1.1 客户访谈提纲提示词的定义、价值与典型应用场景
我经常被同行问到一句话：客户访谈提纲提示词到底是个什么东西？说白了，它就是你写给AI模型的一段结构化指令，用来让它帮你生成一份靠谱的客户访谈提纲。听起来挺简单，可真正用起来，差距就出来了。有的人丢一句“帮我生成一份客户访谈提纲”过去，得到的结果像白开水一样寡淡；有的人把背景、目标、访谈对象、输出格式全部交代清楚，出来的内容直接能拿去用。
这种差距背后，就是提示词设计能力的差别。它的价值不在于省那几分钟，而在于把资深研究员脑子里的访谈逻辑，转译成AI能理解的指令。
场景层面，我见过用得最顺手的几类：产品团队做需求发现访谈前，用提示词快速生成一版覆盖全面的提纲；客户成功团队做满意度回访，按客户分层生成不同深度的访谈框架；还有B端销售在决策链访谈前，针对不同角色（使用者、采购、决策者）生成差异化提纲。这些场景有个共同点——访谈目标清晰，但时间和人手不够，提示词恰好补上了这个缺口。
1.2 提示词与访谈目标、客户角色及业务阶段的匹配关系
我踩过一个大坑，是拿着一份“通用访谈提纲”去见所有客户。结果跟新客户聊得太深，对方还没建立信任就开始问预算和决策流程，场面一度很尴尬。后来我才明白，提示词不是孤立存在的，它得跟访谈目标、客户角色、业务阶段三样东西对齐。
访谈目标决定提示词的“锋利度”。探索型访谈要的是开放、发散、能挖出意外信息的问题；验证型访谈要的是收敛、聚焦、能拿到明确判断的问题。你把探索型的提示词拿去验证，出来的提纲会散得没法收场。
客户角色决定提示词的“语言体系”。访谈一线使用者，问题要具体到操作细节；访谈高管，问题要往战略和ROI上靠。有次我偷懒，用同一套提示词生成了面向IT管理员和面向CIO的提纲，结果CIO看到问“你每天点几次这个按钮”直接笑了。
业务阶段则是提示词的“时间坐标”。售前阶段、交付阶段、续约阶段，客户的心理状态和你能问的边界完全不同。售前阶段问太多内部流程细节，客户会觉得你在套信息；续约阶段还停留在泛泛的需求了解，客户会觉得你没用心。我在提示词里现在会强制加一行“当前业务阶段”，就是为了避免这种错位。
1.3 高质量提示词的结构要素：角色设定、访谈目标、背景信息、输出格式与约束条件
说句实在话，我最早写提示词就是“许愿式”的，想到什么写什么，生成结果好坏全看运气。后来拆解了几十个效果好得提示词，发现它们基本都长一个样——五个要素齐活。
角色设定是第一步。不是简单写“你是一个访谈专家”，而是要写清楚“你是一位有十年B端SaaS客户研究经验的研究员，擅长在信息不完整的情况下设计追问路径”。角色越具体，AI输出的语气和深度越对路。
访谈目标是第二步。目标要写成“访谈结束后，我能拿到什么”的形式。比如“识别客户在数据迁移环节的三个以上具体痛点，并区分优先级”。这种写法比“了解客户痛点”有用十倍。
背景信息是第三步。客户行业、公司规模、产品使用时长、已知问题、之前访谈过的内容，这些都要喂进去。我现在的习惯是背景信息不少于两百字，少了AI就开始编。
输出格式是第四步。你是要表格还是分层清单？问题后面要不要附追问建议？每个模块几个问题？这些得写死。不写的话，AI给你的格式每次都不一样，后期整理成本很高。
约束条件是第五步，也是最容易被忽略的。比如“避免封闭式问题”“每个痛点至少配两个追问方向”“不涉及价格谈判内容”。约束条件写得好，提纲的可用性直接上一个台阶。
1.4 客户访谈提纲提示词的设计原则：开放性、中立性、层次性、可追问性与合规性
开放性这条，我吃过亏。早期提示词里没强调，AI生成了一堆“你是否满意”“有没有遇到问题”这种yes/no问题，访谈现场客户一个“还行”就把天聊死了。后来我在提示词里明确要求“每个核心问题必须无法用是或否回答”，情况才好转。
中立性更微妙。有次提示词里带了句“帮助客户认识到我们产品的价值”，生成的问题全带着引导味，客户当场反问“你是在推销吗”。中立性不是客气，是不预设立场，问题的措辞不能让客户感到被推向某个答案。
层次性是访谈的节奏感。好的提纲像剥洋葱，从事实层到感受层再到影响层，一层层往下走。提示词里如果不指定层次结构，AI容易把所有问题堆在同一深度，访谈就变成了连环炮。
可追问性是我最看重的。一个问题问出去，客户回答完，你接下来往哪问？提示词里要明确要求“每个主问题附带两到三个追问路径”，这样现场才不会卡壳。合规性这条现在越来越重要，个人信息、商业机密、敏感话题的边界，得在提示词里提前划好线。
1.5 提示词、访谈提纲与问题清单之间的区别与协同关系
这三个东西经常被混着叫，我自己也混过一阵子。后来理清楚了：提示词是“指令”，访谈提纲是“成品框架”，问题清单是“成品里的零件”。
提示词是你写给AI的那段话，包含角色、目标、背景、格式、约束。访谈提纲是AI根据提示词生成的整体结构，有开场、有模块划分、有收尾。问题清单则是提纲里每个模块下面的具体问题集合。三者是上游、中游、下游的关系。
协同起来用，效率才高。我的做法是先用提示词生成提纲框架，再针对每个模块单独写提示词生成问题清单，最后人工把两层拼起来做审校。这样做的原因是，一次性让AI生成完整提纲加问题，它容易在深度上偷懒；分层生成，每个环节都能卡得更细。
还有个容易忽略的点：提示词本身是可以迭代的资产。一次访谈结束后，把现场不好用的问题、客户没听懂的表达、追问断掉的地方，反写回提示词里。下次生成的质量就会往上走一截。我现在维护着一个提示词版本库，按场景和客户类型分类，用起来像翻工具箱一样顺手。
2.1 通用客户访谈提纲提示词模板：输入信息、生成流程与输出框架
我手头长期维护着一个通用模板，说不上多精巧，胜在稳定。它的骨架分四块：角色设定、任务描述、待填的输入信息区、输出格式要求。输入信息我固定让填六项——客户行业与规模、访谈对象角色、当前业务阶段、本次访谈的核心目标、已知背景信息、需要避开的敏感话题。六项填满，AI生成的内容基本不会飘。有回我偷懒只填了三项，出来的提纲里居然建议我问客户“你们公司的数字化转型战略是什么”，那客户是个二十人的小作坊，这个问题问出去我都不用做人了。
生成流程我强烈建议分两步走。先让AI输出提纲的模块框架，我扫一眼模块划分是否合理，确认之后，再让它往每个模块里填问题。一次性生成完整提纲，AI有个很顽固的毛病——模块划分走向通用化，什么场景都给你套“了解需求—介绍产品—确认意向”那套骨架。分步生成的好处是每一步都能卡住质量，框架不对就重来，框架对了再填肉，效率反而高。
输出框架我要求AI按“访谈前准备—开场—核心模块—收尾”四段来交付。开场部分得包含自我介绍话术、访谈目的说明、录音许可请求和破冰问题。核心模块按访谈目标拆成三到五个，每个模块下面三到五个主问题。收尾部分要给开放式补充问题、后续跟进说明和致谢话术。这套框架我用了快两年，现场再怎么紧张，照着走也不会出现大段空白。
2.2 分场景提示词模板扩展
需求发现访谈的提示词，关键词就一个字：散。我会在提示词里写死“不要预设客户问题的范围”“鼓励生成能引出意外信息的问题”“允许问题之间存在跳跃”。需求发现最怕的是聊着聊着变成产品功能确认会，我一般会加一条硬约束——“所有问题必须围绕客户的工作场景和真实行为展开，禁止出现任何产品功能名称”。这条约束加上去，AI生成的问题会老实很多。
满意度回访的提示词思路完全反过来，要的是收。我通常要求AI按NPS或者CSAT的维度来组织问题，每个评分维度后面必须跟两个追问：“为什么给这个分”“哪个具体经历影响了你的判断”。满意度回访的客户耐心有限，问题总数我控制在十二个以内，这个数量约束我会直接写进提示词，免得AI一激动给你生成三十道题。
流失挽回访谈的提示词最需要小心。我会明确写“语气低姿态、非防御性”“不追问客户已经明确表达过的不满细节，把重心放在未来可能性上”。流失客户愿意坐下来聊已经给面子了，问题设计上稍微带点审问感，人家起身就走。我还会让AI给每个问题标注敏感度等级，高敏感问题统一放到访谈后半段，等信任稍微建立起来再碰。
产品验证访谈的提示词讲的是假设检验。背景信息区域我会把待验证的产品假设一条条列清楚，要求AI生成的问题能直接对应到假设的证实或证伪。假设是“客户愿意为自动报表功能多付百分之十五的费用”，问题清单里就必须有直接测付费意愿的题，不能全是“你对报表功能怎么看”这种温吞水。产品验证访谈有个常见翻车点——问了一堆背景信息，核心假设一个没验证到，访谈结束才发现最关键的问题没问。
B端决策链访谈的提示词核心是分角色。同一个访谈目标，面向一线使用者、采购负责人、技术评估者、高管的提纲得各来一套。我会在提示词里要求AI针对每个角色分别生成问题，并且标注角色之间的信息差——哪些问题适合交叉验证，哪些问题只能问特定角色。B端访谈现场经常是多角色一起聊，提前把角色之间的追问衔接想好，现场能省下大量临场反应的时间。
2.3 客户访谈问题清单提示词的问题分层：暖场、现状、痛点、影响、方案、决策与收尾
问题分层这事我一开始觉得是形式主义，觉得问题好用就行，分什么层。后来被现实教育了——不分层的问题清单，访谈节奏就是一盘散沙，客户聊着聊着就开始走神。我现在用的分层是七层：暖场、现状、痛点、影响、方案、决策、收尾。提示词里把这七层写死，AI按层出题，我在现场按时间灵活裁剪。
暖场层的问题目的就一个——建立基本信任，绝对不能碰业务敏感信息。我让AI生成两到三个轻松的问题，比如“你们团队最近在忙什么项目”“这个季度业务节奏怎么样”。现状层是摸清客户当前的工作方式和流程，问题得具体到行为层面和工具层面。痛点层开始往深里走，让客户说出不满意的地方。影响层是最容易漏掉的——客户说了痛点，你得追问这个痛点造成了什么后果，不追问的话痛点就停在抱怨层面，变不成洞察。
方案层和决策层是B端访谈的重头戏。方案层问客户对解决方式的偏好和已有尝试，决策层问预算、审批流程、关键决策人。这两层的问题在提示词里我会明确标注“仅在信任关系建立后使用”，免得访谈前半段就把客户吓跑。收尾层我固定让AI生成三个问题：还有什么我没问到的、后续你希望我们怎么跟进、能不能推荐一个我们可以访谈的人。三个问题一收，访谈干净利落。
分层的真正价值在于灵活组合。一场三十分钟的短访谈，暖场、现状、痛点、收尾四层就够用。九十分钟的深度访谈，七层全上。我会让AI在生成时给每层标注建议时长，现场看着时间砍层，心里不慌。
2.4 问题清单提示词的生成规则：覆盖维度、避免诱导、追问路径与问题优先级
覆盖维度这块，我在提示词里会写成硬性清单——“必须覆盖：客户业务目标、当前工作流程、现有工具与替代方案、决策影响因素、未满足需求、对竞品的认知”。清单写出来，AI生成的问题才不漏项。以前我不写清单，十次里有八次AI会漏掉“替代方案”这个维度，可替代方案恰恰是理解客户真实需求的关键入口。
避免诱导这条，除了在提示词里写“禁止使用引导性措辞”，我还会加一条自检指令：“生成问题后逐条检查是否包含暗示性形容词或预设立场，如有则自动改写。”这个自检要求是跟一个做用户研究的朋友学的，效果立竿见影。加了自检之后，AI会把“你觉得我们产品的响应速度是不是有点慢”主动改成“你平时使用过程中响应速度方面的体验是怎样的”，引导味基本消掉了。
追问路径的生成规则，我要求AI对每个主问题附上两到三条追问方向，追问还得分类——澄清型追问（“能具体说说吗”）、深挖型追问（“这对你们团队意味着什么”）、对比型追问（“跟之前用的方案比呢”）。三种追问类型覆盖下来，现场基本不会冷场。我特别看重追问路径，因为访谈现场最容易断的地方就是客户回答完之后，你不知道下一句接什么。
问题优先级我会让AI给每道题标P0、P1、P2。P0是必须问的，P1是时间允许就问，P2是备选。这个标注看着不起眼，现场时间被客户压缩到二十分钟的时候，翻一眼P0就知道砍哪些题，不需要现场重新判断。
2.5 模板与问题清单的变量化、复用及行业/客户类型本地化调整
变量化是我最近半年才认真做的一件事。我把通用模板里所有跟具体客户绑定的部分抽成变量——{{客户行业}}、{{访谈对象角色}}、{{业务阶段}}、{{产品名称}}、{{已知问题}}。每次用的时候只填变量区，模板主体一个字不动。这样做的好处是版本可控，不会出现“每次用都改得面目全非、下次再用找不到上次改了什么”的乱局。
复用方面，我按两个维度建了个小型模板库：场景维度和客户类型维度。场景维度就是前面那五类访谈，客户类型维度分B端大客户、B端中小客户、C端用户、渠道伙伴。两个维度交叉，常用组合大概十来套模板。每次新访谈来了，先匹配最接近的那套，再做微调。这套做法我用了大半年，准备时间从平均四十分钟压到了十五分钟以内。
本地化调整我栽过跟头。有回拿一套标准B端模板去访谈一家传统制造业客户，问题里全是“数字化”“线上化”“用户旅程”这类词，客户听得直皱眉。后来我在提示词里加了一条硬规矩——“使用客户所在行业的常用术语，禁止出现互联网行业黑话”。行业适配不只是换几个词的事，问题切入角度也得跟着调——制造业客户更习惯从流程和成本切入，互联网客户更习惯从用户体验切入。这个差异我现在会直接在提示词里写清楚，让AI按行业调整表述方式和切入角度。
3.1 使用流程：目标澄清—提示词生成—人工审校—试访验证—提纲定稿
我落地客户访谈提纲提示词的第一步，从来不是打开AI。先拉上业务方开个十五分钟短会，把访谈目标吵清楚——这次到底想验证什么、拿到的信息给谁用、访谈对象是谁、哪些话现场不能说。目标澄清这一步省不得。有回业务方只丢过来一句“聊聊客户需求”，我追着问了三轮，才弄明白他们真正想确认的是客户愿不愿意为售后响应速度付费。目标一清楚，后面填变量区、生成提示词才有准头。
提示词生成之后，人工审校是硬门槛。我通常先扫三个地方：问题是不是围着访谈目标转、有没有踩敏感话题、角色设定有没有跑偏。审校时我会把AI生成的问题逐条念出来，念着别扭的当场改。试访验证我一般找同事或者一位关系好的客户做预演，重点看两件事——问题顺序顺不顺、客户回答完之后追问接不接得上。有次跳过试访直接上阵，结果问到第五个问题客户就开始看表，回来我把那段问题顺序整个调了。
提纲定稿不是终点。我会把试访里的卡壳点、客户反问、临时砍掉的问题写进提示词备注区，下一次同类访谈直接调用。这套流程跑顺之后，单场访谈的准备时间从四十多分钟压到十五分钟以内，现场翻车的次数也少了很多。
3.2 与访谈记录、洞察提炼、行动跟进及复盘沉淀的衔接方式
客户访谈提纲提示词生成的不只是一份问题清单，它得给后面的记录留接口。我要求每个主问题带编号和关键词标签，访谈时记录人直接按编号记原话。这样访谈结束，记录稿和提纲能一一对应，不会出现“聊了一堆、整理时找不到出处”的乱局。记录人视角和访谈者视角不一样，访谈者顾着追问，记录人盯着编号和关键词，两个人配合起来效率高很多。
洞察提炼这一步我会把记录稿和提纲一起丢给AI，提示词里写清楚“按问题编号归因，每条洞察标注对应的访谈原话”。行动跟进则从决策层问题里转化任务——客户提了预算周期，跟进任务就写“确认预算审批节点”；客户提了竞品名称，任务就写“补充竞品对比材料”。业务方拿到的是带原话出处的行动清单，不是一堆空泛结论。
复盘沉淀我放在访谈后第二天做。把现场表现、提示词效果、意外收获写回模板备注区。有一次访谈客户主动提到一个我们完全没预设的采购流程，我当天就把这个维度补进问题清单提示词的覆盖清单里。提纲、记录、洞察、行动、复盘这五件事串起来，客户访谈提纲提示词才真正变成可复用的资产。
3.3 提示词效果评估指标：问题覆盖度、表达中立性、现场可执行性与洞察产出质量
每场访谈结束，我花五分钟给提示词打个分。问题覆盖度看硬性清单命中了几项，表达中立性抽查三道题有没有暗示性形容词，现场可执行性数一数卡壳次数和临时砍题数量，洞察产出质量看访谈后能不能提炼出三条以上可行动结论。这四个指标不用搞复杂评分表，记在模板备注区就行。
有一次覆盖度打了满分，洞察产出质量却很低。回头翻记录才发现，问题问得全但问得太宽，“你对当前流程怎么看”这种题客户回答全是场面话。后来我在提示词里加了一条约束——“每个主问题必须指向具体行为或具体事件”。覆盖度是底线，洞察质量才是上限。
评估不是为了考核AI，是为了迭代提示词。哪项指标连续两场偏低，我就知道该改提示词结构了。现场可执行性差，通常是问题太长或者追问路径没给够；表达中立性差，得把自检指令再往前挪。这套打分习惯坚持了半年，模板库里的提示词版本更新了十几轮。
3.4 常见问题与优化策略：问题过多、诱导性表达、角色错配、输出泛化与追问不足
问题过多是最常见的毛病。AI一放开生成，三十道题起步。我的优化策略简单粗暴——提示词里写死数量上限，再要求标注P0比例。一场六十分钟访谈，P0控制在八到十道，P1备五六道。现场时间被压缩，翻到P0那页就能直接开问。
诱导性表达我吃过亏。早期提示词里没写自检指令，AI生成过“你觉得响应速度是不是有点慢”这种题，客户一听就笑了。后来我加了两道关：提示词里要求生成后逐条自检改写，人工审校时再抽查一遍。角色错配也常见，给采购负责人问一线操作细节，对方直接回一句“这不是我关心的”。现在我在提示词里把访谈对象的信息层级写死，高管问战略和预算，一线问流程和工具，交叉问题单独标注。
输出泛化靠补充背景信息和反例。提示词里塞两三条“不要生成这类问题”的反例，比写十句原则管用。追问不足的优化策略是强制要求每个主问题附三条追问，追问还得分类——澄清型、深挖型、对比型。现场客户回答完，低头扫一眼追问分类，下一句自然就接上了。
3.5 进阶扩展：多角色访谈设计、跨文化/跨部门访谈、AI辅助动态追问与提纲迭代
多角色访谈我现在会先画一张角色矩阵。同一场访谈目标，一线使用者、采购负责人、技术评估者、高管各一套问题，矩阵里标注哪些问题交叉验证、哪些只能问特定角色。B端访谈现场经常多角色一起聊，提前把角色之间的追问衔接想好，现场省下大量临场反应时间。
跨文化访谈和跨部门访谈是另一个坑。跨文化访谈我会在提示词里加一条“避免行业黑话和地域预设”，问题表述尽量直白。跨部门访谈注意KPI差异，财务关心成本，运营关心效率，技术关心稳定性，提示词里把各部门的关注点写清楚，AI生成的问题才不会一锅烩。有回访谈跨部门客户，我拿一套通用题去问，财务负责人全程皱眉，后来把成本相关的问题前置，气氛才回来。
AI辅助动态追问我试过一段时间。现场用实时转写工具，AI根据客户回答推荐追问方向，人负责判断取舍。这套做法适合深度访谈，短平快的回访反而拖节奏。提纲迭代我固定在每月底做一次，把当月访谈里的“意外问题”和“高频追问”回填到模板库，客户访谈提纲提示词就这么一轮一轮长出来的。
