访谈脉络:用 AI 重构百年用研,从「回答者」转向「提问者」
问题起源:AI 掀翻生产天花板,洞察还停在百年前
Koji 邀请孙克强与李一豪探讨 AI 用户研究。谈及切入这一中美热门赛道的理由,孙克强给出三道筛选题:需求是否真实、技术变量是否够颠覆、能否通往伟大并规模化。行业反差极大——全球最大调研公司 Nielsen(尼尔森)成立逾百年,今天企业做用研仍沿用百年前的粗糙人力方式,常规项目耗约 60 个人天、花费约 10 万元。2025 年 5 月起他与李一豪密集探索方向,每冒出新点子都得花整整一周访谈十多人,又累又慢:AI 把开发原型提速了,回答「做什么」的用研却严重滞后。
传统访谈只能串行,AI 则可并发同时深访 20—30 人;一旦打通「用研 → 研发 → 回用户验证」最慢一环,未来有望迈向产品自动迭代。李一豪补充,新一代模型擅长隐式建模,未来或能从反馈中挖出人类产品经理察觉不到的信息,通过隐式对齐反哺交互、性能与定价。孙克强借节目插播「硬广」,宣布 Mizzen Insight 正式上线——「早上提问题,午饭后拿报告」,把月级周期缩到小时级。
人类主持人的三大结构缺陷,与「永远好奇」的 AI
与来自唐硕咨询、飞书的合伙人 Andy 及客户共创后,团队发现人工主持不只是慢和贵,更有三项系统折损:① 高昂「对齐税」:大项目需多人分头访谈,跨主持人同步信息、对齐追问颗粒度时洞察严重稀释;② 疲劳与情绪传染:主持人疲惫会直接拉低受访者状态(孙举例 Koji 若没精神,自己也会变 down);③ 认知边际效益递减:同一人访 20 人,聊第 1 个时兴奋深挖,聊到第 2、第 20 个时兴趣浓度大幅衰减。
相比之下,AI 主持人具备极强一致性与「永远好奇」——对第 30 或第 100 位受访者都像第 1 次一样追问到底。Koji 顺带联想到当时流行的玩法:让开启 Memory 功能的 ChatGPT「指出我身上 3 个致命弱点」,印证 AI 对人的持续洞察正越来越锋利。
千亿僵局:为什么「缓慢、昂贵且分散」的市场最性感
针对北美红杉投资的 Listen Labs 等同赛道玩家,李一豪拆解了市场结构与投资逻辑:
- 大市场与小工具的剪刀差:全球传统调研市场约 800 亿—900 亿美元(含 Nielsen 等),软件化 UX Tools 仅 30 亿—50 亿美元;市场已进入并购整合却仍极分散,头部玩家年收 20 亿—30 亿美元即可不断并购区域中小机构。
- 跨行业同类物种参照:美国传统法律约 4,000 亿美元,云/SaaS 化 Legal Tech 已占 600 亿—700 亿美元;中国「双减」前 K-12 教育从约 2,600 亿涨至 4,600 亿元(近 5,000 亿),同样分散却跑出年收 100 亿—150 亿元的「国产御三家」。
- 老旧赛道更易出新寡头:AI 首阶段,人力密集、半数字化、迭代慢的用研/HR/法律赛道供需差最大;反观电商、内容营销等由互联网巨头催生的生态,创业公司直面巨头压力更大。此外 AI 原生时代将涌现大量 10 人甚至 1 人的超级公司,带来新增需求。
孙克强补刀:传统用研是智力劳动密集型行业,人数越扩、管理半径越大,越难维持一致交付,天然 ROI 递减。李一豪则强调中国团队优势:互联网原生理解深、迭代快、善做复杂交互与 To B 交付,孙克强团队把底层技术、飞书企业级产品与唐硕咨询积累融在了一起。
用研平权化:从「大厂奢侈品」到「连续渐进式研究」
Koji 深有共鸣:他早年做消费品公司 CEO 时,实物备货 1 万件卖不掉连销毁都花钱(不像软件可回滚),极需用户访谈却付不起高昂时薪;自己受邀当被试的品牌清一色是戴森、蔚来汽车这类有钱大厂。孙克强将愿景称为「用研平权化/普惠化」,并举了一家全球最大消费电子公司的共创转变:客户从大课题扩展到极细微决策——专门立项测「用户愿不愿意用先用后付」,以及「应用里手写与屏幕打字要不要分离」,一个小点也直接跑几十道题。
回应李一豪关于「认知内核(最小 MVP 验证最痛需求)」的提问,孙克强总结范式之变:当 AI 把构建成本压到甚至低于分发成本,用研不再是花几十万、熬一月、做场大 Presentation 的项目制,而演变为连续、渐进式的日常动作——上午发题、晚上拿报告,每天小步快跑迭代。
四步工作流、博弈论防敷衍与千万受访者池
应 Koji 邀请,孙克强以与国内最大现制餐饮品牌的真实合作为例,完整走了一遍 Mizzen Insight 的生命周期:
- 访谈创建 Agent:品牌方直接口述研究目标,Agent 一边对话澄清需求,一边在右侧实时梳理并修订访谈大纲。
- 样本招募与面试核验:按目标用户画像定向捞人,并由「面试 Agent」邀请候选受访者进行 5—10 分钟面试,核验身份信息与真实匹配度。
- AI 主持人多模态深访:邀请受访者打开摄像头,AI 主持人围绕大纲把对方带回真实消费情境持续追问。
- 报告 Agent 结构化交付:整理全部访谈,产出含总结结论及逐题定性、定量分析的报告,每条论断均关联受访者原话支撑。
Koji 随即抛出最自然的担忧:受访者面对 AI 时会不会敷衍了事、不像与真人交流那样全神贯注?孙克强坦言早期确有此现象,但团队通过三套设计「Hack 人类对 AI 的特殊感知」,声称已解决敷衍问题、甚至让受访者诉说欲高于真人访谈:
- 赋予参与价值感:明确告诉受访者正在帮助一家真实品牌打磨产品,提升责任感与表达意愿。
- 利用「霍桑效应」与卸下人际防备:真人主持存在复杂人际 Chemistry(化学反应)——例如女主持人访谈男性受访者时,男性常会下意识进入防御状态(Defensive)或刻意展示风采;面对 AI 时没有社会评判压力和表演欲,人反而更容易卸下防备、如实吐露。
- 博弈论激励(多模态打分直挂礼金):开访前直接公示客观评分 Benchmark——系统结合摄像头多模态行为识别,衡量回答是否真实、细节是否扎实、有无主观分析及前后是否连贯,最终得分直接决定拿到的礼金。在这套透明规则博弈下,受访者的最优解就是更真诚、多给细节和分析,从而赚得更多报酬。
在受访者池搭建上,平台采用三路并行:① 底层对接 2 家国内供应商与 2 家海外供应商,聚合约千万量级潜在样本,上层叠加样本筛选 Agent 与面试 Agent 过滤低质样本;② 与国内外头部咨询及研究公司合作,接入其专业专家库;③ 同步自建自有社群。
否决「AI 模拟受访者」,用 RL 训练「会提问的 AI」
Koji 追问另一条业内热议的路径:能不能干脆访谈 AI 模拟出来的受访者?孙克强明确否决了现阶段的可行性,给出三条核心理由:第一,人类上下文高度动态(例如疫情前后人的心态剧变),而模型训练完上下文就固定在过去,只能吐出过时片面的观点;第二,通用推理能力仍不足,模型很难靠推理还原真人面对具体产品时的细腻体感;第三,一线品牌方根本不买单,对模拟受访者的真实性与决策有效性顾虑极深。
而在与客户深度共创中,团队挖出一个关键技术洞察:资深用研一致认为,项目质量核心全看「主持人能不能问出好问题」;偏偏今天的大模型存在根本错位——它们被训练成了极好的「回答者(Answerer)」,却是糟糕的「提问者(Asker)」。主流大厂做后训练(如 GPT 的人类偏好对齐)都在让人选更好回答,没人教模型怎么追问到人心坎里;雪上加霜的是,苹果等顶级公司的用研访谈过程全是闭源数据,网上根本搜不到。
Mizzen AI 因此双管齐下自研专属 AI 主持人模型:数据侧,与国内外多家一线研究与咨询机构签独家合作,获取已过保密协议期限的真实历史访谈;算法侧,过去半年用强化学习(RL)搭建专属训练体系——基于真实项目背景和受访者原始资料构造 Environment(模拟环境),让主持人模型向模拟受访者提问并获得符合真实材料的回应;再由 Reward Model(奖励模型)从多个维度给模拟受访者的回答质量打分。底层直觉很朴素:「好回答是被好问题勾出来的」,受访者被问出的有效信息越深,就反过来给主持人的提问越高奖励。李一豪高度评价这套路线,认为这正是 AI 下半场的垂直壁垒:通用基座智力会持续上涨,但把行业专家的 Domain Knowledge(领域知识)榨取并沉淀进专属 Environment 与 Benchmark,才是垂直 AI 原生公司最深的护城河。
人类偏好图谱、从 CV 博士到用研,与投资人的 3 小时雨晨初见
谈及更宏大的基础设施野心,孙克强介绍了「对话及人类偏好图谱」。传统个性化推荐靠离散、粗糙的标签很难立体还原一个人,而人类每天说出的语言与对话足以建构 3D 立体画像。依托这套沉淀下来的图谱基础设施,平台可解锁三项能力:① 更精准找人(超越粗糙标签定位目标受访者);② 跨访谈一致性校验(若某受访者上次表达一种立场、下次完全推翻,AI 主持人会自动识别并追问确认);③ 针对特定受访者的实验性模拟(基于已沉淀的真实个人表达,为甲方开展低成本实时预演研究)。
聊回个人历程,李一豪曾用三个「非常」形容孙克强的创业热情;Koji 提到他信奉 YOLO(You Only Live Once),呼应 Ben Horowitz《创业维艰》里「勇士之道在于时刻将死亡铭记于心」。孙克强坦言:「我终将死亡,在这之前,我想给世界留下一个能影响上亿人的作品。」技术已跨过落地临界点,自己又集齐技术、产品、增长与运营技能栈,时机刚好成熟。
外界好奇计算机视觉博士转做 AI 用研是否跨度太大,孙克强指出背后是一条从未断开的红线——让 AI 理解「人类偏好」。GPT-3.5 凭 RLHF(基于人类反馈的强化学习)证实了人类偏好是模型能力的放大器;他在港中文 MMLab 读博期间就做出全球首个系统性挖掘人类视觉偏好的 HPS 模型系列,加上商汤 5 年与 Meta 半年积累,深知商业世界不仅要判断哪张图更好看,更要理解复杂多模态偏好背后的动机与情境,用户研究正是沉淀结构化人类偏好的最佳入口。回望上一段与 Musical.ly 创始人 Louis 搭档创业,最令他受用的是 Louis 对 Musical.ly 成功的归因——本质是「摄像头普及带来的产能跃迁」(乔布斯让每人拥有前后摄像头,彻底改写创作与消费)。Mizzen 要做的正是用研产能跃迁,让未来发起一次专业访谈像打开手机拍照一样轻松。
李一豪随后复盘扣动投资扳机的历程:夏天一个下雨的早晨,原定 1.5 小时的初见一直聊了 3 个多小时、从下雨聊到雨停。打动他的是四项特质:每次人生抉择都奔着「无限游戏」的极高热情;每年看 500 位创业者里极罕见的 AI 原生洞见(早在商汤和 Meta 时就抓住 Benchmark 的核心价值);「真实采样」的务实与强大韧性(Resilience)——团队最早曾试图把视觉偏好与 HPS 切入艺术领域做类似 Benchmark/Arena 平台,孙克强没有空想,而是实地拜访大批画廊、艺术家与艺术品交易者,看清艺术市场供给不再稀缺、价值已被渠道与资本分发主宰(类似短剧、漫画与小说),顶住多轮投资人与业内负向打击果断 Pivot(转型)到用研并火速验证;以及「广结善缘」,能把咨询与企业级产品资深老炮聚拢到仅 8 人的早期团队里。
终局愿景「PM 的钢铁侠战衣」与 300 万美元投资题
谈及公司终局,孙克强强调 Mizzen AI 不是要取代产品经理,而是做每位 PM 的「钢铁侠盔甲」:把枯燥耗时的访谈与验证链路交给 AI,让人类把精力留给真正的神来之笔、直觉洞察与极致审美。在他勾勒的未来图景里,这副战衣的左右双手正是 Vibe Coding(AI 驱动构建) 与 Vibe User Research(AI 驱动用研)——两端咬合,推动产品与人类偏好持续对齐。
最后的 300 万美元天使投资题,孙克强把前两个名额毫不犹豫给了老股东 CreekStone 的两位合伙人——既敬佩他们给产品与市场出的满分建议,也因他们本身是今年刚起步的创业公司,彼此有极深共鸣;第三个名额投给硅谷公司 Krea,欣赏他们极早就把 AI 产品的打磨与迭代速度推到极致。
核心机制与示例:AI 主持人 RL 闭环与提问信号设计
Mizzen Insight 的技术叙事由「线上执行链路」与「离线模型训练」两套闭环构成,其中最关键的技术设计在于训练「会追问的 AI 主持人」与防范受访者敷衍。
| 机制环节 | 输入对象 | 核心处理 | 输出与质量控制 |
|---|---|---|---|
| 线上四步执行 | 品牌研究目标 + 目标人群画像 | 创建 Agent 定提纲 → 千万样本池筛选 + 5–10 分钟面试 Agent → 多模态 AI 主持人并发深访 → 报告 Agent 聚合 | 附受访者原话支撑的定性/定量报告;受访者礼金与多模态答题打分挂钩 |
| 离线 RL 训练(提问者) | 过保密期的真实历史访谈 + 项目背景 | 用真实资料构造模拟受访者(Environment)→ 主持人多轮追问 → Reward Model 评模拟受访者回答质量 | 更新主持人提问策略,奖励能「勾出」深层隐藏有效信息的追问 |
可计算示例:同样问「先用后付」,为什么「回答越长」不等于「问得越好」
以访谈中消费电子客户调研「先用后付」为例,假设受访者放弃该功能的真实阻力是「担心绑卡后默认自动扣款、忘还影响征信」,而并非担心利息率:
- 差提问(诱导型):AI 问「你不用先用后付,是不是觉得分期利息太高、怕被坑?」受访者顺口迎合并展开 200 字泛泛抱怨。若奖励模型只看字数、细节丰度或情绪强度,这条被提问污染的伪洞察反倒拿高分。
- 好提问(情境还原型):AI 问「能带我回到你最近一次在结算页看到『先用后付』的那一刻吗?当时停顿了多久,脑子里闪过的第一个顾虑是什么?」引导回忆真实页面动作,才更易挖出「默认扣款与征信」阻力,再顺势追问是否比较过其他支付方式。
独立判断:提速百倍之后,洞察质量靠什么验真?
「百倍提速、十分之一成本」需要同口径的双盲对照
将串行人工访谈改为并发 AI 访谈,在耗时与单场边际成本上确有明显优势。但「速度提升 100 倍、成本降至 1/10」属发布期宣称,缺乏同一研究课题下的严格对照——例如样本代表性、水军过滤率、核心发现新颖度以及报告能否真正改变产品决策。将「霍桑效应」直接等同于面对 AI 更坦诚也偏宽松:面对机器虽减少社交防御与表演欲,却可能削弱共鸣,使复杂隐喻或尴尬体验被一笔带过,不同品类(敏感隐私类 vs 复杂 B2B 决策类)未必同向变化。
「否决通用合成用户」与「偏好图谱模拟受访者」的内在张力
前段孙克强因上下文冻结、推理盲区与品牌信任顾虑否决通用合成受访者,后段又设想基于偏好图谱对特定受访者做实验性模拟。即便锚定个人历史对话,人的真实选择仍随收入、价格与新情境漂移(同一个人去年拒分期、今年收入变化接受分期,并非撒谎而是条件变了)。因此图谱模拟必须拿留出的真实新决策做回测校准,不能因源自历史对话就默认等价本人作答。
把「回答质量」作「提问奖励」的边界:追问已知 vs 发现未知
在历史访谈构造的模拟环境里套出隐藏事实,天然偏重训练「把既定提纲内的已知线索问深」;而顶级人类用研员更稀缺的价值在于听出言行微小矛盾、临时跳出提纲发现团队原本未意识到的新问题。验收 AI 主持人须在未见过的真实新项目上做盲审对照:将受访者随机分给人类研究员与 AI 主持人,由不知来源的评审按诱导题比例、证据溯源、提纲外新发现数量与后续上线效果评判,而非仅凭模拟奖励曲线宣称达标。
偏好图谱越立体,知情同意与数据主权就越不可妥协
把离散标签升级为跨项目沉淀的 3D 偏好图谱,并在后续访谈自动核对受访者前后发言是否矛盾,要求远高于单次问卷的知情同意:平台必须清晰告知留存周期、是否跨不同甲方项目复用、是否用于训练模型或生成「数字分身」做商业模拟,并保障随时查看、撤回与彻底删除的权利。
证据边界与资料索引
依据官方简介和第三方机器转写;文字稿末尾在嘉宾最后回答后中断,已补充音频尾段的机器转写以确认结束语,但未逐字听审。产品速度、市场规模、训练方法与访谈效果为公司或投资人自述,未经独立复现。访谈中的奖励规则不能证明回答真实性,用户模拟能力也未得到外部验证。文中的追问和评测设计为解释性建议。