做了这么多年的B端需求分析，最令人困扰的并非用户提出的需求数量多，而是沟通半天后，最终获得的往往是“页面加载缓慢”“希望体验更流畅”这类模棱两可的无效反馈。如果直接把这类信息输入AI进行总结，AI大概率会将“喜欢新图标”和“加载速度太慢”归为同等优先级，完全无法挖掘出用户反馈背后真实的操作痛点与业务冲突。

如何解决这个问题？下文这套经过多个实际项目反复验证的方法，或许能提供系统化的指导。其核心思路是：为AI定义一个清晰的角色、一套强制执行的深度分析流程、一个用于对齐判断密度的参考样本，以及根据反馈来源制定的硬性约束规则。接下来逐条展开。

你需要引导AI从零散、重复且高度口语化的用户反馈原始记录中，自动提炼出能够直接驱动产品迭代的真实需求，而非简单地输出“用户期望更好用”这类无效的泛泛结论。直接将一段聊天记录扔给AI并说“帮我总结一下”，AI很可能会将“页面卡顿”与“喜欢新图标”并列视为同等重要，从而遗漏用户背后真实的操作动机与潜在冲突点。

第一步：锁定AI角色与任务边界

关键步骤一：在提示词的开头，用一句话明确界定AI的身份及核心任务。例如：“你是一名拥有5年B端SaaS产品经验的需求分析师，你的任务是从以下用户反馈中，识别出必须在下一个迭代周期内解决的3条高价值需求。”

关键步骤二：立即堵住AI可能遵循的惯性错误路径。需明确指示：“不要复述用户原话，不要合并相似表述（例如，不能将5人反馈的‘加载慢’简单归结为‘普遍反映性能问题’），同时不要提取纯情绪类描述（如‘非常生气’‘特别想要’）。”

这一步至关重要：【AI本身并不具备默认的需求判断框架，若不明确规定禁令，AI就会优先按照语言流畅度来压缩文本，而非依据业务影响程度进行排序】。

第二步：使用结构化动词强制分析深度

方法一：绑定四层动作链

要求AI对每一条有效的用户反馈依次执行以下四步分析：① 识别出被用户反复省略、但实际严重干扰操作的关键步骤；② 定位用户声称“能用”、但在实际使用中却主动绕过的功能模块；③ 提炼出能够通过A/B测试进行验证的界面改动假设；④ 标注该需求所影响的最小用户群体（例如：“仅限于使用Excel导入功能的财务专员”）。

方法二：限定输出颗粒度

明确指令：“每一条需求必须包含‘应用场景→核心冲突→具体改动点’三要素。例如：‘场景：销售人员在CRM系统中批量导出客户名单时，需要手动删除空行；冲突：系统未能自动识别Excel中的隐藏行，导致导出的数据出现错乱；改动点：在导出功能中自动过滤不可见行，并弹窗提示用户正在过滤的数据范围’。”

这一步骤执行起来非常简单，只需将原始用户反馈直接粘贴在上述指令之后即可开始分析。

第三步：给AI提供一个锚定样本

复制一段真实用户反馈（字数控制在80-150字），紧接着附上你手工撰写的一条高质量需求摘要，作为供AI参考的范例：

“我们每天需要导出5次报价单，每次都得重新选择模板、填写折扣、调整页眉——实际上每次只有3处内容不同，其他完全一样。上次让客服帮忙修改了一个模板，结果导致所有历史单据都套用了错误的格式……现在我们宁愿手动修改也不再使用系统模板。” → 提炼出的需求：支持报价单模板的版本快照与历史引用功能，允许用户为同一模板保存多个配置版本（如‘华东标准版V1.2’），在导出时默认继承最近一次的手动调整项，避免因全局覆盖而导致的数据异常。

【所提供的样本必须由你亲自撰写，并且务必包含具体的操作动作、限制条件以及影响范围，只有这样，AI才能真正对齐你的判断标准与密度】。

第四步：按反馈来源类型添加硬约束

① 来源于客服工单系统 → 在提示词末尾追加：“所有提炼的需求必须标注对应的工单编号前缀（如‘CS-20260628-’），并且仅提取那些包含‘无法完成’‘被迫放弃’‘反复失败’等阻断性描述的用户反馈条目。”

② 来源于App内埋点获取的吐槽信息 → 补充一句：“剔除所有包含‘建议’‘希望’‘可以增加’等非紧急表述的需求，只保留用户触发‘报错弹窗’后3秒钟内输入的文字内容。”

③ 来源于销售访谈的逐字稿 → 写明：“所提炼的需求必须绑定具体的发言人角色（如‘广州大区销售主管’），并且每条需求需注明其管辖的客户数量（如‘负责17家KA客户’）。”