的对不上,这本身就是一个重要发现。
-
访谈不是评审会,别当场给方案 。客户说完痛点,你的本能是「我们能做!」——忍住。你一承诺,客户就把这段当成需求基线,后面发现做不了就被动。访谈阶段只挖需求、不给承诺。
随堂测
逐题作答,即时反馈
1. 挖到第三层后可以识别「加 AI」客户与「AI Native」客户的差别。下列表述与课文一致的是?
2. 进场访谈的「三层下挖法」,正确的下挖顺序是?
3. 课文提醒「别只访谈一个人」,进场至少要访谈的三类人是?