需求池多源收口与语义去重 —— 「深色主题」从三个渠道进来就是三条记录

PM 每周 12+ 小时收集管理反馈 · 同一个需求换个说法就是三条记录

一这件事现在是什么样

产品管理 · 真实业务触发

季度需求评审前一周,产品经理要给评审会备料:客服工单 240 张、销售拜访纪要 17 份、客户访谈转写 6 篇、现有需求池存量 380 条——粗扫就知道「多币种结算」至少以四种说法散在不同渠道(工单「美元账单对不上」/销售「恒鲜问过外币」/访谈「越南采购要本地币」),而谁也说不清这条需求到底代表多少客户、多少 ARR。

二痛点 · 每条都有来源

不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处

2
PM 每周 12+ 小时用于收集管理反馈;只有 1/10 的团队能从所有可用来源捕获客户反馈,74% 的 PM 把高质量反馈列为最大挑战依据 · UserVoice 调研(200 名产品从业者):收集和管理反馈可占产品经理每天 25% 以上、每周 12+ 小时
3
同一个需求换个说法就是三条记录(「夜间太刺眼」「增加深色主题」「重点客户问过 Dark Mode」);按关键词机械去重又会把场景不同的相似诉求错误合并依据 · 需求重复录入的典型形态:客户访谈说「夜间看起来太刺眼」、客服工单写「希望增加深色主题」、销售反馈「几个重点客户都问过 Dark Mode」——逐条录入就是三条记录;按关键词机械去重又会把场景不同的相似诉求错误合并
4
同一个 feature request 散落在工单/CRM/群聊/邮件中互不关联——「三个信号、一个洞察、零连接」;只有 37% 的会议产生明确决策依据 · 反馈碎片化代价:同一个 feature request 散落在 Zendesk/Salesforce/Slack/邮件中互不关联——「三个信号、一个洞察、零连接」;只有 37% 的会议产生明确决策,44% 的行动项永远无人完成
5
需求池治理共识:只进不出、缺乏准入判断、没有分层处理——治理次序是先堵新增(入口收口),再梳分类,最后归档存量依据 · 需求池治理共识:需求池越堆越满的根因不是需求多,而是入口未治理——只进不出、缺乏准入判断、没有分层处理;治理次序是「先堵新增(入口收口)→ 再梳分类 → 最后归档存量」
6
反馈闭环差的公司浪费最多 35% 开发资源造客户不想要的功能;72% 的高绩效销售组织与产品有正式反馈闭环,绩效差的只有 28%依据 · Gartner:反馈闭环差的公司浪费最多 35% 的开发资源去造客户根本不想要的功能

三换个做法之后

变化不在「快」,在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 需求天然来自六类来源,「大家都能提需求,但没人知道该提到哪里」——重复需求变多、优先级变乱,产品经理被「谁声音大就先做谁」牵着走
  • PM 每周 12+ 小时用于收集管理反馈;只有 1/10 的团队能从所有可用来源捕获客户反馈,74% 的 PM 把高质量反馈列为最大挑战
  • 同一个需求换个说法就是三条记录(「夜间太刺眼」「增加深色主题」「重点客户问过 Dark Mode」);按关键词机械去重又会把场景不同的相似诉求错误合并
  • 同一个 feature request 散落在工单/CRM/群聊/邮件中互不关联——「三个信号、一个洞察、零连接」;只有 37% 的会议产生明确决策

✓ 交给 Agent 之后

  • 多来源文件一次读入,先做口径与完整性校验,再开始算
  • 每条结论绑定来源文件、字段或条号,可以被审
  • 产出是企业真会流转的正式件(带签批栏),不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」,并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
多源原始料登记工单/纪要/转写按来源登记,原始表述原样保留——归一不改写证据
第 2 步
语义相似度聚类同义不同表述归到同源组;「疑似同源但场景不同」单独标,不自动合并
第 3 步
证据链聚合每条归一需求挂:原始表述 N 条 / 来源渠道数 / 提出客户数 / 关联 ARR(销售口径)
第 4 步
存量池对照380 条存量里已存在的同源项标出——新增还是并入,评审定
第 5 步
评审材料包成稿按证据链厚度排序的需求摘要 + 建议优先级栏留空 + 待确认同源清单

要准备什么

客服工单导出(近一个月全量)
240 张含口语化描述——需求密度最高的矿脉,「美元账单对不上」就在这里
销售/售前拜访纪要(微信记录与会议纪要)
ARR 证据的来源——哪家客户、什么体量、问过什么
客户访谈转写
未过滤的原始抱怨——需求真实形态,也是语义归一的校准语料
现有需求池存量导出(380 条)
只进不出的存量——收口前先看有没有已经进来的同源项

为什么这个场景值得做

痛感 4 × AI 适配 5 ÷ 落地难度 2 = 11.0

最大差异点 · 不是又一个「需求管理工具」:入口从「让人填表」改成「把散装原始料倒进来」——工单、拜访纪要、访谈转写原样丢入,语义去重在收口侧完成。每条归一需求保留完整证据链(几条原始表述、来自几个渠道、哪几家客户、关联多少 ARR),评审会看的是证据链的厚度,而不是谁嗓门大。

评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。

五会产出什么

判断标准只有一个:这份东西能不能直接进企业的流程

正式件本体
需求归一与证据链汇总表.xlsx
正式件 · 归一需求 × 原始表述/渠道/客户/ARR 证据链 · 含评审签批栏
可派发清单
疑似同源待复核清单.xlsx
语义相近但场景可能不同的条目 · 逐条给分拆/合并建议 · 人判
可派发清单
存量池处置建议.xlsx
41 条已上线重复反馈 / 长期无人跟进项 · 转客户成功或归档

这套东西不承诺什么

只做归一与聚类,不做优先级决策——建议优先级栏一律留空给评审会;语义相似但场景不同的条目只标「疑似同源待确认」,不自动合并;带 ARR 的证据链只引用销售提供的合同金额,不估算、不外推。

想看具体怎么跑?

Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了