找出客户真正会问的问题

4.1 从销售现场找问题

先看咨询记录、客服问题、产品退换原因、销售未成交原因和已有客户访谈。保留客户原话及时间，随后去掉个人身份信息。企业已有的公开评价、行业社区问题也可辅助判断，但外部热度与本企业的客户需求不能混为一谈。

不要只围绕企业名称造问题。真正第一次接触企业的客户，可能根本不知道名称。他会先问“我该怎么解决”“哪种方式适合”“怎样选择服务商”“费用为什么不同”。品牌问题与不带品牌的问题应分开整理。

4.2 沿着购买过程排列

每个问题附上来源、对应产品、企业是否能回答和现有内容地址。客户购买后的疑问也应收录，因为错误预期会影响评价和转介绍。

图3 原项目按客户阶段排列问题的原图。来源[1]；本书把它用作问题分类示例，图中分类不是任何AI的公开评分标准。

4.3 把宽泛问题变得可回答

“哪个品牌好”缺少条件。可以追问客户用途、地区、数量、预算区间、时间要求、交付限制，再形成具体问题。预算应来自客户实际条件，不为覆盖词而虚构更多档位。

本书教学示例：“设备维护怎么选”可以变为“本市三家门店需要夜间维护，怎样比较服务半径、响应方式和收费？”场景清楚后，内容可以说明谁适合、如何执行和哪些承诺需要写进合同。这个虚构示例仅展示拆问题的方法。

4.4 优先做能服务、能证明、接近购买的问题

为每条问题判断三个方面：客户是否真实反复问；企业是否能完成相应服务；是否有事实或案例可支持答案。三项都符合的，先做。不能回答的先补资料；企业根本不提供的业务，不应为了曝光强行写成自己的强项。

首轮可选十来个核心问题作为工作清单，根据人手调整。数量是便于起步的建议，不是AI平台的覆盖门槛。一个完整页面可以回答多条相关问题，不必每个问法新建一篇。

4.5 旅行案例：从大量资料中识别具体需求

目的地旅行原文[2]报告，作者整理了14,440条小红书旅游笔记，筛出6,241条有效需求，并形成8,199个问题。笔记、需求、问题是三个不同单位；问题数比需求数多，并不表示客户人数增长。

原文将需求拆为人群、时间、体验偏好、决策关注与出发地。例如带儿童、冬季、担心路程过长，可能对应完全不同的产品方案。对商家可迁移的做法，是把具体条件保存下来，避免所有人都收到同一篇“旅游攻略”。

图4 目的地旅行需求面板原图。来源[2]，2026年5月3日；数字为作者资料整理统计，不能理解成AI搜索量或新增订单。

图5 原文需求分类界面。来源[2]；总数、百分比与前图不一致，仅展示分类，不采用统计数字。

小企业不用复制这样的数据规模。先从自己的咨询材料里找出最常见、最能服务的需求。若要使用外部资料，应遵守资料获取与使用条件；不能把未经验证的采集数量当成客户数量。

4.6 不把问题清单当作市场规模

客户问得多，可能因为问题难懂、售后困扰大或产品说明缺失，未必代表需求最大。现有客户也不必然代表全城居民。把两个人群比例直接相乘，只有在独立性等条件合理时才有意义；否则应统计真实的交叉样本。

AI可以辅助归类和去重，但应保留原话，抽查被合并的问题。例如“是否免费上门检查”与“是否免费维修”不能合并成同一个费用问题。分类完成后，由销售确认是否符合客户日常表达。

图6 中科看点的问题图谱原图。来源[1]；原始查询与内容问题对应，便于逐项追踪。

本章完成标志：每个优先问题能找到真实来源、业务条件和负责回答的人；团队清楚首轮先处理哪些问题以及为什么。