场景化痛点才是真痛点：“周五下班挤地铁，手机只剩 8% 电”替代“上班很累”

一、问题的起点：为什么"上班很累"是无效需求

几乎所有做产品的人都听过类似的需求描述："用户觉得上班很累""用户想要更省心""用户希望效率更高"。这些话没有错，但它们无法被设计。原因很直接：它们缺少可操作的对象、可测量的边界和可复现的条件。一个工程师拿到"上班很累"，无法判断该做提醒功能、做自动化、还是做情绪陪伴；一个设计师拿到"更省心"，无法决定界面该简化还是该增加引导。

而"周五下班挤地铁，手机只剩8%电"完全不同。它天然携带了时间（周五下班）、地点（地铁）、人物状态（拥挤、疲惫）、约束（电量8%）、潜在情绪（焦虑、怕失联）。任何一个做过移动端产品的人，看到这句话脑子里会立刻浮现一串候选方案：低电量模式、离线优先、地铁场景的弱网缓存、紧急联系人一键拨号、充电宝租借入口。这就是场景的力量——它把"需求"从一个形容词变成了一个可以被拆解的名词短语。

1.1 抽象需求的三重失真

笔者认为，抽象需求在传递过程中至少经历三重失真。第一重是概括失真：用户把一百次具体体验压缩成一句情绪总结，细节全部丢失。第二重是转述失真：访谈者把用户的话再压缩一次，写进报告时又丢一层。第三重是解读失真：产品经理、设计师、工程师各自按自己的经验补全空白，补出来的东西往往互不一致。

这三重失真叠加，导致团队在"同一个需求"上做出方向相反的功能。场景化描述的价值，正是把这三层压缩重新展开，让所有人面对同一份可核对的事实。

1.2 一个可检验的判据

如何快速判断一句话是"真痛点"还是"伪需求"？本文给出一个简单判据：能否在不追问的情况下，让一个陌生人复现这个场景。如果一句话需要反复追问"什么时候""在哪儿""当时在干嘛"才能理解，那它就不是场景，只是情绪。这条判据贯穿全文，后文的六要素模型就是它的结构化版本。

场景不是故事，故事可以虚构；场景是可复现的条件集合，条件变了，结论就得重算。

二、理论根基：从JTBD到情境化设计的脉络

场景化痛点并非凭空发明，它站在几条成熟研究脉络的交汇处。理解这些脉络，能避免把方法论做成"话术模板"。

2.1 Jobs to be Done：用户"雇佣"产品来完成什么

Clayton Christensen 提出的 Jobs to be Done（JTBD）框架强调，用户不是购买产品，而是"雇佣"产品来完成某项任务。经典的"奶昔案例"指出，早晨通勤者买奶昔的核心任务不是解渴，而是"让一只手空出来的通勤时间不那么无聊且能撑到中午"。本文评述：JTBD 已经把注意力从"用户是谁"转向"用户在什么情境下要完成什么"，但它对"情境"的描述仍偏功能，缺少情绪与约束的显式建模。场景化痛点方法可以看作 JTBD 的工程化补丁——把 Job 拆成可观测的场景条件。

2.2 情境化设计（Contextual Design）与情境访谈

Hugh Beyer 与 Karen Holtzblatt 提出的情境化设计，主张研究者走进用户的真实工作现场，通过"师徒式"观察获取数据，而不是在会议室里问"你平时怎么做"。其核心洞察是：人会遗忘和美化自己的行为，但现场不会说谎。本文评述：情境化设计提供了场景采集的黄金标准，但成本高、周期长，难以规模化。后文第六节讨论的大模型辅助场景生成，本质上是在尝试用合成数据部分替代高成本现场观察，但必须警惕其保真度边界。

2.3 日记研究（Diary Study）与体验采样

体验采样法（ESM）要求参与者在事件发生的当下记录体验，而非事后回忆。心理学研究表明，事后回忆存在显著的"峰终效应"和情绪偏差。本文评述：把 ESM 引入产品研究，能显著提升场景数据的时效保真度，但会带来参与负担和样本流失。工程上通常用"轻量打卡 + 关键事件深访"的组合来平衡。

2.4 Kano模型与需求分类

Kano 模型把需求分为基本型、期望型、兴奋型、无差异型和反向型。它解决的是"哪些需求值得做"，但不解决"需求到底是什么"。本文评述：Kano 是排序工具，场景化是定义工具，两者是流水线上的先后工序，不能互相替代。很多团队把 Kano 问卷直接发给用户，却连场景都没描述清楚，结果得到的只是对抽象形容词的投票。

三、场景六要素模型：把模糊需求拆成结构

本文提出一个可直接落地的结构化模型：任何一条合格的场景化痛点，都应包含六个要素。缺一个，场景的可复现性就下降一档。

这张表本身就是一个检查清单。团队在写需求文档时，可以逐项打勾：六个要素是否都写清楚了？如果某一项只能写"视情况而定"，那说明场景还没采集够。

3.1 六要素的权重不是均等的

本文评述：在多数消费级场景中，约束和情绪是区分度最高的两个要素。时间和地点容易被观察到，人物和状态容易被访谈出来，但约束（尤其是用户自己都没意识到的约束）和情绪（尤其是用户不愿承认的情绪）往往需要更深的挖掘。8%电量这个约束之所以有力，是因为它把"手机不好用"这个模糊抱怨，变成了一个可量化的边界条件。

3.2 从六要素到场景卡

工程实践中，建议把每个场景固化成一张"场景卡"，包含：场景名称、六要素、原始证据（引语/截图/视频时间码）、涉及用户数、初步痛感评分。场景卡的好处是可版本化、可去重、可被不同角色复用。一个中等规模的产品团队，通常维护 30—80 张活跃场景卡即可覆盖核心需求空间。

四、痛感量化：三维打分与优先级排序

场景采集完之后，下一个问题是：哪个场景值得先做？凭直觉排序是团队内耗的主要来源。本文建议用三个维度做量化打分，每个维度 1—5 分。

综合分可以用加权公式，例如：优先级 = 痛感强度 × 0.5 + 频率 × 0.3 + 替代成本 × 0.2。权重不是固定的，B端工具类产品可以调高频率权重，C端情感类产品可以调高痛感权重。关键是权重必须在打分前公开确定，避免事后调整。

4.1 用真实数据校准打分

打分最怕拍脑袋。可行的校准方式包括：用客服工单的标签分布估计频率；用应用商店差评的关键词聚类估计痛感；用竞品的功能迭代节奏反推替代成本。需要说明的是，如果团队没有一手数据，可以用公开数据集或行业报告做近似估计，但必须在文档中标注"模拟/整合数据"，不可伪装成自有实验数据。

4.2 一个反直觉的结论

本文评述：高频低痛感的场景，往往比低频高痛感的场景更适合做"留存型功能"；而低频高痛感的场景，更适合做"口碑型功能"或"付费点"。8%电量场景属于中高频、中高痛感，它既影响留存（用户不敢用耗电功能），又有明确的付费可能（省电服务、充电宝）。这种"双高"场景是产品路线图上的优先项。

五、工程实践：场景采集的六种方法

方法论要落地，必须有可执行的采集手段。以下六种方法按成本从低到高排列，团队可根据阶段组合使用。

5.1 客服工单与差评挖掘

这是成本最低的起点。把近 6 个月的工单和差评导出，做关键词聚类，再人工把高频抱怨还原成六要素场景。注意：工单只代表"愿意反馈的用户"，存在幸存者偏差，不能单独作为需求依据。

5.2 情境访谈（Contextual Interview）

到用户真实环境里观察，遵循"先看后问"原则。具体步骤：① 征得同意后全程记录；② 让用户按日常流程操作，不打断；③ 在关键节点问"刚才为什么这么做"；④ 事后 24 小时内整理成场景卡。参考 Nielsen Norman Group 的实地研究指南可获得更细的操作规范。

5.3 日记研究（Diary Study）

适合跨天、跨场景的体验研究。参与者每天在固定时间记录关键事件，研究者周末做一次深访。工具上可用问卷、微信机器人或专用 App。关键设计点是降低记录负担——每条记录控制在 1 分钟内完成，否则流失率会飙升。

5.4 埋点与行为日志

行为数据能回答"发生了什么"，但不能回答"为什么"。建议把埋点事件与场景卡做关联：每个关键场景定义一组特征事件序列，用序列匹配来估计场景发生频率。例如"地铁场景"可以用"移动网络切换 + 屏幕常亮 + 低电量弹窗"的组合来近似识别。

5.5 用户共创工作坊

把 6—10 名目标用户请到一起，用"场景拼图"的方式共同还原痛点。主持人只提供六要素模板，不引导结论。这种方法的产出密度高，但要注意群体极化效应，建议与一对一访谈交叉验证。

5.6 大模型辅助的场景挖掘

把工单、评论、访谈记录批量输入大模型，要求其按六要素结构化输出场景，并标注原文出处。这一步能极大提升初筛效率，但必须保留人工复核环节。下一节展开讨论。

六、大模型时代：合成场景与合成用户研究

2022 年以来，大语言模型在用户研究领域的应用快速升温。学术界出现了"合成用户"（Synthetic Users）"AI 模拟访谈"等方向，工业界则把它用于快速生成场景假设。

6.1 合成用户的潜力与边界

已有研究尝试用大模型扮演特定人口统计特征的用户，回答问卷或参与访谈。部分实验显示，合成用户在"常识性偏好"上与真实用户有一定相关性，但在涉及具体产品细节、地域文化、真实约束时偏差明显。本文评述：合成用户适合做假设生成，不适合做假设验证。把它当作"永不疲倦的头脑风暴伙伴"是合理的，把它当作"真实用户替代品"则危险。

6.2 用大模型做场景结构化

一个务实的用法是：把非结构化文本（工单、评论、访谈稿）交给大模型，要求它按六要素抽取场景，并输出置信度和原文引用。提示词可以这样设计：

角色：资深用户研究员
任务：从以下文本中抽取"场景化痛点"
输出格式（每条）：
- 场景名称：
- 时间 / 地点 / 人物 / 状态 / 约束 / 情绪：
- 原文引用：
- 置信度（高/中/低）：
约束：不得编造原文中没有的信息；信息缺失处标注"未提及"。

这个提示词的关键是最后一条约束——强制模型承认信息缺失，而不是用常识补全。补全出来的场景看似完整，实则污染了证据链。

6.3 合成场景的验证闭环

合成场景必须回到真实用户那里验证。建议流程：大模型生成 50 条候选场景 → 人工去重和初筛到 15 条 → 用问卷或小样本访谈验证 → 保留 5—8 条进入需求池。整个周期可以从传统的 4—6 周压缩到 1—2 周，但验证环节不能省。

七、从场景到需求：验证链路与反模式

场景是输入，需求是输出。中间需要一条可追溯的验证链路，否则场景卡会变成"好看的文档"，和实际开发脱节。

7.1 场景—假设—实验的三段式

每个进入开发的需求，都应能回答三个问题：它来自哪张场景卡？它验证了什么假设？如果假设不成立，我们怎么知道？建议在需求文档里固定写上这三行，形成强制约束。

7.2 常见反模式

• 场景通胀：为了显得专业，把每个需求都包装成场景，但六要素全是编的。识别方法是检查原文引用是否真实存在。
• 场景孤岛：场景卡只存在于研究员的文档里，开发和设计从未看过。解决办法是把场景卡嵌入需求管理工具，作为必填字段。
• 以场景代替验证：认为场景足够生动就不需要做实验。场景解决"做什么"，实验解决"有没有效"，两者不可替代。
• 只采集极端场景：只关注最戏剧化的痛点，忽略高频的日常小摩擦。建议保持"极端 + 日常"的配比。

7.3 评估指标

衡量场景化方法本身是否有效，可以跟踪几个指标：需求返工率、跨角色需求理解一致率、场景卡被引用次数、从场景到上线的平均周期。这些指标比"做了多少次访谈"更能反映方法论的落地质量。

八、案例复盘：8%电量场景的完整推演

回到开头的例子，完整走一遍流程，看看场景化方法如何产出可执行的需求。

8.1 场景卡

8.2 痛感打分

痛感强度 4 分（影响放松和安全感，但不致命）；频率 4 分（工作日通勤人群每周至少 1—2 次）；替代成本 4 分（充电宝不是随身带，省电模式体验差）。综合优先级约 4.0，属于高优先级场景。

8.3 需求拆解

• 低电量模式：电量低于 10% 时自动降低后台刷新、降低屏幕亮度、关闭非必要动画。
• 离线优先内容：提前缓存用户常看内容，弱网时优先展示缓存。
• 紧急联络入口：低电量时把紧急联系人置顶，一键拨号。
• 充电宝租借入口：基于地理位置推荐附近租借点。
• 电量焦虑提示：用温和文案替代红色警告，降低情绪压力。

注意，这五条需求全部来自同一张场景卡，且每条都能追溯到具体约束（电量、弱网、单手操作）。这就是场景化方法的价值：它让需求之间有了共同的源头，减少了功能之间的冲突。

九、前沿预判与落地清单

9.1 三个前沿方向

第一，多模态场景采集：手机传感器、可穿戴设备、车机数据可以自动捕捉场景要素，减少对用户自述的依赖。第二，场景知识图谱：把场景卡、需求、实验、指标连成图，支持"改一个约束，看哪些需求受影响"的推理。第三，实时场景推断：端侧模型根据当前状态实时判断用户处于哪个场景，动态调整产品行为。

9.2 落地清单

1. 建立场景卡模板，六要素缺一不可。
2. 每张场景卡必须附带原始证据（引语、截图、时间码）。
3. 痛感打分权重提前公开，避免事后调整。
4. 需求文档强制填写"来源场景卡"字段。
5. 大模型只用于初筛和结构化，验证必须回到真实用户。
6. 每季度复盘场景卡库，淘汰过期场景。
7. 跟踪需求返工率和跨角色理解一致率。

9.3 拓展资源

• Nielsen Norman Group 情境访谈指南：nngroup.com/articles/contextual-interview
• Jobs to be Done 官方介绍：jtbd.info
• 体验采样法综述（心理学方法）：可检索 "Experience Sampling Method" 相关公开论文
• Kano 模型入门教程：interaction-design.org Kano Model
• 大模型合成用户研究讨论：可检索 "Synthetic Users LLM" 相关预印本