产品与增长

1. 前言 问卷调查，对于产品而言，是一次了解用户真实想法的机会。 这在很多产品推出某个模块的新功能，或是需要做迭代而非优化的时候，尤其是大版本迭代，甚至是改动当前产品系统架构的情况，都格外适用。 比如从 V1.0.0 升级到 V2.0.0 ，产品的功能可能在用户看来变化不大，但是往往让用户印象深刻的是，产品的 UI 层面发生了翻天覆地的变化。 这就需要快速掌握用户对产品的反响如何，而问卷调查，无疑是一种低成本、快速获取需求的方式。 但其实，还有一个隐藏的、最重要的需求，就是获客。可以筛选哪些是真正有需求的用户，然后下一步就是深入沟通。 而我，在年前就刚好要做这个事情，当然，我没有做过。 2. 问卷要怎么实现？ 怎么才能节省成本呢？ 这是在还没做一件事情之前，就要考虑的问题。 为什么这么说呢？因为很多人习惯性认为，不就是一个问卷调查的页面嘛，前端代码闭着眼睛敲，一下就完事儿了。 但是，你要考虑后面的问题，实现只是第一步，后面隐藏的需求，你可能没看到。 比如统计数据怎么获取？是不是还要自己实现？ 比如排版调整，比如改动文案，这些是不是都要经过你改代码才可以？ 比如我要新增图片？比如我其他项目也要使用问卷调查，能否快速复用？ 所以，在动手之前，还是要先停一下，想一想，有没有什么工具可以直接实现这个需求。 那 “问卷星” 这个耳熟能详的工具，自然就出现在我的脑袋里。 借此机会，我也去问了 AI，到底有哪些可用的问卷调查工具，一一试用之后，我就对各种方案，做了言简意赅的说明。 最终，我推荐腾讯问卷。 2.1 腾讯问卷 功能丰富，界面美观，灵活定制化高，支持插入图片 个人、企业都可以免费试用 2.2 飞书问卷 功能丰富，灵活定制化不高，但实现当前我们的需求足够了 个人、企业都可以免费使用 2.3 问卷星 功能很丰富、可灵活定制化 个人可免费使用，企业版需收费 2999 元一年 2.4 代码实现 代码实现功能丰富、灵活度更高 性价比低，有现成的方案，没必要自己开发 3. 问卷调查的内容是什么？ 上面已经明确了问卷调查的实现方式，接下来就要解决文案设计的问题，就是问卷调查的内容填充，具体应该是什么？ 这个就需要看你的需求了。你是想了解用户的什么信息？是对你产品的新功能，还是下一个版本，或者下一个方向的功能调研？ 但在我看来，不管是哪个方面的内容，首先要明白的是，问卷调查的内容，不宜过长，要尽可能地减少无效信息，突出核心的部分。 比如你是新功能调研，那就需要问用户，是否存在业务某一方面的痛点，然后我上这个新功能，是否可以解决？如果解决不了，那用户你更希望提供什么功能？ 具体内容要具体分析，但是 “痛点 - 需求 - 方案” 应该是一种通用思路。 因为对于用户而言，什么花里胡哨的功能、界面都无关紧要，最关键一点，你到底能不能解决我遇到的问题？ 4. 怎么吸引用户填写这个问卷 这就要学会从用户的角度出发，思考会有哪些问题： 我为什么要打开你这个问卷？ 我为什么要填你这个问卷？ 我为什么要如实填写你这个问卷提出的问题？ 我为什么要留下个人信息？ 实不相瞒，很多产品、游戏都有问卷调查，我之前也遇到过一些，但是我基本上都是乱填的，主要是觉得没什么好填的。 ...

从最开始的人工网上收集目标客户，到通过编写各维度需求文档，最后到制定判断标准模板，通过纳米 AI 智能体【深入研究】实现目标客户分析。 基本上可以说，这大大减少了很多工作量。 在此基础之上，仍有继续探讨的空间，因为 AI 的发展日新月异，更新迭代的速度快得惊人，能想到的一种方式，不可能是通吃的，只适用于某个时间段。 所以，我还是整理一下我对这个工作模式最终的设想： 借助 AI 开发一个系统，每天通过已经制定好的判断模板，对网上新发布出来的信息进行整合与分析，然后推送符合条件的潜在客户名单给我。 不需要我主动去找潜在客户名单，再依次通过这个方式拿到最终的结果，而是这些工作都由 AI 完成，从找客户 - 判断客户 - 提供满足条件的客户，全程自动化。 简单梳理了一下这个 “自动化的潜在客户挖掘与筛选” 系统的需求，让 AI 全程处理从信息收集到客户筛选的完整流程： 信息收集阶段 AI 定期扫描指定的信息源（行业网站、社交媒体、新闻平台等）； 自动抓取新发布的企业或个人信息； 实时更新到数据库中。 智能分析阶段 根据你设定的判断模板进行多维度分析； 评估客户的需求匹配度、购买意向、预算等； 对每个潜在客户进行评分和分类。 结果推送阶段 每天定时推送符合条件的高价值客户名单； 提供详细的客户分析报告； 可能还包括推荐的跟进策略。 整个流程，我是直接拿到结果，不需要再做前面那些工作。 这样子的话，我就可以把工作重心转移到线下，开始下一步的接触。 这个系列其实很简单，就五篇文章，记录了客户分析这个工作的方式迭代和个人的一些感受。 说到底，还是那一句话： 在纸面上的东西做得再花里胡哨、十全十美，都抵不过线下真正去接触、沟通和了解。 我们总说要找到客户需要的东西，但客户需要的东西，往往是客户存在的痛点，而痛点也就是自己的弱点，这个就是商机。 但谁会把自己的弱点，公开在网上，敲锣打鼓，广而告之？ 换位思考就会明白，人也是如此，在外人面前，呈现的肯定都是好的一面，甚至还要进行包装，谁会把自己不好的一面表现出来？ 每个人都在说着对自己有利的故事。 在这样的情况之下，仅依靠网上收集到的信息，就能获取到商机，无异于天方夜谭。 所以，线上的客户分析，只要做到大体上的了解就差不多了，接下来就要快速去确认和对掌握的信息去伪存真。

1. 从信息收集到判断的困境 在前面的文章中，我已经说明了如何使用 AI 智能体来实现快速收集客户信息。 在这个阶段，我反复切换扣子 AI、豆包 AI 和纳米 AI 智能体来推进客户分析工作。 持续使用一段时间后我发现，比起从网上收集客户信息，要综合这些收集到的信息对客户情况做出判断，其实并不是一件容易的事。 我常常需要面对这几个核心问题： 这个客户是否值得跟进？ 这个客户是否有潜在的机会？ 这个客户的潜在机会具体是哪方面？ 要回答这些问题，不光要基于收集到的信息，还需要结合自身的经验，这就让判断的过程变得不可控。 受限于我在这方面的经验本就不足，很难给出有说服力的结论。 2. 多维度评分标准的构想 谁的经验最丰富呢？自然是 AI。 AI 整合了全网的信息进行综合判断，不敢说百分之百准确，但大概率比当下经验不足的我判断得更为精准。 即便 AI 不了解当前业务的上下文，做出了不切实际的判断，我也可以根据实际情况进行调整。 相当于多了一个不同角度的参考答案，何乐而不为？ 我期望能实现这样的效果，只要输入一个企业的名字，AI 就能把企业的基本信息、发家历程、业务分布等各个维度的信息整理出来，同时对这个客户做出上述三个问题的判断。 我就可以基于这两部分信息做出最终结论，这样客户分析的工作就能高效完成，效率直接起飞。 这时我想到了人格测试的模式，在每一项维度给出得分，再计算综合得分，根据得分区间判断结果。 如果能为客户分析设定类似的维度和评分标准，就能省去我大量的时间和精力。 毕竟这一步看似简单，实际却很耗费精力，而且凭感觉做出的判断往往不够准确，感觉本就不是一个可量化的参考依据。 3. 储能客户优先级评分标准的设计思路 在这样的背景之下，我开始构思储能客户分析判断标准的设计。 核心目的就是快速判断客户是高优先级、中优先级还是低优先级，以便推进后续工作。 如果是高优先级客户，就进行重点深入分析，再和销售沟通如何进一步获取信息，探索合作机会。 如果是中优先级客户，就延后分析。 如果是低优先级客户，就暂时不再关注。 我希望能让 AI 完成全部的判断工作，不需要我再手动对潜在企业的优先级进行判断。 为此我设计了以下这些维度，整理成一个表格： 企业名称 地区 实缴资本 参保人数 企业性质 企业类型 产品关联度 是否已有储能云平台 合作机会点 优先级 每个维度都需要设计对应的选项和分数比重。 以地区维度为例，我设计了三个选项： 发达地区（如一线城市及重点二线城市）：市场成熟，需求多样，对新技术接受度高，合作机会大。 发展中地区（如一般二线城市及部分三线城市）：市场潜力大，但可能对成本较为敏感，若产品性价比高，合作机会较大。 欠发达地区（部分三线城市及以下地区）：市场需求相对较少，合作机会较小，但可关注政策扶持带来的机遇。 因为我们是做储能云平台的，“是否已有储能云平台” 这一项的分数比重应该最高。 这里以 “是否已做工商储能” 和 “地区” 为例，展示具体的评分设计： ...

在通过人工网上收集信息完成储能客户分析后，我就想着，能不能通过 AI 智能体来完成这个工作。 本来就是网上收集信息的工作，人工哪能比得过 AI 啊。在这样的认知和期待之下，我开始在扣子平台研究 AI 智能体。 今年 4 月份，我曾写过《储能企业调研流程基于 AI 智能体优化》的方案文档，核心是对比当下各 AI 平台智能体的使用情况。 当时的结论是，基于扣子平台开发一个储能企业分析的智能体，用来完成目标客户分析的工作。 使用扣子平台开发 AI 智能体 下面是创建的 AI 智能体角色设定，除基本的企业信息收集功能外，我认为有两个极具价值的设计点： 要求提供可验证的真实信息来源：需附上能直接点开的链接，展示信息原文，方便对 AI 提供的判断和信息进行甄别验证。 加入企业视角的假设设定：假设我们是一家拥有储能云平台的储能高科技企业，让 AI 智能体从我们的视角出发，分析目标客户的合作机会点，直接为业务工作提供支撑。 # 角色 你是一个信息收集与分析专家，名叫小储，能够精准、全面地收集企业相关信息，并依据要求进行整理呈现。你致力于为用户提供关于企业多维度的准确内容，服务于对企业信息有需求的用户。 ## 技能 ### 技能 1: 收集企业信息 1. 当用户发送一个企业名称时，使用工具从网上收集资料。 2. 从以下几个维度提供准确的答案： - 基本信息 - 发家历程 - 业务分布 - 主要产品 - 是否需要储能云平台 - 合作机会 - 结论 3. 要求提供依据，不能瞎编乱造，并显示依据的信息源头，使用表格输出。其中，我们是一家专注于储能数智化的高科技企业，提供多维度的储能产品和解决方案，服务于储能设备商、投资商、微电网等多个场景。我们拥有强大的物联网和技术革新能力，与全球领先企业合作，共建储能生态，携手迈向绿色未来。 ===回复示例=== | 维度 | 详情 | 依据 | 信息源头 | | ---- | ---- | ---- | ---- | | 基本信息 | [具体信息] | [详细说明依据内容] | [具体网址或资料来源] | | 发家历程 | [具体历程] | [详细说明依据内容] | [具体网址或资料来源] | | 业务分布 | [具体分布] | [详细说明依据内容] | [具体网址或资料来源] | | 主要产品 | [具体产品] | [详细说明依据内容] | [具体网址或资料来源] | | 是否需要储能云平台 | [是/否] | [详细说明依据内容] | [具体网址或资料来源] | | 合作机会 | [具体机会点] | [详细说明依据内容] | [具体网址或资料来源] | | 结论 | [具体结论] | [详细说明依据内容] | [具体网址或资料来源] | ===示例结束=== ## 限制: - 只回答与用户输入企业名称相关的信息收集与分析问题，拒绝回答无关话题。 - 所输出的内容必须按照给定的表格格式进行组织，不能偏离框架要求。 - 提供的所有信息必须有可靠依据，依据内容需详细说明。 - 信息源头必须明确显示具体网址或资料来源。 - 通过工具在互联网上获取信息，确保信息来源准确。 在扣子开发页面，呈现效果如下： ...

首先，假设我们是做储能云平台的，基于这样的设定，就能把目标客户定位在储能集成商、储能主机厂等上面。 在进行目标客户分析时，我们需要从七个维度入手：基本信息、发家历程、业务分布、主要产品、是否需要储能云平台、合作机会，最后进行总结。 如果拿到的目标客户名单不全，都是简称，很难定位到具体哪一家公司。 这个情况就需要额外处理，这个问题我在《企业简称傻傻分不清？如何定位到真正的目标客户》一文中已经深入分析和探讨过，有兴趣的可以看一下。 之后，我们需要知道，能对目标客户有基本的了解，然后才能基于这些信息，进行核心的判断 “是否需要储能云平台”，这个就是我们做目标客户分析最关键的一个环节。 在判断客户是否需要储能云平台时，我们要区分两种情况： 如果目标客户需要，就要明确为什么需要？依据在哪里？ 如果目标客户不需要，就要进一步分析是自研还是使用第三方。 通过分析发现目标客户是自研或使用第三方时，是否还有合作机会呢？ 对于自研的情况，要了解是否遇到技术瓶颈？公司业务调整？ 对于使用第三方的情况，要了解是否合作愉快？服务周到？ 我在《为什么自研能力强的企业反而更有合作机会？》这篇文章中也做了深入分析，总结就是，要根据不同的发展阶段，对不同规模的目标客户，使用不同的对策，不能一概而论的。 但是，通常自研和使用第三方的情况，这个信息很难获取的。所以，只能说 “日拱一卒，功不唐捐” 了，不是努力就可以的，与很多因素有关系，但总得试一试。 上面这些分析思路，其实都可以看一下我之前写的这篇《和 ToB 目标客户接触前，要做哪些准备工作？我的一点看法》文章，虽然行业不同，但逻辑思路、使用的工具，都是一样的。 当这些信息都梳理清楚后，就可以整理一份目标客户分析报告了。 写到这里，其实，这篇文章主要是把之前相关的文章汇总了一下，感兴趣的都可以看一下。 最后，再提一点我自己的看法。 人工去分析和收集客户的信息，要掌握一个度，就是不能太浅也不能太深。 因为很多信息都是网上获取的，存在一定的错误和滞后问题，不用把分析报告写成长篇大论，或者反复深挖、咨询某一个细节点，大可不必。 只要掌握关键信息和一些判断，有一个相对可信的结论就行了。 无非就是能回答这三个问题：客户是谁？是否需要我们的产品？为什么？ 就可以了。 如果觉得目标客户真的有机会，再去找对应区域的销售沟通，了解真实的情况。 有可能和销售的一通电话，就推翻了之前辛辛苦苦写的报告。 这种情况很常见，毕竟，考虑到网上营销宣传的作用，适当的夸大和包装再正常不过了。 如果真实情况，与自己整理的报告结论南辕北辙，那会让人感觉白忙活了。 所以，客户分析报告只要把上面三个问题讲清楚，有理有据，就可以了。