本文所有练习场景均为虚构，仅用于FDE（Forward Deployed Engineer，前沿部署工程师）需求分析的实操训练，所有案例、数据均无实际对应主体。

虚构练习场景：客服团队的AI需求从模糊到具象

很多想引入AI的客户，最初的需求往往停留在“我要做AI”的模糊表述里——比如虚构的某电商客服主管李姐，她的第一句话是“我们客服每天要重复回答几百次物流、退换货问题，想做个AI帮他们”。作为FDE，你的核心任务就是把这种“感觉需要AI”的模糊诉求，拆解成可落地、可验收的具体项目。

首次需求访谈：10个必问核心问题

访谈是FDE需求分析的第一步，这10个问题覆盖了现状、目标、流程、风险等关键维度，能帮你快速把模糊需求具象化：

  1. 现状基线类：目前客服团队处理客户咨询的平均响应时长、首次解决率、重复咨询占比分别是多少？
    （核心作用：明确当前痛点的基准线，比如如果重复咨询占比达40%，AI的核心价值就是覆盖这部分，而非无的放矢）
  2. 业务目标类：这次想上AI，具体想解决哪类核心问题？比如是重复咨询自动回复、复杂问题转人工，还是降低人工排班压力？
    （核心作用：避免“为了AI而AI”，锁定项目的核心价值——比如李姐的目标是“让AI自动回复80%的重复咨询，减轻客服精力”）
  3. 用户流程类：现有客服的工作流程是怎样的？AI介入后会在哪个节点？比如是客服回复前先出AI建议，还是AI直接回复用户？
    （核心作用：确定AI的角色定位——是辅助客服的“智能助手”，还是直接对接用户的“自动客服”）
  4. 资料权限类：客服的知识库、历史对话记录等资料的权限设置是怎样的？哪些内容可以用于检索、评估或训练，各自是否已获得授权？比如客户隐私信息是否需要脱敏？
    （核心作用：提前规避合规风险，先确认是否需要处理个人信息，能不传就不传；脱敏并不自动等于获得使用许可）
  5. 数据负责人类：负责客服数据、知识库维护的团队或人员是谁？对接人联系方式是什么？
    （核心作用：明确后续数据对接的责任人，避免访谈后出现“找不到人要资料”的断层）
  6. 最小范围类：这次AI试点的最小范围是多少？比如是覆盖售前咨询，还是售后投诉？有没有明确的试点团队？
    （核心作用：控制项目风险，试点范围越小，验证成本越低——比如李姐同意先试点售前咨询组的10人团队）
  7. 验收标准类：您认为AI上线后，达到什么标准就算合格？有没有量化指标？比如重复咨询自动回复准确率≥80%，响应时长缩短30%？
    （核心作用：明确验收依据，避免后期出现“感觉效果不好但说不出具体原因”的争议）
  8. 变更边界类：如果AI效果未达预期，哪些调整是可接受的？哪些属于超出初始需求的变更？
    （核心作用：控制项目范围，比如李姐明确“调整试点范围属于可接受变更，但覆盖售后全品类属于超出需求”）
  9. 技术可行性类：现有客服工具（如工单系统、聊天系统）能否与AI集成？有没有技术限制？
    （核心作用：评估落地难度——比如李姐用的第三方聊天系统有开放API，集成无大障碍）
  10. 项目约束类：这次AI项目的预算、时间节点大概是多少？有没有必须遵守的限制？
    （核心作用：判断项目是否可行，比如记录预算5万、2个月内试点的预期，再由团队估算能否实现）

需求记录模板：可直接复制的结构化表格

访谈后需要把信息整理成标准化模板，避免遗漏关键细节，以下是适配本次虚构场景的模板：

访谈问题编号 问题内容 客户回答（虚构示例） 备注（FDE跟进点）
1 目前客服团队处理咨询的平均响应时长、首次解决率、重复咨询占比 平均响应15秒，首次解决率65%，重复咨询占比40% 基线明确，AI目标可对标
2 这次想上AI，具体解决哪类核心问题 重复咨询（物流、退换货）占比太高，客服精力被占 核心目标锁定重复咨询自动回复
3 现有客服流程、AI介入节点 客服先从知识库找答案；AI在用户咨询后先自动回复，再转人工 AI定位为“自动回复重复咨询”，辅助客服
4 资料权限、可用于对应的处理用途的内容 知识库公开，历史对话需脱敏（隐去隐私），脱敏后仍需确认使用授权、目的和保留期限 资料可用，需先做脱敏处理
5 客服数据、知识库的负责人 客服组张专员，邮箱zhang@example.com 对接人明确，需提前联系取资料
6 AI试点的最小范围 售前咨询组10人，覆盖物流、退换货类问题 试点范围小，风险低
7 AI上线的验收标准 重复咨询自动回复准确率≥80%，首次解决率提升至75% 验收指标量化，可落地
8 AI效果未达预期的变更边界 可调整试点范围、优化知识库；覆盖售后全品类属于超需求 变更边界清晰，避免需求蔓延
9 现有客服工具的集成可行性 第三方聊天系统有开放API，可集成AI回复接口 需继续核对授权、配额、字段语义及集成条件
10 项目预算、时间节点 预算5万，2个月内上线试点 仍需按人员、数据和验收范围估算可行性

常见问题处理：当客户没有可用资料时的缩小试点或暂停方案

在虚构访谈中，可能会遇到客户说“我们没有脱敏后的历史对话数据”的情况，这时候需要用两个方案快速调整：

方案1：缩小试点范围，聚焦公开资料

比如把试点范围从10人缩到3人，仅覆盖“物流查询”这一类重复咨询，先选择由客户确认有效且允许使用的FAQ，做供客服人工审核的检索建议。通用资料或合成资料只能验证技术流程，不能替代客户的退换货政策，也不能据此自动回复真实订单问题。

方案2：暂停项目，先梳理可收集资料

如果客户连公开资料都无法提供，建议暂停项目，和客户一起制定资料收集计划：比如安排专人对近1个月的客服对话做脱敏处理，明确资料交付的时间节点，避免项目因“无数据可用”最终失败。

失败处理示例（虚构练习）：客户希望直接自动回复退换货问题，但无法提供经过确认的退换货政策。此时不应拿行业通用答案冒充客户政策。先暂停该类自动回复，改用客户已批准的FAQ生成供客服审核的建议；若连FAQ也没有，先用合成资料演示技术流程，并明确尚未验证业务效果。资料负责人补齐内容后，再用固定题集评估，不能把演示成功写成准确率提升。

需求表中的百分比、预算和期限都是待确认的示例，不代表这些条件已经足以证明项目可行。应补充验收题集、分母口径、严重错误处理、审核人和试点停止条件。工具有开放API也不等于集成无障碍，还需检查权限、配额和字段语义。

相关专题内容

常见FAQ

  1. FDE需求分析和普通产品需求分析有什么不同？
    答：本专题的AI应用方向更强调把数据可用性、模型表现与工程交付一起验证；产品经理同样可能深入数据和权限问题，两类岗位会有较多重叠。
  2. 如果客户的验收表太模糊（比如“AI要好用”），怎么调整？
    答：引导客户拆解成量化指标，比如把“好用”对应“重复咨询自动回复准确率≥80%”“用户满意度≥4.5分（5分制）”，用具体数字替代模糊描述。
  3. 最小范围怎么确定才合理？
    答：最小范围要满足“快速验证核心目标”，比如覆盖1个小团队、1类问题，这样能在短时间内看到效果，及时调整方案，降低项目风险。

返回FDE专题