我花了一整周做的方案，被AI一个问题就推翻了。那个问题，只有30个字。
做过销售或售前方案的人，多少都经历过这种无力感：方案做了几天甚至几周，感觉自己想得滴水不漏，信心满满地发给客户。结果呢？要么石沉大海，要么换来一堆不痛不痒的意见，你始终没能触达客户真正的核心诉求。
上周我就差点掉进这个坑。当时我为一个五金建材批发生意的朋友构思了一个方案，想用AI帮他监控原材料价格波动，自动推荐最优采购时机。为此我花了一整周调研，电话不断，越聊越觉得方向精准无误。
就在准备动手将方案定稿发给客户的前一刻，我多做了一个动作——把一页纸的调研摘要扔给AI，让它站在客户决策者的视角，来审视我的构想。
它没有给出任何肯定的评价，而是抛出了一个30字的问题：
过去一年，价格波动有没有让老板亏过大钱？亏到他自己提过、骂过、拍过桌子？
我立刻回去问了朋友。答案是没有。价格确实在波动，但他做了十几年生意，对行情了如指掌，从未因此蒙受重大损失。
我所以为的痛点，并不是客户的痛点。他绝不会为此支付任何费用。
一周的调研，被一句话彻底推翻。这让我意识到，在方案交付前引入AI进行“反向拷问”，可能是最高效的自我检验方式。
方案交付前，让AI先拷问三轮
基于这次教训和后续实践，我提炼出了三条最为核心的自检指令。你不需要安装任何额外工具，只需将它们复制到 ChatGPT、豆包或任何你常用的大语言模型中，搭配你的方案背景使用即可。
指令1：锁定买单人——谁为这个方案掏钱？
将以下指令模板复制给你的AI助手：
我在给 [客户描述] 做一个 [方案简述]。 请站在决策者的角度问我：谁会为这个方案掏钱？ 掏钱的人和实际用的人是同一个人吗？ 如果不是，用的人有动力用吗？
许多方案的致命伤并非“方向错误”，而是陷入了“买单的人不用，用的人不买”的怪圈。
我曾帮一位朋友构思为奶茶店提升会员复购的方案。我们沟通了三轮，逻辑看似很顺：先免费提供一个排班工具作为切入点，再接入POS系统数据，最后通过小程序沉淀用户。
AI听完后一针见血地指出：排班根本不是他的核心痛点。
它分析道：“你拿一个他并不感到真正麻烦或痛苦的功能当敲门砖，去敲一扇你并不确定能否打开的门：1) 排班功能他不一定会用；2) 会员复购的需求也不确定。两个不确定叠加，并不会等于确定。”
指令2：检验痛点真伪——这事让他亏过钱吗？
复制这段指令：
过去一年，这个问题有没有让对方亏过钱、挨过骂、加过班？ 如果没有，他大概率不会为此付钱。 （根据你的场景选择：对外选“客户”，对内选“老板”）
回到五金建材的例子，AI在提问后进一步解释道：“你认为价格波动大，需要AI监控，这看似是个痛点。但他积累了十几年经验，且波动从未造成实际重大损失。”
你眼中的痛点不等于他的痛点。如果一件事从未让他亏钱、挨骂，那么他口头上的‘挺好’永远无法转化为实际的付费行动。
指令3：设定验证红线——如果只有两周，先验证什么？
使用这条指令：
如果这个方案只有两周时间验证，最该先验证哪一件事？ 两周后如果这件事不成立，我应该立刻停。 给我一个明确的 yes 或 no，不是“再看看”。
麦肯锡的调查显示，79%的IT项目超预算，52%延期，首要原因不是技术不行，而是需求没验证清楚就仓促开工。
做方案最可怕的不是没有方向，而是在一个不确定的方向上持续投入，却不知道止损点在哪里。
在构思阶段，你就应该用这条指令，让AI帮你建立一个明确的退出机制。 它迫使你在动手前想清楚：如果最核心的那个假设不成立，整个方案就该立刻停止。两周时间，一个关键验证，一个清晰的“停或继续”的决策。
核心在于思维，而非工具
这三条指令本质上是一种思维框架，源自一个名为 G-stack 的 Skill。它将硅谷YC孵化器合伙人对项目的深度追问方式，转化成了AI可以执行的流程。
当然，如果你不打算安装任何额外工具，也完全没有关系。直接将上面的三条指令模板复制到你的AI对话中，填入你的具体方案背景进行提问，效果是一样的。
下次当你完成一个方案，准备点击发送键之前，不妨先花5分钟，让AI站在客户的角度对你进行一场“灵魂拷问”。如果它的某句话能让你愣住、甚至背后发凉，那么这句话很可能就是你一直在下意识回避的真相。
在这个信息过载的时代，用AI辅助我们进行批判性思考，或许是我们提升方案命中率、少做无用功的关键一步。如果你也对类似的AI应用与工作流优化话题感兴趣，欢迎持续关注相关讨论。
发表于 6 天前
|
查看: 37|
回复: 0
