05|进场第一战:如何用五天摸清客户的“真问题”?
你好,我是曹犟。
从这一讲开始,我们正式进入实战。接下来的十几讲,我会带你完整走一遍 FDE 项目从进场、验证、施工到沉淀、变现的全链路。今天是第一站,也是最容易被低估的一站:进场。还有一条贯穿整个实战环节这十几讲的暗线,在这里先提一下:在全链路的每一个环节,我都会从我自己的实践经验出发,介绍一下在这一环节,AI 能帮你做到哪儿、哪些判断还需要人自己来做。这门课在人与 AI 的分工上始终是同一条原则:AI 负责做出来,人负责判断做得好不好。
先讲一个我自己正在干的事。
我现在带着一个三人小团队,在做一款帮助广告投放优化师提升效率的 AI 工具。投放优化师,俗称“投手”,他们的工作本质上就是基于数据与审美,选择合适的广告素材,调整出价等策略,从而让广告取得最好的投入产出比,也就是 ROI。
我们三个人都是做了很多年私域数据分析和营销的老程序员,对于私域营销、数据分析,都有比较多的经验。但是,我们毕竟没有投过广告,没有在每年几百万美元的真金白银预算下来真正地优化广告的效果。所以,要把这个工具做好,我们就必须真正理解投手的工作,理解他们工作上的痛点到底在哪儿。
按照以往的做法,这件事看起来很简单:找几个投手,访谈一下,问他们想要什么功能,做好记录,回去开发。
但我们没这么干,我们反而做了一件看起来很笨的事:买好机票,出差,到客户公司去,跟他们一起办公,把自己当成刚毕业的实习生,从最基础的业务开始学起,从最基础的活开始干起。当然,在去之前,我们已经花了十几个小时,在 AI 的协助下,对于这个领域的通用知识,有了系统性的学习,不然,到了客户现场,连做实习生都不合格。
为什么要用这种笨办法?
因为在做了十几年 To B,踩过太多坑之后,我越来越确信一件事: 进场第一战,最大的陷阱,就是把客户“嘴上说的需求”当成“真问题”。 在这一讲,我就想讲透一件事:在进场的头几天,你该怎么越过那些表面的需求,找到那个真正值得做、而且价值真正可衡量的真问题。
为什么“嘴上的需求”常常不准
你刚到客户现场,客户一定会热情地告诉你一堆需求,比如“我想要一个能自动生成报表的功能”,或者“你帮我把这个批量上架的 SOP 变成一个自动化程序”。
这些话能信吗?只能信一半。
因为客户告诉你的,往往不是问题本身,而只是他自己想出来的解决方案。他想要一个自动生成的报表,背后真正的痛点,可能是要跨越不同账号不同广告系列横向对比数据。你照着给他做一个自动报表,也不一定能解决这个横向看数据的痛点。
这是第一层陷阱:把客户的“解决方案”当成“问题”。
第二层陷阱更隐蔽,也是我这次驻场时真正体会到的。
我们在客户现场,用 AI 连接上 MCP 帮他们分析数据,很快就发现了一些“看起来明显不对”的地方。我们一开始很兴奋,觉得 AI 的效果真不错。但深入一问才发现,有些的确是真问题,有些我们眼里的“问题”,其实只是客户基于实际业务做出的有意选择。
举个简化的例子,你看到某个投放计划的出价明显偏高,按通用逻辑这是浪费,但客户可能是在专门圈一个特定时段的特定人群,背后有他自己一整套生意上的考量。
识别客户业务的 know-how 和通用知识之间的差异,恰恰是 FDE 最大的价值所在,也是最容易翻车的地方。你要是仗着自己懂技术、懂通用方法,上来就把人家的合理选择当错误改掉,那不仅没解决问题,还会失去信任。
所以,进场第一战的目标,就是穿过这两层陷阱: 既要越过客户嘴上的解决方案,也绕开你自己的想当然,摸到那个真实的、可衡量的问题。

下面我把这套方法具体展开:先讲进场前要过的两道关,再具体介绍进场第一周的五个动作。
进场之前:先判断这一单该不该接
很多人一接到项目就冲进去了,这是大忌。
在进场之前,你至少要把四个问题问清楚:这件事在客户那边,有没有一个真正说了算的负责人?有没有真实的预算?用什么指标衡量成功?还有最关键的一条,这个项目有没有明确的退出条件?
要特别强调最后这条。一个没有退出条件的项目,不是项目,而是一份无底洞式的支持合同。它会把你的人一直拖在里面,做着做着就变成了我们上一讲说的那种“高级外包”,越做越重,永远抽不出身。
我在神策见过很多这样的例子:一个项目当初没把验收标准和边界谈死,客户的需求像滚雪球一样越滚越大,项目组几个人被钉在一个客户身上大半年。账面上看是签了单,实际上则是在亏钱,还把人都耗住了,腾不出手去服务新客户。这种坑,往往在进场之前那个没谈透的 SOP 里,就已经埋下了。
所以, 进场之前要先立项,要把“什么算成功、什么时候算结束”确定清楚。这一步看着不起眼,却决定了你后面是在做产品探索,还是在填一个需求的无底洞。
立项关过了,还有第二道关。这道关看的不是项目,而是客户这个组织本身:这家客户,能不能接得住 FDE 的工作方式?第 2 讲结尾我说过一句话,外包的客户不用改变自己,FDE 的客户必须改变自己。而具体落到进场之前,就是再问四个问题:
第一问,客户组织里,有没有一个真正有分量、愿意带你进业务会议的人? 我们能在客户现场坐到投手旁边,是因为客户老板亲自安排了人来配合。没有这样一个人,你连真实的工作流都看不到。
第二问,真实的数据和权限给不给? 哪怕从只读开始。给不给权限,最能看出客户愿不愿意为这种合作方式而改变自己。至于权限怎么从只读一步步升级,第 12 讲时会专门展开。
第三问,反馈周期有多长? 你的建议、你的 demo 给出去,多久能知道对错?FDE 的核心优势在于迭代速度,而迭代的前提是反馈。如果客户组织里,任何反馈都要过几层审批,一个建议发出去一个月还不知道对错,FDE 的迭代优势就直接归零了。说得直白一点,做完拿不到反馈,就是白做。
第四问,谁为探索买单? 进场头几周,你的产出可能只是“把客户的业务学明白了”。这段时间的价值,客户认不认?合同能不能容忍这种前期的不确定性?这个问题跟定价模式有关,第 15 讲讲效果付费时会展开。
这四问和立项四问的分工很清楚:立项四问筛选的是项目值不值得做;这四问筛选的是客户组织接不接得住 FDE 的工作方式。四问里只要有明确否定的答案,就别硬进场。对于那些接不住 FDE 的客户,用传统交付的方式去服务,对双方可能反而都更好。
五天摸真问题:进场第一周的五个动作
立项确定了,团队再进场。
第一周,我建议你集中做五个动作。我把它叫作“五天摸透真问题”。当然,不是说必须卡死五天,而是说,进场最初这几天的质量,决定了整个项目的走向。
这套动作也不是我一个人的发明。Daniel Vaughan 写过一本 FDE 实战手册,把 FDE 的工作拆成四部分:角色定位、方法、生产部署,以及跟人打交道的软实力。
在“方法”这一部分,他专门提出了“五天发现法”,英文是 Five-Day Discovery Protocol。它讲的就是进场头几天如何系统地做调研、摸清真问题,最后以“做还是不做”这样一个决策收口。
这套五天发现法和我这节课讲的五个动作思路很接近:都很重视进场的第一周,也都要求在一周结束时拿出一个有证据、可执行的判断,只是具体拆解办法不同。所以我说的“五天”,并不是随口起的名字,而是同行早就有类似的实践。我把 Vaughan 的思路和自己在客户现场的实际经验结合起来,整理成了你能直接照着做的五个动作。

动作一:坐到真正的用户旁边去,画出真实的流程图。
特别要注意,这一步是指真正的用户,不是他的主管。主管给你描述的流程,是组织架构图上的理想版本;真正干活的人,手上跑的是另一套。这两套经常对不上。
我们在客户那边驻场的时候,客户的老板指定了一个非常聪明、非常有想法的投手主管跟我们配合。但是让我们印象很深的是,客户老板多次私底下或者公开地跟我们说,你们不能仅仅参考主管的想法,更多还是要看真实干活的投手的实际经验。
所以在客户现场,我们除了定期跟投手的主管做非常深入的沟通,更重要的是直接坐到投手旁边,看他怎么操作 Meta 的广告账户,怎么创建广告,怎么批量测品,怎么每天盯盘。我自己总结下来,在客户现场亲眼看一遍客户的真实工作流程,比坐在办公室听一百场汇报都管用。
说一个真实的细节:虽然我们事先已经系统性学习了 Google、Meta 广告的基础知识,但真坐到投手旁边时,最开始还是常常听不懂对方在说什么。一方面是各种业务黑话和话语体系不同,另一方面则是思维方式根本不在一个频道上。这种“听不懂”本身就是最强的信号,它在告诉你,真实的业务和你以为的业务之间,到底隔了多远。把客户的工作流程老老实实画出来,一处一处对齐弄清楚,直到真正听懂,你才算是和客户站到了同一条起跑线上。
动作二:把自己当小白,亲手把这活干一遍。
光看还不够,你得自己上手。最理想的状态,是你自己就成为那个用户。
我常拿 Claude Code 举例子。它为什么这么好用?本质上是因为,它是一群资深程序员写给程序员自己用的工具。开发者就是用户,用户就是开发者,中间几乎没有信息损耗。做投手工具,也是一个道理:想做出真正顺手的工具,最好我们自己先成为专业的投手。
所以我们给自己定了三个硬目标:能跟投手顺畅地聊专业话题;能在他们真实、复杂的业务场景下,完整地做一次广告上架;能每天独立完成盯盘。为了达到这几个目标,我们自己开通了 Google、Meta 的广告账户,自己学课程、自己投钱测试。
为什么要做到这个程度?因为你只有亲手干过,才知道哪一步是真的卡点。 很多痛点,是你不亲手做光靠问永远也问不出来的。
OpenAI 的 FDE 团队有一个被反复引用的做法,很能说明问题:他们去服务农业公司 John Deere 时,不是坐在会议室里听人转述,而是直接下到农场,跟农户一起干活,亲眼看到现实里的种种约束。这就是“亲手干活”的典型表现。
这里还有一个特别容易被技术人忽略的点: 姿态。我们接触的投手都很聪明,也很年轻,跟我们三个老程序员差了快一辈人。但你越是资历老,越要把自己放低,保持谦虚、耐心、诚恳,真心拜他们为师,跟他们交上朋友。你只有真正尊重对方、让对方信任你,对方才会把那些最真实的、甚至有点不好意思说给领导听的细节说给你听。同理心不是一句口号,它需要你保持空杯心态、蹲下来、一点一点做出来。
当然,这个过程一点都不轻松。前 Palantir 的 FDE 曾经说过,这份工作通常每周要去客户现场办公三到四天,意味着要频繁出差。我自己这段时间也是如此。这活儿一点也不性感,但它是价值的根源。
我自己的感受是,这就像爬山。远远看过去,觉得很容易;真走进去,才发现这山也太难爬了,到处都是听不懂的黑话;硬着头皮再往前上爬一段,忽然又拨云见日,发现山顶的风景真是太美了。当然,也许再走一步,又会遇到新的困难。但不管怎么样,这个过程中,每一步都很踏实,没有信息损耗,都在向着正确的道路前进。
动作三:用合成数据搭个轻原型,去“挑逗”真实反应。
人对着空气是说不出真需求的,但人对着一个具体的东西,意见就会冒出来。
所以,你可以用一批合成数据,在 AI 的协助下,非常快速地搭一个能跑起来的轻原型,哪怕很粗糙,也先扔到用户面前。他一看就会说:“这个不对”“这个我们从来不这么干”“你这少了一步”。这些脱口而出的反应,比你正儿八经搞十个调查问卷,挖出来的真东西要多得多。
我们在现场就是这么干的。 一边学,一边用 AI 帮客户做点实事,一边做好积累,准备构建 demo。 比如,我们用 AI 做数据分析,帮客户发现了一个已经存在很久但一直没被注意到的投放策略问题;又比如,用 AI 做小工具,把投手需要人工反复操作的环节自动化掉;我们在一周驻场之后,回到公司以后的第一步,就是总结、积累,基于这一周得到的业务认知,用 Claude Code 快速在周末搭出一个可交互的 demo,然后第二周驻场的时候,直接就可以带着 demo 过去了。
还有一件事情,AI 帮了大忙,值得单独说一下。在客户那里驻场一周,我们手里会攒下一大堆东西:客户沟通的录音(在客户允许的情况下)、自己记录的几十页的访谈记录、我们自己每天晚上的讨论记录,还有跟投手在饭桌上、电梯里聊来的碎片信息。
过去要把这些整理成能用的认知,可能得熬好几个晚上。现在回到公司,第一件事就是把这一周的录音和所有的文字记录都交给 AI,让它在同一个项目的上下文下,做文档的校对和留档,并且帮我们把沟通中反复出现的痛点、卡点提炼出来。但提炼完不等于有了结论:哪条是真痛点,哪条只是某个人当天的情绪宣泄,还需要我们自己一条条来判断。在这个分工下,AI 负责把一周的各种信息压成几条具体的线索,人则负责判断这几条里哪些真正值得下手。
用 AI 帮客户解决具体问题,给客户直接看可交互的 demo,这些效果远比给客户看一个产品设计方案或者说 PPT 要直接。一方面,对方会对着真实存在的东西给出真实反应,你能迅速判断方向对不对。另一方面,这种当场解决真问题的小动作,最能换来信任。客户会觉得你是真懂行、真能帮上忙的人,而不是又一个来调研、开会,来麻烦他们的人。这些具体问题往往也特别适合产品化,我们留到后面相关的课程再细说。
动作四:专门去挖那些“没人主动说”的阻塞点。
业务上最会阻塞的环节,往往没人会主动告诉你,因为大家都习以为常了。
所以,在客户现场,你要主动问一些刁钻的问题:上一次出大问题是什么时候?有没有那种每隔一阵就来一次的奇葩情况,特别烦但又躲不掉?月底、大促这种极端情况下,流程会变成什么样?
还有一个更好用的问法:别问他“你们一般怎么做”,问他“ 上周二下午三点,你手头上在忙什么”。问一般怎么做,你得到的是一份被整理过的标准流程;问上周二下午三点,你得到的才是真实发生的事实。这个问法在业内有一个专门的说法,叫“奇怪的星期二”,指的就是那种没人写进文档、每隔一阵来一次、操作员花二十来分钟摆平、却从不在正式场合提起的怪情况。
讲一个我们真实碰到过的 case。有一次,投手给我们逐屏讲广告排期怎么设置,讲到一半顺口带出一句:排期里设的开始时间是不准的,设了下午六点,广告常常要晚一两个小时才能推出去,偶尔要拖到第二天早上。所以她的做法是,想六点开跑,就提前排到四点。我们在现场的 FDE 当时下意识接了一句:那你要想精确控制开始投放的时间,岂不是很困难?她的回答是:不会,晚一两个小时,提前排掉就行了;真拖到第二天早上才推出去的情况,比较少见。
我们可以仔细品一品这个回答。一件每次都在发生、每次都要她自己手动操作留出缓冲的事,在她嘴里就是一句轻描淡写的“不会”,是不值得专门提一句的东西。她没有抱怨过,也没写进任何一份 SOP,这一条是她逐屏演示操作的时候顺口说出来的。你要是坐在会议室里问一句“你们排期一般怎么排”,她答的一定是标准流程,绝不会提这两个小时。这就是“奇怪的星期二”最典型的样子:它奇怪不在事情本身,而在于 它明明反复发生,却没有在任何正式材料里留下痕迹。
这些边角料里,藏着真正有价值的痛点。一个能跑通日常、却扛不住“奇怪的星期二”的方案,是没法上生产的。
当然,这些阻塞点有时候光靠在办公室问也是问不出来的,我们除了要在一些关键节点去客户现场用自己的眼睛观察以外,也需要能够跟具体做事的人交上朋友,可能有些在办公室里面说不出口的问题,在饭桌上或者电梯里的闲聊,就很容易聊到。
动作五:分清楚“真问题”和“客户的合理选择”。
这是我在前面铺垫了很久的一个点,也是最考验功力的一个动作。
就像我前面举的那个被 AI 指出来投放出价高的“问题”,最终被发现其实是客户特有的做法一样。当你发现一个“看起来不对”的地方,先别急着判定它是问题,更别急着动手改。而是 先老老实实问一句:你们为什么这么做?
很多时候,答案会让你意识到,这不是 bug,而是人家在业务实践中积累的 know-how。如果你把它当问题改掉,那才是真正的问题。
能明确地分清这两者,区分出哪些是真正待解决的问题、哪些只是你尚未理解的业务智慧,你才算真正摸到了这家客户的门道。这也正是 FDE 区别于一个空降“技术高手”的地方,也是期望 FDE 在客户现场拿回来的最重要业务认知。
OpenAI 在摩根士丹利的项目中,也是这么做的。他们没有一上来就急着上系统,急着去改客户看起来是“问题”的问题。而是花了大量时间去搞懂理财顾问到底为什么要这么用研报、这种看起来不合理的用法对他们到底意味着什么。技术开发其实只花了几周,但他们在理解需求、分辨问题、打磨标准、建立信任上花了几个月。最后,这个系统在理财顾问中的采用率做到了 98%。先跟客户成为朋友,摸透客户的真实情况,再动手,这是值得的。
一张清单:你摸到的,到底是不是“真问题”
在客户现场,第一周,这五个动作做完,你手里会攒下一堆“问题”。怎么判断哪些是真问题,值得往下做呢?我给你这样五个判断标准,供你参考:
第一,它可衡量吗?能不能落到一个具体的数字或者业务结果上?落不到的,先放一放。
第二,它是用户亲历的问题,还是主管转述的问题?转述的,打个问号。
第三,这个问题,你亲手验证过它真实存在吗?没验证过的,先存疑。
第四,你排除了“它其实是客户合理选择”的可能吗?没排除的,回去再问一句为什么。
第五,解决它,价值够大,而且能归因到你头上吗?这一条,是我们下一讲“选对场景”要专门展开的。
我把这五个问题,整理成如下这张表,你可以照着逐条打勾:

能同时通过这五关的问题,才是值得你投入的真问题。
课程总结
这一讲,我们讲的是进场第一战,核心就一句话:别把“嘴上的需求”当“真问题”。
进场之前,先过一道立项关,把成功标准和退出条件谈清楚,别一头扎进无底洞;再过一道客户关,用四个问题确认这家客户接得住 FDE 的工作方式:有人带你进业务会议,数据和权限给得出来,反馈周期足够短,有人为探索买单。
进场之后,第一周的五天要做五个动作,我帮你整理成一张表:

如果你想转型 FDE,这套动作可以直接带进现场,避免被一堆表面需求牵着走。
对交付和实施同学,它能帮你从“客户要啥我做啥”,升级为“帮客户找到他自己都没说清的真问题”。这也是专业价值真正拉开差距的地方。
To B 创业者和产品经理更要注意:进场摸需求的质量,直接决定了后续所有投入的回报,这一步省不得。
进场摸清了真问题,下一步就是从一堆真问题里,选出那个最值得做、最能跑出效果、又能算到你头上的高价值场景。下一讲,我们就来讲如何“选对场景”。
思考题
留两个问题,欢迎你在留言区聊聊。
第一,回想你经历过的一个项目,客户当初“嘴上说的需求”和后来发现的“真问题”,是一回事吗?如果不是,是哪个动作、哪一刻让你发现了差别?
第二,“分清真问题和客户的合理选择”,这一条你怎么看?你有没有遇到过自己以为抓到了一个大 bug,结果发现是人家深思熟虑的业务选择?
期待你在留言区分享你的思考。如果这节课对你有启发,也推荐你把它分享给身边更多朋友。