# 造东西越来越容易，知道造什么越来越难：一年百万场 AI 访谈的生意

> Training Data No. 95 中文精读

- 原标题：Knowing What Your Customers Want, All the Time: Listen Labs' Alfred Wahlforss
- 发布日期：2026-06-02
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/095-knowing-what-your-customers-want-all-the-time-listen-labs-al-Rumft-.html
- 精读字数：约 4565 字（阅读约 10 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

一件衬衫卖不动，原因可能出在胸毛上。

短裤品牌 Chubbies 用 Listen Labs 做产品测试，AI 访谈挖出了这个细节：男用户的胸毛和某种面料凑在一起，穿起来难受得要命。衬衫改版之后，舒适度大幅提升。同一家公司还帮男士护理品牌 Manscaped 改过超级碗广告，帮 Skims 测过产品。

Listen Labs 是一家 AI 优先的客户调研公司，上线刚满一年，客户里已经有 20% 的财富 500 强，微软、Anthropic、Sweetgreen、NBC 都在名单上。它背后连着一个 3000 万人的受访池，AI 代理能同时跟几千人开视频访谈。到目前为止，平台上累计跑过 100 万场访谈，还在指数增长。

创始人 Alfred Wahlforss 最近上了红杉资本的播客 Training Data，两位主持人 Sonya Huang 和 Konstantine Buhler 都是红杉合伙人。Alfred 的核心判断浓缩成一句话：

> 「越接近 AGI，造东西会越容易，难的部分是知道该造什么。」

## 产品长什么样

流程不复杂。你输入一个问题，比如「怎么改进 Cursor 的新手引导」，系统先生成一份访谈指南，本质是给 AI 代理的指令。然后从 3000 万人的池子里找人，从肿瘤科医生到软件工程师都找得到，同时开几百场访谈，最后汇总分析，直接给建议。

访谈本身是一场视频通话，类似跟 AI 开个 Zoom。AI 会读你的表情，看你的眼神，听你说话的方式。整个平台围绕可溯源设计，**每个数据点都能点回原始视频或原话，你能亲眼确认 AI 没有编造**。

Alfred 反复强调一个事实：大多数公司的大多数决策，根本没有用户输入参与，因为找人聊用户的摩擦太大了。摩擦降下来，决策质量自然上去。速度优势很夸张，**五分钟内就能拿到真人反馈**，看着几百个人涌进你的访谈，体验相当魔幻。因为整个过程是异步的，成本也压下来了，付给受访者的钱比同步访谈少得多。

这个产品的起点挺偶然。Alfred 和联创之前做了个消费应用 BeFake，用微调过的 Stable Diffusion 给用户生成 AI 头像，算是 ChatGPT 图像功能的早期版本。应用一夜爆红，两万个用户涌进来，然后流失严重。他们给自己做了个 AI 访谈工具，想搞清楚用户为什么走。用下来发现这东西太好用了，干脆转型做 Listen。

对比一下旧世界。老牌问卷工具 Qualtrics 之外，市场调研还有一个几十亿美元规模的服务业，专门帮公司设计问题、招募受访者、分析几百小时的录音。传统消费品公司、微软这样的巨头，每年花几千万美元做焦点小组，把人请进房间聊。**设计问卷本身是门学问**，你不能直接问「你愿意为这个付多少钱」，不同问法对行为的预测力差得很远。

## 问卷早就不可靠了，然后呢

主持人 Sonya Huang 的质疑很代表性：受访者是拿钱办事的，天生有选择偏差；人说自己会怎么做，和实际怎么做，经常是两回事。她更相信真实世界的行为数据。

Alfred 的回应分三层。

第一层，一致性测试。他们把同一道选择题问卷隔段时间再发给同一个人，答案差异很大。换成 Listen 的语音访谈，人得真正动脑推理，前后一致性明显更高。

第二层，回测。Chubbies 用他们测所有东西，从营销素材到衬衫款式，测完之后几个月，拿真实销售数据回来对答案，看访谈预测准不准。

第三层，他承认 A/B 测试是黄金标准，但实践中很难做对，需要足够大的用户量。**有一点真实输入，总比没有任何输入强**。

表情识别是弥合「嘴上说」和「实际想」之间差距的另一条路。量表上给你打高分的人很多，但真正眼睛发亮、语气兴奋的反应，才预示这支广告在 Meta 和 LinkedIn 的实际投放里表现更好。他们验证过这层相关性。

## 人更愿意对 AI 说真话，找对人也更难了

人们居然愿意接受更低的报酬来跟 AI 聊天，换成真人访谈员就得加钱。原因是异步、随时开始随时停、心理压力小。有人聊着聊着把心里话全倒出来，像做了一次心理疏导，对面是个不带评判、又对你充满好奇的实体。他们甚至能做儿童调研，这在过去是出了名的难，要家长同意，孩子要上学、上兴趣班，时间根本约不上。

另一件花大力气的事是找人。Listen 把 80% 的工程资源砸在受众这一端。**客户分群是幂律分布的**。Sweetgreen 看起来是给所有人做的沙拉，真正的核心客群是城市高收入女性，还得知道「种子油」是什么，那是欧美健康圈的热词，全美国只有大约 1% 的人知道这个概念。每天去吃的那批人，贡献了 80% 的收入。找到这群人，调研结论才有可执行性。

Alfred 的目标是把受访池做到 10 亿人，给每个人标注专长。可能是个球鞋发烧友，品牌发新品前先访谈这批早期采用者，洞察价值高得多。每做一场访谈，这个人的画像就更厚一层，下次直接搜出来。Konstantine 补了一句，这背后有网络效应，规模到了之后，那些平时极难接触到的人，你也能约到了。

旧模式做不到这一点。传统调研数据库有个指标叫发生率，可能只有 10%，意思是十个人里只有一个合格。被筛掉十次才拿到第一次报酬，数据库流失严重。直接用自家 CRM 也不省心，数据乱是一回事，谷歌不能随便给 Gmail 用户发调研邮件，普通公司群发问卷容易被当成垃圾邮件，直接进过滤器。接 CRM 发给熟客当然可以，但更有价值的是触达那些还不是重度用户的潜在客户，再把两拨人的答案放在一起对比。

## 调研 3.0：模拟你的用户

Alfred 把行业分成三个阶段。1.0 是人工打一百个电话，手工整理。2.0 是 AI 设计问题、同时聊几千人、自动汇总，Listen 现在干的事。3.0 是生成式代理模拟，几个月内上线。

模拟的原理：给一个人做一小时深度访谈，就能开始预测他的偏好，LLM 很擅长这个。某些场景下，预测这个人怎么回答问题的准确率能到 95%。

麻烦在于世界一直在变。混沌理论告诉我们，预测未来很难，否则大家都去华尔街赚钱了。所以要用持续流动的真实访谈给受众「补水」，平台上累计的 100 万场访谈就是燃料。Alfred 描绘的场景是：你问「软件工程师怎么看 Claude Code」，Listen 回答，我这周已经访谈过 1000 个软件工程师了，我来预测他们会怎么答。

怎么知道模型靠不靠谱？他们做回测：从训练集里抽掉一道题，看预测得准不准；再塞进「他们的狗叫什么名字」这种无厘头问题，看模型知不知道自己预测不了。

Alfred 自己先当了小白鼠。他要给一场演讲起标题，写了 100 个，丢进模拟面板，第一名比第二名好一倍。他又做了个对照，把两组演讲标题分别给 ChatGPT 和自家模拟挑，ChatGPT 挑错了，模拟挑对了。

原因在哪？**通用模型学的是「平均人」，而你要服务的是一个非常具体的窄人群**。他们也试过信用卡消费、行为数据，效果最好的数据源还是访谈，因为访谈能跑题、能追问行为、能捕捉一个人怎么想。模型缺的是关于具体人群如何行动的干净数据。

访谈攒够之后，产品形态也变了。他们有个功能叫增强响应（augmented responses），相当于给你一个专属 bot，随时问即时问题。技术栈是后训练加 RAG，再加一些不公开的私招。它还能接进你的编码代理，Alfred 称之为 human API，代理随时调用用户偏好，知道该造什么。他们已经发布了 MCP，接进 Claude 之后，可以让 Claude 在循环里跑 Listen，批量生成营销创意再测试。

Sonya 追问，要不要让一千个模拟用户互相辩论，类似把同一个问题发给三个模型再让一个模型当裁判。Alfred 持怀疑态度，事物一复合就难预测，混沌理论又来了。他们的做法是把一个人建模建好，再扩展成一千人的代表性样本。

生意层面的数字更有意思。因为做得快，反而应该收更多钱。他们向客户收几十万美元，对应的只是一场覆盖八个国家、20 位医生的访谈项目。长期看，单场访谈会更便宜，但研究总量会多两个数量级。模拟解锁的是那 99% 你永远没时间找真人的场景。分工很清晰，超级碗广告这种大决策还是要跑真人访谈，广告牌上的标语这种小决策交给模拟。咨询公司也在用，Bain 拿 Listen 加速传统流程，但利润率会掉，得把服务拆开，让 AI 代理接走一部分。

Konstantine 给了一个医疗场景：医疗系统里有一堆小毛病，医生忙到没空参加任何座谈，公司也懒得花时间搞清楚那些细碎的痛点。如果医生在手机上顺手就能吐槽 EHR 或者手术室里的设备，这类场景听着就能救命。

## 护城河是笨功夫

创业初期的核心想法很朴素：把访谈体验变得不那么烦人。GPT-4 时代，AI 有时会把同一个问题问一百遍。他们建了一个评测，专查重复提问和是否遵循指令，起步 20%，一路爬到 85%。然后建了一个更难的评测，要求 AI 理解屏幕录制里你在干什么、能不能跳过不再相关的问题，又掉回 20%。

**垂直 AI 公司的优势就在于拥有自己的私有评测，然后一点点爬它**。这是 Alfred 总结的方法论。

护城河有几层：受访池的网络效应，供需两端互相吸引；数据护城河，访谈越多模拟越准；产品粘性，历史访谈都存在平台上，你要长期追踪。还有最朴素的，红杉合伙人 Bryan Schreier 跟他说过一句话，创始人想做复杂的东西，客户只想要傻简单、能用就行。

生成访谈指南就是典型。早期他们直接用裸 LLM，客户拿到数据跑回来说这玩意没法用，他们把这个锅背下来，训练模型遵循最佳实践，比如别诱导受访者。

这门手艺的历史战绩不小。P&G 通过客户访谈发现洗衣液用着难受，用户想要更省事的形态，做出了 Tide Pods 洗衣凝珠。Mars 在上世纪 50 年代做了最早的调研之一，M&M's 原本给军队设计，因为揣兜里不化，调研发现孩子是更大的市场，整个广告策略随之转向，这个故事出自 Acquired 播客。大公司的账更好算，宝洁进入一个新市场，投入动辄几千万美元起步，发布那一刻必须对，这是他们成为 Listen 大客户的原因之一。

Konstantine 还给了一个视角：公司的本质是服务人，AI 越聪明，AI 不知道而人知道的那部分差值越值钱。Alfred 确信未来仍需要真人输入，因为人是不理性的，会突然迷上一个新的 TikTok 趋势，逼你整个营销策略掉头。他不确定的是模拟能走多远。

Sonya 把商业模式总结成一个无限循环：公司本质上就是「搞清楚造什么，造出来」来回转，AI 正在把「造出来」这半边推得飞快，Listen 卡位的是「搞清楚造什么」，从产品功能到广告文案。Alfred 补了一个更朴素的版本：写代码，跟用户聊。终局画面是一个人的十亿美元公司，编码代理负责写代码，Listen 负责搞清楚该写什么，两个在循环里跑，自主运转。

> 「我们希望活在一个终于按人们想要的方式运转的世界里。」

## 明天就能用上的几件事

- 设计问卷时，删掉「你愿意付多少钱」这类直接问法，换成行为类问题，问过去做过什么，比问将来会做什么靠谱。
- 标题、广告语这类小决策，批量生成 100 个版本，找一批匹配目标画像的受访者测试，选得分最高的。Alfred 的演讲标题就是这么选的。
- 看任何调研报告，先要求每个结论能点回原始录像或原话，不能溯源的数据先当不存在。
- 如果你在做 AI 产品，建一个自己的评测集，专挑你最怕出的问题，每次换模型跑一遍，分数就是产品进度条。
- 预算有限时，优先调研核心客群。那群看起来很小的人，可能贡献 80% 的收入。

最后回到那句判断。造东西的成本正在塌方，知道造什么的成本正在变成新的瓶颈。谁先建立起持续听用户说话的管道，谁就握住了循环里更难的那一半。