传统需求调研依赖人工访谈、笔记整理与二次编码，流程冗长且信息容易丢失。在 AI 工具的帮助下，从采集、转写、聚类到生成需求文档的各个环节都能被自动化大幅提效。

## 为什么需要重构

需求调研的价值不在于「做了多少场访谈」，而在于「沉淀了多少可用的洞察」。当大量时间被消耗在记录、转写、归类这些机械劳动上，真正需要人判断的部分——问题设计、样本选择、价值排序——反而被压缩了。

## 实践路径

- **访谈前**：用 LLM 生成访谈提纲，并针对不同用户角色做差异化追问预案
- **访谈中**：用语音转文字工具即时沉淀纪要，不再依赖事后回忆
- **访谈后**：通过智能分析对海量反馈做主题聚类与痛点排序
- **输出**：自动生成结构化的需求优先级清单，人工只做最终裁定

## 经验总结

> 调研质量在很大程度上仍取决于问题设计与样本选择。AI 负责把「人耗时、机器擅长」的部分做扎实，从而让调研团队把精力集中在高质量洞察上。

需要特别提醒的是：AI 聚类的结果必须回溯到原始语料验证。模型会「自信地编造」并不存在的共性痛点，这一步不能省。

---

*本文为占位内容，完整案例与数据整理中。*