第一性原理做产品5从《与运气竞争》看AI产品价值——用户到底在雇佣什么导读Clayton Christensen在《与运气竞争》中提出了一个改变产品思维的问题用户不是买你的产品而是雇佣你的产品来完成一项任务。这个框架在AI时代变得异常重要因为AI产品最容易犯的错误就是——卖智能而不是卖完成任务。当你的产品以AI驱动作为卖点时用户脑子里想的却是“这家伙到底能不能帮我把报销单填完”一个让我重新思考的问题2024年我认识的一个创业者做了一个AI产品——“AI智能会议纪要助手”。功能很强大实时转录、自动摘要、待办提取、情绪分析、发言者识别……他在Demo展示时所有人都在说哇好厉害。但三个月后这款产品死了。不是技术不行不是功能不够。而是用户试用之后默默地回到了——手动记笔记。为什么因为AI会议纪要这个功能用户已经在飞书、钉钉、腾讯会议里免费获得了。更重要的是用户真正雇佣会议纪要产品要完成的任务Job不是记录会议内容而是——“确保我不会因为会议太多而遗漏重要事项”。而确保不遗漏这个任务AI会议纪要做得并不好——它记录了一堆信息但用户仍然需要花时间筛选哪些是重要的。换言之它完成了记录的功能但没有完成不遗漏的任务。这就是《与运气竞争》Competing Against Luck要告诉我们的核心道理。《与运气竞争》核心洞见用户到底在雇佣什么Clayton Christensen在2016年出版的这本书提出了一个颠覆性的框架——JTBDJobs to be Done待办任务理论。核心命题用户不是买你的产品而是雇佣你的产品来帮他们完成一项任务。就像你雇佣一个电工来修理电路你雇佣一个产品来搞定你生活中的某个问题。这个框架有三个层次的任务第一层功能性任务Functional Job用户想要完成的具体任务。这是最表层、最容易被观察到的需求。比如“我想叫一辆车去机场”比如“我想把今天的会议内容整理出来”比如“我想找到性价比最高的蓝牙耳机”大多数产品经理只看到这一层。但Christensen说如果你只完成功能性任务你的产品随时可以被替代。第二层情感性任务Emotional Job用户在使用产品时想要感受到的情绪状态。叫车去机场的功能性任务是到达机场但情感性任务可能是让我感到安心不会误机整理会议内容的功能性任务是记录但情感性任务可能是让我感到掌控一切不焦虑找蓝牙耳机的功能性任务是买到好耳机但情感性任务可能是让我觉得自己做出了明智的选择第三层社会性任务Social Job用户想要向他人展示的形象和身份。叫Uber而不是滴滴可能是想展示我是一个国际化的人用Notion做笔记而不是Word可能是想展示我是一个前卫的创作者分享ChatGPT的对话截图可能是想展示我会用AI我很潮关键概念“雇佣和解雇”Christensen用了一个非常形象的比喻用户在生活中遇到了一个任务Job他们会去寻找一个帮手产品/服务来雇佣。如果这个帮手完成了任务用户就会继续雇佣它。如果没完成用户就会解雇它寻找下一个帮手。“解雇的条件不是产品不好”而是任务没完成。这句话值得反复品味。用户放弃你的产品不是因为你的功能不够多不是因为你的UI不够漂亮也不是因为你的竞争对手比你便宜。而是因为——用户雇佣你的产品来完成的那个任务你没有完成。AI时代的重新解读AI产品最容易犯的三大JTBD错误当JTBD框架遇上AI产品你会发现一个惊人的事实大量AI产品之所以失败不是因为技术不行而是因为它们犯了JTBD的底层错误。错误一卖AI能力而不是完成任务的更好方式这是AI产品最常见的错误。你的产品主页写着基于GPT-4支持多模态输入具备上下文记忆能力。用户看到这些脑子里浮现的问题是——“所以呢”用户不关心你用了什么模型。他们不关心你的技术参数。他们只关心一个问题“我的任务完成了吗”举个例子。假设你做了一个AI辅助写作工具你的功能描述是基于大语言模型支持智能续写、风格转换、语法纠错、多语言翻译……但用户的JTBD是什么不是我需要一个AI写作工具而是——功能性任务“我需要把这篇3000字的报告在1小时内写完”情感性任务“让我不因为写不出来而焦虑到凌晨三点”社会性任务“让我老板觉得我写得又快又好”如果你不能帮用户在1小时内写完报告你列再多AI功能都没用。错误二只满足功能性任务忽略情感和社会任务这是AI产品特有的盲区。因为AI天然擅长功能性交付——它能写文案、能生成图片、能分析数据。但AI不擅长理解情感需求和社会需求。我们来看一个反面案例Jasper AI。Jasper曾是AI写作工具的明星2022年估值15亿美元。但到了2023年增长急剧放缓大量用户流失。为什么用JTBD框架来分析Jasper完成的功能性任务快速生成营销文案、博客文章、社交媒体帖子 ✓Jasper没有完成的情感性任务用户想要我是一个有创意的创作者的感觉但Jasper生成的文案千篇一律用户感觉自己只是一个点按钮的人Jasper没有完成的社会性任务当所有人都知道你的文案是AI写的展示自己用AI写文案就不再酷了——它甚至变成了一种负面标签而ChatGPT之所以能覆盖更广的JTBD是因为它不仅仅是一个写作工具——它是一个对话伙伴。功能性任务获取信息、完成任务情感性任务探索未知的兴奋感——“哇它居然能回答这个”社会性任务早期展示我会用AI——发ChatGPT的对话截图曾是一种社交货币Jasper只完成了一个狭窄的功能性任务。ChatGPT完成了一个完整的JTBD组合。这就是差距的根源。错误三AI产品过度交付——做了太多用户不需要的事AI的能力太强了强到产品经理很容易陷入一个陷阱“既然AI能做为什么不做”于是你做了一个AI笔记工具它有自动摘要智能标签知识图谱关联推荐语义搜索自动生成思维导图会议纪要转写……但用户只是想快速记下一个想法然后能找到它。你过度交付了10个功能但用户的核心JTBD——“快速记录快速检索”——你可能反而没做好。因为你的精力分散在了那些AI能做的功能上而不是用户需要的任务上。真实案例深度拆解案例一ChatGPT真正的JTBD是什么我们用一个JTBD三层模型来拆解任务层次具体内容功能性任务帮我写代码、写文章、翻译、总结、回答问题——“替代我查找和整理信息的过程”情感性任务探索未知的兴奋感——“和一个几乎无所不知的伙伴对话每次都有惊喜”社会性任务早期“展示我是会用AI的人”社交货币现在“展示我是高效的人”生产力标签值得注意的是ChatGPT的JTBD是动态演化的。2022年12月刚上线时它的社会性任务非常强——截图发朋友圈本身就是一种重要的使用场景。但到了2025年当AI对话变得普及这个社会性任务就弱化了功能性和情感性任务成为核心。产品启示你的JTBD不是一成不变的。同一个产品在不同阶段、不同用户群中会被雇佣去完成不同的任务。案例二GitHub Copilot真正的JTBD是什么表面上看Copilot是一个代码补全工具。但如果用JTBD来分析你会发现它的真正价值完全不在代码补全上。功能性任务不是帮我写更多代码而是让我不被琐碎的语法和模板代码打断思路情感性任务不是让我觉得AI很厉害而是让我保持心流状态——那种全神贯注、忘记时间流逝的愉悦感社会性任务不是我会用AI编程而是我比不用AI的人更高效GitHub的CEO Thomas Dohmke在接受采访时说过一句话完美诠释了Copilot的JTBD“Copilot is not about writing code faster. It’s about staying in the flow.”Copilot不是关于更快地写代码而是关于保持心流状态。这才是Copilot的真正价值。它不是在帮你写代码而是在帮你不被琐事打断。理解了这一点你才能理解为什么Copilot的产品设计决策是减少干扰而不是增加功能——它不会在你写代码时弹出10个建议而是默默地、精准地、在你需要的时候出现。案例三为什么Jasper AI面临增长瓶颈前面已经分析过Jasper的JTBD框架这里做一个更系统的对比维度Jasper AIChatGPT功能性任务生成营销文案 ✓完成各种任务 ✓✓情感性任务“我是一个按钮操作员” ✗“探索未知的兴奋感” ✓社会性任务“我用AI写文案”已变负面✗“我高效”持续正面✓JTBD覆盖宽度窄仅写作宽多场景用户解雇门槛低有更便宜的替代品高切换成本大Jasper的困境不是技术问题而是JTBD问题。它完成了一个太狭窄的功能性任务却没有建立情感性和社会性任务层面的价值。当ChatGPT出现覆盖了更广的JTBD范围时用户自然解雇了Jasper转而雇佣了ChatGPT。实操框架AI产品的JTBD画布基于以上分析我设计了一个AI产品专用的JTBD画布。你可以用这个画布来重新审视你的产品。第一步定义用户的核心任务Job用一句话描述用户雇佣你的产品要完成的任务。格式“当用户____时他们想要____以便____。”比如当用户面对一片空白文档时他们想要快速获得一个可用的初稿以便不再被写作焦虑困扰。当用户打开IDE准备写代码时他们想要不被琐碎的语法和模板打断以便保持心流状态。关键检查这个任务描述里有没有提到AI如果没有那说明你真正在思考用户的任务而不是AI的功能。第二步拆解雇佣和解雇的触发条件雇佣触发条件用户在什么情况下会雇佣你的产品任务紧急程度这个任务有多痛替代方案用户现在是怎么完成这个任务的雇佣成本用户开始使用你的产品的成本有多高解雇触发条件用户在什么情况下会解雇你的产品任务失败你的产品有没有在关键时刻掉链子替代出现有没有更便宜/更方便的方式完成这个任务情感疲劳用户对你的产品是否失去了新鲜感第三步设计AI如何更好地完成这个任务不要从AI能做什么开始而要从任务需要什么开始。画一个表格左列是用户完成这个任务时遇到的困难右列是AI如何消除这些困难。用户完成任务的困难AI如何消除这些困难面对空白文档不知道从何写起根据上下文生成初稿让用户改而不是写写代码时被记住API细节打断自动补全代码让用户审而不是查搜索时需要打开多个网页对比直接整合答案让用户验证而不是搜索关键原则AI的价值不是展示能力而是消除摩擦。第四步验证——用户是否愿意为更好的任务完成付费最后一步也是最关键的一步。用以下三个问题来验证替代测试如果用户不能雇佣你的产品他们会用什么替代方案如果答案是没有替代方案——那说明你的JTBD可能不是真实的或者用户根本不在乎这个任务。付费测试用户愿意为更快/更好地完成这个任务付多少钱注意不是为AI功能付多少钱而是为任务完成付多少钱。习惯测试用户雇佣你的产品的频率是多少每天一次每周一次如果答案是偶尔用一次那说明这个JTBD可能不够痛。行动清单以下是你可以立即执行的5个行动用一句话描述你的产品被雇佣的JTBD格式“当用户____时他们想要____以便____。”确保描述里没有出现AI两个字。列出你的产品现在做的所有功能然后逐一问这个功能是在帮助用户完成他们的JTBD还是仅仅因为AI能做而添加上去的找出你的产品在情感性任务和社会性任务上的得分。如果这两个维度是空白你的产品正在被功能化——任何比你便宜或比你快的竞品都能取代你。做一个解雇分析找到10个流失用户问他们一个问题——你当初雇佣我们是要完成什么任务为什么后来解雇了我们答案会告诉你一切。重新设计你的产品介绍页面把基于XX模型支持XX功能改成帮你完成XX任务让你不再为XX而烦恼。互动时间【投票】你的AI产品你觉得用户真正雇佣它来完成什么任务A. 功能性任务——“帮我更快地完成具体工作”B. 情感性任务——“让我感到安心/兴奋/掌控”C. 社会性任务——“让我看起来很酷/很专业/很高效”D. 说实话我从来没想过这个问题……【评论区话题】用JTBD框架重新审视你做过的产品或者你正在做的产品它的功能性任务“情感性任务”社会性任务分别是什么你满足了几层欢迎在评论区分享你的分析我会挑选最精彩的3个案例进行深度点评。下篇预告第6篇收官篇从《定位》到品类设计——AI时代如何定义新品类当AI让更好的XX变得太容易定位理论还够用吗答案藏在一本近期的著作《品类设计》Play Bigger中。最好的定位不是更好的产品而是全新的品类。我们将深度拆解Perplexity如何定义答案引擎、Claude Artifacts如何定义AI原生工作空间、Cursor如何定义AI原生IDE——以及给出一个可复用的品类设计五步法。明天上午9点终极收官不见不散。关注本专栏本系列用第一性原理重新解读六部经典产品/商业著作在AI时代提炼新的产品方法论。每篇文章包含✅经典重读—— 不是读书笔记而是用第一性原理重新解读经典著作✅深度拆解—— 每篇2-3个真实案例深挖产品底层逻辑✅实操框架—— 每篇一个可复用的方法论工具学完就能用✅系列连载—— 6篇完整覆盖AI时代的产品方法论体系关注后自动接收更新点击关注和我们一起用第一性原理穿透AI时代的迷雾。本文为《第一性原理做产品AI时代从能做到做好的破局之道》系列第5篇。第1篇从《创新者的窘境》看AI颠覆 | 第2篇从《从0到1》看AI创业 | 第3篇从《精益创业》到Demo优先 | 第4篇从《跨越鸿沟》看AI产品冷启动 | 第5篇本篇从JTBD看AI产品价值 | 第6篇收官从《定位》到品类设计