一期产品上线四个月增长数据勉强能看留存却开始往下掉。每天被运营、销售、客服轮番拉进群问的都是同一句话二期到底做不做这个需求我的电脑里躺着三份文档一份CSM整理的用户反馈表三百多条格式还互相打架一份销售从客户现场带回来的竞品对比清单还有一份只开了个头的用户访谈纪要。老板只给了一句话二期规划两周内给我。我看着这些材料又看看已经排到下个月的日常迭代做了一个决定这次二期规划不搞闭门拍脑袋也不开那种三小时吵不出结果的评审会而是从GPT开始。这篇文章不聊GPT有多神只聊我真实的使用过程——我怎么把一堆脏乱差的输入喂给它怎么让它帮我整理需求池、做优先级排序、生成路线图草案又怎么让它反过来挑我方案的毛病。包括那些坑高峰期排队、回答降智、一本正经地编理由。这些都是实际操作里绕不开的我会把能复现的Prompt和思考链路一并放出来供你参考。1. 为什么二期规划要从GPT开始而不是从Excel开始先说一个反直觉的结论让GPT参与产品规划最大的价值不是替你思考而是逼你把问题问清楚。我见过不少团队用AI做规划上来就一句帮我规划产品二期然后看着GPT输出一堆正确的废话。问题不在GPT在输入本身。1.1 一期的烂摊子恰恰是GPT最好的养料二期规划最难的不是想做什么而是面对那么多信息先处理哪一块。一期积累下来的用户反馈、客服记录、销售录音、数据看板这些都是非结构化内容人肉去读要花好几天而且读的时候很容易带着预设结论。我把这三份材料直接丢给GPT不是让它给我答案而是让它先做一件事把原始信息变成结构化的需求条目。这一步的价值被很多人低估。GPT在语义理解、信息归类和表述规范化上的能力刚好卡在人肉整理太慢和纯规则抽取太死板之间。1.2 GPT在规划流程中的准确定位不是一个顾问而是一个强力实习生我给自己定的规矩很简单GPT负责量大、重复、需要结构化的活我负责判断、取舍、承担后果的活。这个定位非常重要。如果你把GPT当顾问你会忍不住问它我们应该做这个功能吗它给出的答案往往来自互联网上的通用经验脱离你的业务数据。但如果你把它当实习生你的使用方式会完全不一样你会给它明确的任务、提供足够的上下文、要求它按格式输出然后你来检查、修改、采纳。这是二期规划和一期最大的不同。一期规划时团队还有新鲜感靠讨论能激发出不少想法。到了二期大家已经疲惫了讨论容易变成立场之争。这时候需要一个不知疲倦的外脑先把材料嚼碎了喂给大家把讨论焦点从信息对齐提升到决策判断。2. 需求池搭建让GPT先啃完那一堆乱糟糟的反馈我的一期反馈表里有三百多条用户反馈来源包括应用商店评论、客服工单、销售微信群截图、产品内置反馈按钮。这些内容的格式五花八门有人写导出能不能快点有人写统计那里数据不对我客户要的是按项目维度看你们只有按人看的麻烦改一下很急还有人写为什么更新之后我之前的筛选条件没了艹。2.1 我喂给GPT的原料长什么样我没有做任何清洗直接把原始表格按来源|用户原话|时间三列整理成一个文本块就丢了进去。为什么不清洗因为清洗本身会带入我的主观判断我想先看看GPT在完全没有我干预的情况下能从这些噪音里提取出什么。Prompt如下你是一个有5年经验的SaaS产品经理。下面是一份用户反馈原始记录每行是一条反馈格式为【来源|用户原话|时间】。请完成以下任务 1. 将每条反馈归类到一个需求主题最多20个主题主题名要简短 2. 对每条反馈提炼用户诉求一句话和原始问题用户没说出来但实际卡住他的点 3. 统计每个主题下的反馈条数按条数从高到低排序 4. 标注每条反馈的情绪倾向负面/中性/正面 5. 对明显的重复反馈做合并说明合并依据。 输出格式先给一张主题汇总表再给明细列表。不要遗漏任何一条反馈。这里有几个关键设计点要求它不要遗漏任何一条是为了防止它自作主张丢掉它觉得不重要的内容先给汇总表再给明细是为了让输出符合我后续处理的节奏而不是给它自由发挥的空间情绪倾向这个维度是想在二期需求优先级里引入这个用户是不是快流失了的信号。2.2 第一版输出与我的修正GPT给了一张主题表排在前几位的是导出功能太慢38条、统计维度不够灵活29条、筛选条件经常丢失21条、权限管理太粗17条。这个结果和团队内部的直觉基本一致但它额外抓出了两条我们忽略的信号一是批量操作相关的反馈虽然只有9条但情绪倾向全是负面二是导入模板不够灵活被重复提到了8次销售那边一直没记录进统一反馈表。不过我很快发现了一个问题GPT把移动端适配和响应式布局归成了两个主题但我看了一下原始反馈这两类描述的是同一件事。这提醒我一个教训——GPT的分类只能作为初筛不能作为最终依据。我把它的输出拿回来人工过了一遍做了二次归类把20个主题压成了14个。这一步耗时40分钟比我自己从头读三百条反馈快了两个多小时。二次整理后的需求池长这样节选主题原始反馈数合并后需求数高情绪负面占比导出性能优化381272%统计维度灵活性291655%筛选条件持久化21868%权限精细化171130%批量操作94100%这个表格就是二期规划后续所有讨论的基准。之前团队讨论需求总是我感觉这个重要我最近接到好几个客户问这个现在每个人讨论的是这个主题有多少条反馈、负面情绪占比多少。谈话质量一下子不一样了。3. 优先级排布用RICE打分代替拍脑袋需求池整理完之后真正的硬仗来了14个主题不可能二期全做。团队之前惯用的方式是产品经理定优先级然后被销售挑战。这一次我想让优先级本身有说服力所以引入了RICE模型并且让GPT帮我把每个主题的RICE参数算出来。RICE熟悉的朋友应该知道四个字母分别是触达Reach、影响Impact、信心Confidence、投入Effort最终得分是 (Reach × Impact × Confidence) / Effort。这个模型最大的好处是把优先级争论转化为参数争论——你不同意排序结果那你说说哪个参数估错了。3.1 让GPT估算RICE参数但给它框死范围我把14个主题的汇总表喂给GPT要求它按下面的模板输出对每个主题给出以下参数估算 - Reach受影响的用户数/月基于用户反馈量和现有用户规模估算给出数值和理由 - Impact每个用户的影响程度按 3重度影响2中度1轻度0.5极小 评分给出理由 - Confidence信心指数按 100%高信心80%中高50%中等30%低 评分说明依据 - Effort投入人周按你理解的功能复杂度和团队规模估算 最后按RICE公式计算得分从高到低排序并列出你估算过程中用到的最关键假设。这里最关键的指令是最后一句列出你估算过程中用到的最关键假设。因为我知道GPT的数值全是猜的但它的猜可以帮我们暴露出我们团队自己都没意识到的隐含假设。比如它在评估权限精细化时写了一条假设当前有20%的付费用户因为权限问题无法在组织内推广这一假设影响Reach估算。我们一看这不是假设这是事实——我们的销售确实是这么说的。而它在评估导出性能优化时写假设导出功能是用户高频路径日触发次数超过5000次。这个数字我们一查后台5000次是有的但用户反馈里那些抱怨导出慢的人很多是在导出大表格时才遇到日触发大表格导出的次数其实不到200次。也就是说反馈数量高不代表真实触达量大。3.2 当GPT的打分和团队直觉冲突时排序结果出来后最受争议的一项出现了GPT把筛选条件持久化排到了第一位把团队想主推的统计维度灵活性压到了第三。筛选条件持久化在我们原计划里根本排不上号团队觉得这是一次性体验问题不是粘性功能。但GPT给出的理由很直接反馈条数少但情绪极负面而且这类问题最容易引发用户流失因为它的发生场景是用户正在高频使用突然设置的视图被清了。我们花了一个小时去验证查了客服工单确实有3个客户因为这个问题在续费节点上有犹豫查了数据库发现筛选条件的保存机制存在一个前置bug导致部分账号会异常丢失。这一查直接把一个不起眼的体验优化变成必须修的bug。最后这个主题被提为P0。我没有被GPT说服是被它逼着去查证然后被证据说服。这和使用AI的正确姿势一致AI不给你正确答案它给你提供需要验证的假设以及验证所需的清单。4. 路线图与里程碑GPT出草稿我出判断优先级定完下一步是排版本节奏。二期一共二十周团队六个人。我把优先级前八的需求、每个需求的RICE得分、以及我初步估算的依赖关系交给GPT让它生成一版分三阶段的路线图草案。请基于以下需求列表输出一版20周的路线图草案 - 需求A导出性能优化预计6人周依赖B的数据层改造 - 需求B底层报表引擎重写预计10人周无外部依赖 - 需求C筛选条件持久化预计3人周依赖B完成后的接口 - 需求D权限精细化预计5人周依赖A完成后前端改动 ... 要求 1. 将需求分配进P0第1-8周、P1第9-14周、P2第15-20周三个阶段 2. 标注每个阶段的目标用一句话说明这三周做完这些事能给用户带来什么价值 3. 考虑人员技能搭配避免出现一个前端同时做三个需求的排期冲突 4. 每个阶段末尾预留一周缓冲时间 5. 输出格式阶段表格 风险备注。4.1 这版草稿的质量评估老实说这版草稿比我预期的好但好的地方不是规划本身而是它给出的阶段目标描述非常管用。比如它给P0阶段写的目标是让最活跃的付费用户明显感到常用功能不再等、设置不再丢团队看了这行字马上就知道这八周该围绕什么来做用户沟通。这类总结性表述以前要反复讨论好几轮才能收敛GPT一句话就给了方向虽然措辞还得改但核心价值已经在了。但它也犯了一个典型错误在分配需求时它把权限精细化和统计维度灵活性强行排进了同一个阶段理由是两者都涉及组织架构数据可在同一轮重构中统一处理。这个理由看起来很合理但如果真的这么排就需要一个后端在两周内同时交付两块业务而我比GPT更清楚这两个功能在我们系统里分别挂在两个价值单元上底层数据结构虽然有关联但改动范围完全独立硬塞在一起会把两个团队成员的上下文全部打碎。这个矛盾暴露了GPT规划的短板它擅长处理显性依赖不擅长处理隐性成本。同一个模块迁移带来的上下文切换成本、跨业务单元协同成本、测试回归面扩大的风险这些在数据库中不在Prompt里它看不到。所以我把那一段改了把两个需求放到P1和P2中间隔了一期。4.2 从草稿到可执行的检查清单我拿着GPT的草稿没有直接当最终版本而是走了一遍检查清单。这清单也是我建议任何用AI做路线图的人都应该过一遍的检查依赖关系是否被GPT编造。AI有时候会根据常识虚构依赖比如权限管理是基础应该先做——但你业务的真实依赖可能不是这样。检查人力分配是否违反现实约束。GPT不会知道某个核心工程师那段时间的休假安排。检查里程碑价值是否连贯。每一阶段结束时的用户价值能不能串成一个完整的故事如果串不起来说明资源配置有问题。检查缓冲时间是否被悄悄吃掉。AI给出的排期往往是理想状态的一旦出现第一阶段延了两周后续要不要自动顺延我给GPT补了一版带延后策略的排期结果它给出的方案是把原计划P2阶段砍掉30%范围——这个反正我是不可能同意的但至少它提醒了我排期时必须提前想清楚哪些功能是可牺牲的。5. 让GPT扮演毒舌评审替我把二期方案先骂一遍方案初稿出来后我干了一件事把完整方案喂给GPT让它扮演一个苛刻的外部评审专家专门找茬。这一步的价值超出了我的预期。5.1 设置角色与约束条件防止它变成好好先生直接问这个方案咋样AI大概率会说这个方案整体是合理的很有价值这种反馈毫无用处。所以我给GPT设置了三重人格和输出纪律请你分别从以下三个角色评审这份二期规划每个角色都必须找出至少5个具体问题问题必须指向方案中的具体内容引用我的原文禁止泛泛而谈。 角色A刚被我们产品坑过一次的付费客户关注新功能是否能解决他真实痛点 角色B我们公司新来的高级工程师关注技术可行性和排期风险 角色C打算投资我们公司的外部投资人关注ROI和是否有更重要的事没做。 最后请把三个角色提出的问题合并去重按紧急程度排序输出一份必须正面回应的问题清单。GPT的第一轮回复里有三个问题让我印象很深客户角色提了一个我们完全没想到的场景权限精细化做完之后如果管理员给一个新成员授权了一堆权限但新成员在新界面里找不到授权的入口那这个功能等于没做。它的原文是你们只规划了权限模型没有规划授权体验。回头看反馈表确实有两个客户提到过管理后台太复杂不会操作但我们当时把这些归到易用性优化了没有和权限精细化联动考虑。工程师角色指出筛选条件持久化虽然估了3人周但现有筛选系统是前端本地存储实现的要改成服务端存储还牵扯到接口结构变动3人周大概率不够。我核对了技术方案后把Effort改成了5人周。投资人角色问了一个灵魂问题第二阶段目标让中型团队能自助配置统计视图但你第二阶段投入了4个后端中的3个第三阶段只剩一个人维护线上稳定这期间如果线上出事故怎么办这个问题问得刁但确实是我们小团队的典型困境——资源高度倾斜维护和创新的张力。5.2 一轮评审不够再逼它给反方意见我看了一下第一轮输出已经能发现有一些地方是它为了找茬而找茬理由根本站不住。比如它说导出性能优化对用户增长没有直接贡献——这当然对但产品迭代不只有增长一个目标留存也很重要。这说明角色扮演的局限性它会把角色套得很僵化没有全局视角。所以我又追加了一轮这次换了一个角度忽略所有角色回到你自己。现在请基于全局视角列出上述三个角色可能的判断偏见以及这些偏见可能导致他们忽略了什么。然后基于全局利益给出你心中二期最重要的事和最不该做的事各一件。这段Prompt的回报非常高。它承认自己作为客户角色时忽略了数据安全问题作为工程师角色时过度关注代码层面而忽略了业务闭环作为投资人角色时只看财务回报忽略了技术债。最后它给我的最重要的一件事是二期必须把用户反馈的收集机制本身做升级否则三期还会陷入同样的信息黑洞。这个判断和团队的长期心愿一致我们一直想搭建一个更结构化的客户反馈闭环但总被日常迭代挤掉。二期终于把它提上了日程。6. 规划周期里的GPT使用心得与几个绕不开的坑两周的规划期我几乎是天天和GPT打交道。除开规划和业务本身也踩了不少工具层面的坑。这些坑不算深但遇到了真的很影响效率。6.1 高峰期排队和降智怎么办这次规划期间我大概碰到三次答非所问的情况输出明显变得敷衍句子短结论套路化。专业一点的解释是上下文窗口内的注意力分配失衡通俗理解就是——它走神了。这个时间段要是拿去处理重要的Prompt等于白干。我的应对办法很朴素第一天试下来发现每天上午十点到十一点、下午两点到四点这两个时段很不稳定我就把需要高质量输出的任务比如优先级评审、路线图生成安排在相对安静的时段把批量整理反馈、格式转换这类容错高的任务放在高峰时段。另外遇到一次一直显示重新连接我直接把整段对话复制出来新建会话重新粘贴上下文继续。如果遇到反复生成中断我会干脆停一会儿再回来。这种问题的根源多半在服务端负载和我们本地操作关系不大等一会儿再试性价比最高。6.2 长对话到后面会飘需要及时开新会话规划期中途我有一次在一个会话里连续问了十几个问题从需求整理一路聊到竞品分析。到后面明显感觉它开始遗忘早期信息——它对筛选条件持久化这个需求的措辞从筛选条件持久化慢慢变成了筛选功能增强上下文污染非常隐蔽。我后来的习惯是每个大任务独立开一个会话并在新会话开头贴一段精简版的项目背景卡片。背景卡片大概长这样项目背景小微企业SaaS项目管理工具一期已上线付费用户约800家MAU约4000。 二期目标提升留存主攻统计、导出、权限、筛选体验。 当前阶段需求优先级已定正在细化路线图。 请基于以上背景回答问题如果问题涉及特定需求以我提供的需求描述为准。这张卡片看着简单但能减少大量因为上下文缺失导致的我从头讲起或者我猜你说的是的情况。6.3 输出质量不稳定时先检查Prompt别急着怪AI有几次我觉得GPT给的结果很蠢比如让它提炼需求主题它给我提炼出让产品更好用这种废话主题这类主题对决策毫无帮助。我的第一反应是换一个模型再试试但后来发现问题出在Prompt上——我只说了提炼主题没有说主题要基于用户的具体行为动词。修正后的Prompt是提炼需求主题时请使用动词对象的结构例如优化导出流程、增加统计维度配置不要使用提升用户体验这类无法被检验的表述。加了这句话之后输出质量立刻上了一个台阶。这是一个很深的教训AI输出的质量上限主要由输入定义的。遇到不满意先回头审一下自己的指令比反复问AI你再想想要高效得多。最后再说两句这次二期规划GPT不是主角团队才是。它的角色更像一个不知疲倦的实习生干活快、量大、偶尔犯浑、需要盯。真正的判断——哪些需求进二期、哪些缓一缓、技术排期怎么落地——还是团队自己定的。但如果没有它在前期帮我把三百多条反馈变成结构化的需求池没有它逼着我把优先级排序的隐含假设一条条列出来这次规划至少要多花一周时间而且讨论质量未必有现在高。我个人实际使用下来的体会是用GPT做产品规划最值钱的不是它给出的最终答案而是它逼着你把输入整理清楚的那个过程以及它敢于无视团队情绪、直接列数字列假设的那种冷静。这种东西没必要天天用但在从乱糟糟的一期走向有条理的二期这个节点上它确实帮我把活理顺了。顺手把我那套需求整理、RICE打分、毒舌评审的Prompt存成了模板下个迭代直接改改细节就能复用。希望这次的经验也能给你的二期规划省点力气。