业务
公司正在探索新的头戴式耳机产品机会,新的产品形态需要寻找新的软件价值。
AI PRODUCT / 0→1 EXPLORATION
从机会发现到产品定义的 0→1 探索
从业务规划、AI 技术趋势与用户行为的交叉点发现机会,通过桌面调研、竞品验证和用户研究,连续回答“值不值得做、为什么由头戴式耳机做、应该先解决什么、边界怎么定”,最终完成 AI 会议功能的产品定义。
这个项目最重要的不是功能数量,
而是产品经理如何连续做判断。
01
OPPORTUNITY / 机会发现
我没有从功能清单开始,而是先寻找载体、场景与技术之间是否存在真实交集。
公司正在探索新的头戴式耳机产品机会,新的产品形态需要寻找新的软件价值。
AI 正逐渐从附加功能变成软件体验的重要差异点,语音识别、会议转写、总结和大模型能力开始进入耳机与办公场景。
头戴式耳机本身就是办公、线上会议、长时间工作和深度专注中的高频设备。
能不能让头戴式耳机从“会议中的音频设备”,进一步变成“AI 会议入口”?
FIRST PRINCIPLE不是先想 AI 能做什么,而是先确认“载体 × 场景”是否成立。
02
HYPOTHESIS / 假设拆解
不直接进入功能设计,先拆解哪些不确定性必须被证据回答。
高频会议用户是否真的会使用头戴式耳机?
为什么使用头戴,而不是 TWS 或电脑麦克风?
降噪、音质、续航、专注感是否构成真实价值?
其他设备是否已经足够好?
判断调研不是为了证明自己的想法是对的,而是为了判断这个方向值不值得继续投入。
03
VALIDATION 01 / 载体验证
桌面调研、公开用户案例与用户研究共同回答:这个使用行为存在,但不能夸大成不可替代。
判断方向值得继续,但不能把“头戴不可替代”作为产品成立的前提。
04
VALIDATION 02 / 方案验证
我把用户已经拥有的方案放回真实使用链路,寻找它们共同没有稳定解决的问题。
围绕“无权限、忘记开启、自动录制失败”等问题,我借助 AI 工作流搜集并筛选了约 70 条候选内容,最终只保留 11 条能够直接证明问题存在的真实案例。
这不是市场规模,而是一轮证据筛选。判断现有方案已经把会议转写和总结做得比较成熟,但“重要沟通能不能稳定留下来”仍然没有被彻底解决。
05
THE PIVOT / 问题重构
用户真正缺的,首先不是更聪明的总结,而是在需要记录的时候,确保重要沟通不会丢。
可靠记录
可搜索、可回顾的转写
总结、待办、关键信息提取
先保证信息留下,
再谈 AI 加工。
06
SUBTRACTION / 主动做减法
有录音需求,不代表都适合由头戴式耳机解决。产品边界必须同时接受需求与形态的约束。
判断有需求,不代表适合由这个产品解决。AI 会议功能专注线上沟通,不重点解决线下录音。
07
SCENE FOCUS / 场景再收敛
即使聚焦线上,也不能平均投入。场景优先级取决于现有方案覆盖程度与耳机入口的增量价值。
腾讯会议 / Zoom / 飞书会议 / Teams
电话 / 微信电话 / 企业微信 / 临时客户沟通
判断覆盖线上会议,重点强化临时线上沟通。计划会议是基础,临时沟通是差异化重点。
08
TARGET USER / 行为画像
早期重点研究跨境销售,但真正决定需求强弱的不是职位,而是一组共同发生的高频行为。
最终目标用户
判断职业只是表现形式,真正的用户画像是“高频沟通 + 高频佩戴 + 高信息密度”。用户画像围绕任务和行为建立,而不是职位名称。
09
JOB TO BE DONE / 需求链路
生成纪要只是链路末端。完整需求要从沟通发生开始,一直覆盖信息留下、找回和行动。
让信息先存在。
无需重新听完整录音。
让信息进入下一步工作。
需求定义从沟通发生,到信息留下,再到会后回顾和行动的一条完整信息链路。
10
PRIORITY / 功能优先级
优先级不是按 AI 感排序,而是按整条信息链路的依赖关系排序。
取舍AI 总结有价值,但大量通用 AI 都可以处理已有文本,因此它不是耳机最核心的差异化理由。
11
DEPRIORITIZE / 降低优先级
早期因为研究跨境用户,翻译看起来很自然。但自然不等于核心,更不等于第一阶段必须做。
翻译看起来是自然方向
翻译未成为核心驱动力
实时翻译仍有延迟问题
判断翻译可以保留为特定跨境用户的扩展能力,但不作为第一阶段核心卖点。不是 AI 能做什么就做什么,而是判断什么值得成为产品核心。
12
PRODUCT DEFINITION / 最终定义
在头戴式耳机中探索 AI 会议记录能力,让用户在计划会议和临时线上沟通中更稳定地留下信息,并完成后续转写和整理。
线上会议 / 线上电话 / 临时线上沟通
线下面对面录音 / 翻译作为核心卖点 / 复杂 AI 总结
13
AI-ASSISTED RESEARCH / 研究提效
Agent Reach 等 AI 工作流扩大了搜索覆盖与整理速度,但研究问题、证据标准和产品结论始终由人负责。
定义研究问题 → 建立假设 → 定义支持 / 反驳条件
扩展搜索词 → 多平台抓取 → 整理候选案例 → 辅助去重与结构化
筛选真实证据 → 判断强弱 → 区分支持 / 反驳 → 决定继续、收敛或放弃
70候选内容
→11直接有效案例
AI 提高的是信息吞吐量,而不是替代产品判断。
14
OUTCOME / 项目结果
这是内部产品探索。项目成果是把一个宽泛机会收敛为可解释、可继续推进的产品定义,而不是虚构业务结果。
15
FINAL REVIEW / 判断总结