Skip to content

Jobs to Be Done 需求理論

假設我們准備做一個會議紀要工具。從功能出發,很容易列出轉寫、摘要、待辦提取和文檔導出。但這些功能並不能回答一個更基本的問題:使用者為什麼要在會議結束後使用它?

Jobs to Be Done(JTBD)用“使用者想完成的任務”來回答這個問題。它關心具體情境、期望的結果和現有做法,而不是先假定某個功能必然有用。

本章先介紹 JTBD 的基本概念,再說明如何把功能描述改寫為可驗證的需求假設。

1. 從功能轉向任務

Jobs to Be Done 常簡寫為 JTBD。它把產品看作使用者用來完成某項任務的工具。

這裡的“事”,不是待辦清單裡那種表面動作,而是使用者希望自己狀態發生的一種 進展 。比如:

  • 不是“我要一個 AI 紀要工具”,而是“我想在會後 10 分鐘內把重點、待辦和責任人整理清楚,別再靠回憶補筆記”
  • 不是“我要一個記賬 App”,而是“我想知道錢到底花去哪了,好讓我月底別再焦慮”
  • 不是“我要一個簡歷優化器”,而是“我想更有把握地投出一份像樣的簡歷,不想每次投遞都懷疑自己寫得太差”

因此,JTBD 區分了產品的實現方式和使用者需要完成的任務。

這也是為什麼很多看似不同的產品,實際上在競爭同一個 job。使用者想“在上班路上不那麼無聊”,可雇用的對象可能是短影片、播客、遊戲、聊天,甚至打瞌睡。使用者想“快速搞懂一份很長的 PDF”,可雇用的對象可能是 AI 摘要工具、實習生、同事、自己硬著頭皮看,或者乾脆先不看。

因而,一個產品的競爭對手不一定是同類應用,也包括使用者已經在採用的其他做法。

一張顧客旅程圖,按階段記錄使用者需要、活動、使用物、感受和產品機會
任務發生在一段過程裡。這張顧客旅程圖把使用一個在線工具的過程拆成若干階段,並分別記錄使用者需要、實際活動、正在使用的工具、感受和機會。JTBD 研究也應沿著這條過程追問,而不是只問使用者喜歡哪項功能。作者:Advenio;圖片來源:Wikimedia CommonsCC BY-SA 4.0

2. 與使用者畫像和功能列表的區別

很多新手剛開始做需求分析時,會先寫使用者畫像:25 歲,女生,一線城市,白領,喜歡效率工具,願意嘗試新產品。這樣的資訊不能說完全沒用,但它通常 不夠解釋一個人為什麼會在此刻採取行動。

JTBD 更關心的是下面這些問題:

  • 他是在什麼場景下決定找解決方案的
  • 當時到底卡住了什麼
  • 他想把什麼事情推進到下一步
  • 現在正在用什麼笨辦法撐著
  • 如果事情解決得好,什麼結果會讓他覺得“值了”

也就是說,使用者畫像更像“這個人大概是誰”,JTBD 更像“這個人現在到底想完成什麼”。

同樣地,功能列表也容易把人帶偏。使用者說“我想要導出 Word”“我想要 AI 改寫”“我想要語音輸入”,這些都只是表層表達。JTBD 會繼續往下追問:

  • 為什麼你現在需要導出 Word,而不是 PDF?
  • 你想改寫,是因為文風太差,還是因為需要適配不同對象?
  • 你想語音輸入,是因為懶得打字,還是因為你經常在走路、開車、開會後馬上記錄?

很多時候,功能只是 job 的一種臨時翻譯 。如果你只收集功能,很容易把產品做成“使用者說什麼就堆什麼”;如果你能看見背後的 job,才更有機會做出真正順手、真正有競爭力的方案。

3. 例子:會議紀要

假設我們准備開發一個會議紀要工具。如果從功能開始,可以列出:

  • 要不要支援上傳音頻
  • 要不要接入說話者分離
  • 要不要導出 Markdown
  • 要不要自動生成待辦

這些都是可能的實現方式。但是,使用者任務可能是:

  • 我想在會後 10 分鐘內,把討論結果同步給沒參會的人
  • 我想把待辦、責任人和截止時間提乾淨,別讓團隊靠記憶協作
  • 我想減少重複整理會議內容的時間,把精力留給決策和推進

由此可以判斷,第一版的重點可能不是“支援 12 種導出格式”,而是:

  • 紀要結構要足夠清楚
  • 待辦提取要穩定
  • 分享連結要方便
  • 輸出結果要讓人敢直接轉發給團隊

產品功能的取捨因此可以回到使用者任務上進行。

一場真實會議中,參與者同時使用電腦和紙筆做記錄
先看現場,再想功能。會議裡已經有人用電腦、紙筆和自己的記錄習慣完成任務。要做會議紀要產品,先弄清他們在記什麼、會後還要怎麼整理,而不是先假定“錄音轉文字”就是答案。照片:Unclefeet,CC BY-SA 3.0

下面的對照給出了三個場景。切換場景時,注意“產品功能”和“使用者任務”分別描述了什麼。

對照練習

區分產品功能與使用者任務

點擊切換情境
產品功能AI 履歷優化器對方案的描述
使用者任務

情境當我準備應徵一個心儀職位時,

我想快速把現有經歷改得更貼合職位,

以便更有把握地完成投遞,不再邊改邊懷疑自己。

現有做法複製舊履歷、反覆手動修改,再請朋友幫忙看

4. JTBD 的五個要素

JTBD 描述通常包含五個要素:場景、觸發、期望的進展、當前替代方案和成功標准。

4.1 場景

使用者是在什麼時刻、什麼環境裡想起這個產品的?

  • 是開完會以後
  • 是老闆臨時要材料的時候
  • 是晚上准備投簡歷的時候
  • 是月底發現錢又不夠花的時候

沒有場景的需求,通常都還不夠真實。

4.2 觸發

是什麼讓他決定立刻找解決方案?

  • 被長文檔壓住,不知道從哪開始看
  • 明天要交材料,今天才發現格式亂七八糟
  • 剛被領導追問進度,意識到自己沒有整理清楚
  • 想堅持記錄,但手寫、複制、整理都太麻煩

觸發點往往帶著情緒。這個情緒很重要,因為它決定了使用者為什麼會在這一刻產生行動。

4.3 想完成的進展

他不只是想“做個動作”,而是想把自己推進到什麼新狀態?

  • 從混亂到清楚
  • 從焦慮到安心
  • 從拖延到啟動
  • 從低效到順手
  • 從說不明白到能直接交付

這一步裡,“進展”這個詞非常關鍵。因為很多人真正買的不是工具,而是 狀態變化

4.4 當前替代方案

現在沒有你的產品時,他怎麼做?

  • 手工複制粘貼
  • 用 Excel 或備忘錄勉強支撐
  • 找同事幫忙
  • 拖著不做
  • 在幾個工具之間來回切

誰是替代方案,誰就是你的真實競爭環境。

辦公室中的實體任務看板,便利貼在待辦、進行中和測試等欄目間移動
替代方案不一定是另一個 App。這塊實體任務板用最普通的便利貼和膠帶,就完成了“讓進度可見”的任務。做競品研究時,也要把這類人工流程、表格和協作習慣算進去。照片:Logan Ingalls,CC BY 2.0

4.5 成功標准

事情怎樣才算真的被解決?

  • 10 分鐘內得到可分享的結果
  • 不需要二次大改就能發給別人
  • 不容易漏項、出錯、忘事
  • 第一次用就知道下一步怎麼走

如果你連“使用者怎麼判斷值不值”都說不清,那這個方向大概率還沒有收斂好。

5. JTBD 句式

當你想梳理一個產品方向時,可以先套這個非常實用的句式:

當 __________ 的時候,我想要 __________,以便於 __________。 現在我只能通過 __________ 來勉強完成這件事。

比如:

當我開完一場資訊量很大的項目會時,我想要快速得到一份帶待辦、責任人和截止時間的紀要,以便於我能馬上同步團隊並推進執行。 現在我只能靠自己回憶、翻聊天記錄和手工整理來勉強完成這件事。

再比如:

當我准備投遞一個新崗位時,我想要快速把已有經歷改寫成更貼合崗位的版本,以便於我能更有把握地投出一份像樣的簡歷。 現在我只能反複複制舊簡歷、手改措辭,改到最後越來越不確定。

如果你能把一句話寫到這種清楚程度,後面的頁面設計、提示詞設計、功能優先級判斷,都會容易很多。

6. 做 AI 產品時,特別要看的三層 job

很多 AI 產品在功能演示時看上去很強,但真正上線之後卻留不住人,常見原因是只解決了表層動作,沒有解決更深的 job。

你可以把一個 job 粗略分成三層來看:

6.1 功能層

最表面的任務是什麼?

  • 總結文檔
  • 改寫文案
  • 提取待辦
  • 生成圖片

這是使用者嘴上最容易說出來的一層。

6.2 情緒層

使用者希望減少什麼不舒服,或者獲得什麼感受?

  • 不想那麼慌
  • 不想顯得不專業
  • 不想每次都從零開始
  • 想更有掌控感

很多付費意願,實際上和情緒層關係很大。

6.3 社會層

使用者希望在別人眼裡變成什麼樣?

  • 看起來更靠譜
  • 在團隊裡更有組織能力
  • 在客戶面前更專業
  • 在社交平台上更會表達

如果你只做功能層,產品很容易被替代;如果你同時理解了情緒層和社會層,你就更容易找到真正有黏性的價值。

7. 用 JTBD 反過來篩產品方向

有時候不是你已經有產品,而是你手裡有 3 到 5 個點子,不知道做哪個。這時 JTBD 很適合拿來做篩選。

你可以拿著每個點子,分別問自己 5 個問題:

  1. 這個點子對應的場景是不是足夠具體?
  2. 使用者現在是否已經在用某種笨辦法解決?
  3. 這個 job 的痛感是否足夠強,或者足夠高頻?
  4. 如果我做好了,使用者會不會明顯感受到“狀態變好了”?
  5. 第一版能不能只圍繞這個 job 的關鍵一步,做出一個很小但有用的版本?

如果一個方向講到最後還是只能說“感覺挺有意思”,卻說不清觸發、替代方案和成功標准,那它大概率還只是一個模糊靈感,不是一個成熟方向。

8. 可以直接拿去訪談使用者的問題

很多人一做研究就問:“你想要什麼功能?”這種問法很容易得到表面答案。

JTBD 更適合問下面這些問題:

  • 最近一次你遇到這個問題是什麼時候?
  • 當時你在做什麼,為什麼會卡住?
  • 你最後是怎麼解決的?
  • 這個過程裡最煩、最慢、最不放心的地方是什麼?
  • 如果有一個工具能幫你,什麼結果會讓你覺得真的有用?
  • 你試過哪些替代方法?為什麼它們不夠好?

這種問法有個好處:它會把對話拉回真實經歷,而不是停留在想像中的偏好。

Intel 使用者體驗研究中,一名參與者直接用手觸摸筆記本螢幕
行為有時比回答更具體。Intel 在巴西、中國、義大利和美國進行筆記本觸控研究時,研究者觀察到參與者會把螢幕向後壓,並用雙手拇指或不同姿勢操作螢幕。這類現場動作很難靠“你想要什麼功能”問出來,卻能揭示使用者真正採用產品的方式。照片:Intel Free Press / Wikimedia CommonsCC BY 2.0

9. 用 AI 幫你做 JTBD 拆解

JTBD 本身不是 AI 發明的,但 AI 很適合幫你整理和提煉 JTBD。

比如你已經收集了 5 到 10 條使用者回饋,就可以把它們丟給模型,讓它按以下結構總結:

text
請你扮演產品研究助手。
我會給你一些使用者原話,請你不要先給功能建議,
而是先按 Jobs to Be Done 的框架整理:

1. 使用者處在什麼場景
2. 觸發他採取行動的事件是什麼
3. 他真正想完成的進展是什麼
4. 當前替代方案是什麼
5. 他最在意的成功標准是什麼
6. 這些回饋裡反複出現的情緒詞有哪些

最後,請把這些內容整理成 3 個最值得優先驗證的 JTBD 假設。

如果你已經有一個點子,也可以讓 AI 幫你做第一輪收斂:

text
我想做一個 [你的產品想法]。
請不要直接給我功能列表,而是用 Jobs to Be Done 方法幫我分析:

1. 這個產品可能服務哪些具體場景
2. 每個場景中使用者想完成的核心 job 是什麼
3. 現有替代方案有哪些
4. 哪個 job 最適合作為 MVP 的起點,為什麼
5. 請把最終推薦的 job 寫成一句清楚的 JTBD 句子

這樣做的好處是,你不會一上來就被 AI 帶去“腦暴 50 個功能”,而是先把方向講清楚。

10. 新手最常見的 4 個誤區

10.1 把 job 寫成功能名

“AI 總結”“智能分類”“自動生成”都不是 job,它們只是可能的實現方式。

10.2 把人群寫得很寬

“所有職場人”“所有學生”“所有創業者”通常都太泛。越泛,你越難看見真實場景。

10.3 只聽使用者說,不看使用者怎麼做

使用者會描述自己想要什麼,但他真正的優先級,常常藏在他現在如何湊合解決問題裡。

10.4 一開始就想做完整平台

JTBD 不要求一開始就覆蓋完整流程。通常應先選擇一個具體場景,並確定其中優先驗證的一步。

11. 使用 AI 整理 JTBD 材料

JTBD 不是 AI 發明的,但 AI 很適合在這套方法裡當你的研究助手、整理助手和對照助手。關鍵是:讓 AI 幫你整理和擴展,而不是替你臆測使用者。

你可以這樣用:

12.1 讓 AI 幫你把模糊點子改寫成 JTBD 假設

當你腦子裡只有一句模糊描述,比如“我想做一個幫大學生找實習的工具”,可以先讓 AI 幫你把它拆成幾種可能的 job:

text
我現在有一個模糊產品點子:[你的點子]
請不要直接給我功能列表,而是用 Jobs to Be Done 的方式幫我分析:
1. 可能對應哪些具體場景
2. 每個場景裡使用者真正想完成的進展是什麼
3. 當前替代方案可能是什麼
4. 哪個 job 最適合先做 MVP
請最後把每個 job 寫成一句清楚的 JTBD 句子。

你甚至可以把輸入寫得很小白:

text
我想做一個幫大學生找實習的內容。
我現在也說不清具體是做什麼,你幫我想想使用者到底想完成什麼事。

AI 可能給出的有用輸出會像這樣:

text
可能的 JTBD 方向:

1. 當我第一次准備投實習時,我想快速知道應該先准備哪些材料,
以便我不要因為資訊混亂一直拖著不投。

2. 當我看到一個實習崗位時,我想快速判斷自己是否值得投,
以便我不要在不合適的崗位上浪費太多時間。

3. 當我開始投遞時,我想把現有簡歷改成更貼合崗位的版本,
以便我能更快完成投遞並提高通過率。

這種輸出的價值在於,它會把你原本一句很泛的想法,拆成幾個更接近真實場景的方向。

12.2 讓 AI 幫你整理訪談原話

如果你已經做了幾次使用者訪談,可以把訪談記錄交給 AI,讓它幫你提煉反複出現的場景、觸發點、替代方案和成功標准。

text
下面是 5 位使用者的訪談原話。
請不要先給解決方案,而是按 JTBD 框架整理:
1. 使用者處在什麼場景
2. 觸發他採取行動的事件是什麼
3. 他真正想完成的進展是什麼
4. 當前替代方案是什麼
5. 他最在意的成功標准是什麼
6. 哪些資訊在多位使用者中重複出現
最後整理成 3 條最值得優先驗證的 JTBD 假設。

一個很簡單的小白輸入也可以這樣寫:

text
我問了 3 個人,他們大概是這樣說的:

1. 每次要投實習我都得重新改簡歷,特別煩。
2. 我其實最怕的是不知道自己寫得對不對。
3. 我現在會先找學長學姐幫我看,但每次都不好意思總麻煩別人。

你幫我整理一下,他們真正想完成的事情是什麼。

AI 可能輸出:

text
整理結果:

- 共同場景:准備投遞實習前,需要處理簡歷
- 共同困難:不知道如何修改到“夠好”
- 當前替代方案:找學長學姐幫看,自己反複修改
- 可能的 JTBD:
  當我准備投遞實習時,我想更快判斷簡歷是否已經達到可投遞水準,
  以便我不要一直卡在“再改一改”而遲遲投不出去。

這種輸出很有用,因為它幫你從零散原話裡提煉出更像“需求”的內容。

12.3 讓 AI 幫你做一輪輕量級網絡研究

在你還沒開始大規模訪談前,可以先讓 AI 幫你做一些很輕的外部資訊掃描,比如:

  • 公開論壇或社群裡,大家是怎麼抱怨這個問題的
  • 市面上已有產品主要在解決哪一層問題
  • 使用者最常見的替代方案是什麼
  • 常見評價裡,大家最滿意和最不滿意的點是什麼

這種研究不能代替真實使用者訪談,但很適合作為 Discover 階段的熱身,幫你先建立問題地圖。

一個簡單輸入可以是:

text
請你幫我查一查:
“大學生改簡歷、投實習時最常見的痛點是什麼?”
優先看公開論壇、經驗帖、求職社群裡大家自己說的話。
幫我整理成 5 條最常見問題。

AI 可能輸出:

text
常見痛點整理:

1. 不知道簡歷該寫什麼,經歷太少
2. 不知道怎麼針對不同崗位修改
3. 改了很多版,但始終不確定是否夠好
4. 找不到可靠的人幫忙看
5. 投遞流程複雜,容易拖延

這類輸出不能當最終結論,但很適合幫你先決定要優先訪談哪類問題。

12.4 讓 AI 充當“反方”

很多時候,我們會對自己的想法太有感情。你可以專門讓 AI 扮演一個挑刺的人,逼你把問題說得更清楚:

text
請你扮演一個非常嚴格的產品研究顧問。
下面是我的 JTBD 假設:[你的假設]
請從以下角度批判它:
1. 這個場景是否過寬
2. 這個 job 是否寫成了功能而不是真正進展
3. 替代方案是否太弱
4. 成功標准是否不夠清楚
5. 這個假設最需要被驗證的風險是什麼

這樣做的好處是,你能更快發現自己是在看需求,還是只是在看自己喜歡的方案。

12. 小結

  • JTBD 將分析對象從產品功能轉向使用者想完成的任務。
  • 一條 JTBD 假設應說明場景、觸發、期望進展、當前替代方案和成功標准。
  • 產品功能是完成任務的一種方案,不應與使用者任務混為一談。
  • JTBD 是需求假設,還需要通過使用者訪談和行為證據檢查。

13. 練習

动手练习

寫清使用者真正想完成的事

  1. 選一個產品點子,寫下使用者在什麼情況下會需要它。
  2. 寫清使用者想得到的結果,以及他現在使用什麼辦法代替。
  3. 找一位可能遇到這個問題的人,問問他最近一次真實經歷。
  4. 根據對方的原話,改寫你最開始的 JTBD 描述。

最後得到一句普通人能讀懂的話就夠了,不需要為了套公式把句子寫得很複雜。

延伸閱讀