用户、业务、技术：产品经理必须同时理解的三条线
High Contrast
Dark Mode
Light Mode
Sepia
Forest
6 min read1,203 words

用户、业务、技术：产品经理必须同时理解的三条线

很多 PM 的卡点，不是不会写需求，而是只看其中一条线。只看用户，会忽略商业现实；只看业务，会牺牲体验；只看技术，会把产品做成工程投影。

成熟的 AI 产品经理，必须同时理解三条线，并且让三条线在同一个方案里对齐。

三条线分别在看什么

graph TD A["用户线
谁在用、在什么场景、怎么完成任务"] --> D["产品方案"] B["业务线
要改善什么结果、有什么约束"] --> D C["技术线
系统能否稳定实现、成本与风险如何"] --> D style A fill:#e3f2fd,stroke:#1565c0,stroke-width:2px style B fill:#fff3e0,stroke:#ef6c00,stroke-width:2px style C fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px
视角 核心问题 常见输出
用户线 用户要完成什么任务，哪里卡住了 用户旅程、痛点、任务拆解
业务线 为什么公司值得投入这件事 收益目标、成本目标、优先级
技术线 方案是否做得出、稳不稳、贵不贵 架构方案、风险、依赖、上线条件

为什么 AI 产品更依赖三线对齐

因为 AI 产品天然跨得更广：

只要其中一条线没对齐，项目就容易失真。

一个实用的三线检查法

检查项 用户线 业务线 技术线
目标是否清楚 用户任务是否明确 KPI 是否明确 验收标准是否明确
价值是否成立 用户愿不愿意用 值不值得投资源 成本是否可控
风险是否可控 会不会误导用户 会不会带来投诉或损失 稳定性与风险是否可控

例子：做一个 AI 选品助手

如果只看用户线，你会觉得“运营同学想更快找潜力商品”。
如果加上业务线，你会追问“最终要提升什么，是 GMV、转化率还是降低试错成本”。
如果再加上技术线，你就会看“数据是否齐全，推荐逻辑是否可解释，错误推荐会不会伤害库存和利润”。

这三个问题少一个，方案都可能偏。

课堂案例：电商选品助手为什么会做偏

案例背景

运营团队想做一个 AI 选品助手，目标是帮他们更快找到潜力商品。

教学拆解

如果 PM 只看用户线，会倾向先做推荐界面；
如果同时看三条线，就会发现第一阶段更应该先补数据和规则，再做推荐候选。

三线冲突图

graph LR A["用户想更快选品"] --> D["方案取舍"] B["业务想提高利润与周转"] --> D C["技术数据尚不完整"] --> D

练习题

  1. 为什么只看用户需求会把项目做偏
  2. 三条线冲突时，PM 应该怎么处理
  3. 请举一个业务线会压过用户线的场景

标准答案提示

一个三线对齐模板

three_lines = {
"用户线": {
"核心任务": "客服在 2 分钟内给出第一轮有效答复",
"主要痛点": ["知识分散", "培训慢", "重复问题多"],
},
"业务线": {
"目标": ["降低人工工单占比", "不降低满意度"],
"约束": ["季度预算固定", "高风险问题必须可审计"],
},
"技术线": {
"能力": ["RAG 检索", "置信度判断", "人工接管"],
"风险": ["知识过期", "误答", "延迟波动"],
},
}
for line, values in three_lines.items():
print(f"\n[{line}]")
for key, value in values.items():
print(f"{key}: {value}")

常见误区

误区 表现 后果
只看用户体验 觉得“好用”就够了 业务价值不成立
只看老板目标 目标很大但用户不买单 使用率低，无法持续
只看技术炫技 方案复杂但不必要 维护成本高，团队疲劳

本章 checklist

本章小结

下一节：02-用户研究与业务目标对齐 — 用结构化方法让用户洞察、业务目标、技术约束在同一张地图上对齐。