第一章 进场判断
1.3 立项四问与客户四问
承前：生态图铺开了，流程位置也确认了，现在回到那封 80 字的邮件。上一节说过，立项阶段的模糊是常态——客户没想清楚，才需要你。但"接受模糊"不等于"假装清楚"：带着模糊直接开工，是把风险埋到项目最深处的做法。这一节给你两把手术刀：立项四问（你自己判断这单该不该接、怎么接）和客户四问（替客户把他们自己该想清楚的事问出来）。然后，我们对青禾优选那封邮件逐句开刀。
1.3.1 立项四问：判断"这单该不该接"
任何项目进场前，FDE 要在内部（自己的团队里）回答四个问题。它们不是走形式，每个问题背后都对应一种真实死法。
第一问：技术可行性。 以我们产品的真实能力（不是 demo 能力），这个场景能跑通吗？关键技术前提是什么？最常被忽略的是数据和集成前提：客户的数据在不在、干不干净、拿不拿得到。AI 项目的第一死因从来不是模型不够聪明，而是数据接不上。
第二问：业务价值。 假设技术上全跑通了，业务指标真的会动吗？价值量级是多少？一个提升复购率 0.5 个点的项目，和提升 5 个点的项目，投入决策完全不同。反过来，如果客户连"复购率下滑的真实原因"都说不清楚，AI 大概率治不了病——病根可能是选址、定价、商品结构，AI 运营助手开不出这个药方。
第三问：客户匹配度。 客户的组织成熟度撑得起这个项目吗？有没有能拍板的决策人、能配合的业务方、能干活的数据/IT 接口人？技术再好，客户内部没人接住，交付也是空中楼阁。这一问还包括：客户对 AI 的预期是否现实——"开箱即用"这种预期就是红色警报。
第四问：交付风险。 最坏情况是什么，我们承受得起吗？范围失控（无边界的"智能助手"）、干系人失控（W7 空降的数字化总监就是伏笔）、数据合规风险、验收标准模糊——这些风险有没有缓解动作？FDE 的一个职业习惯：进场前先想退场——什么情况下该建议客户缩小范围、推迟、甚至不做了。
四问的输出不是"接/不接"的二元答案，而是三种决策之一：
立项四问 → 三种决策
四问全绿 ──────────────► 接，按标准打法推进
部分红灯，但可修复 ─────► 接，但前置条件写清楚（数据、接口人、决策人）
红灯在根子上（价值/决策）─► 缓：先做诊断再谈立项；或诚实地建议不做1.3.2 客户四问：替客户把"该想清楚的"问出来
立项四问是问自己，客户四问是问客户。它们的精妙之处在于：这四个问题本来是客户立项时该问自己的，但多数客户没问过。你替他们问，既是尽调，也是帮客户把立项做扎实——这本身就是 FDE 价值的一部分。
第一问：为什么做？（动机）这个项目要解决什么业务问题？问题有多疼——量化了吗？"复购下滑"要落到：从多少跌到多少、什么时候开始的、影响多少营收。疼感不清，优先级就不清，项目随时会被别的事挤掉。
一个辅助工具：把"疼感"翻译成钱的单位。假设青禾优选会员年均消费 3000 元、活跃会员 80 万，复购率每下滑 1 个百分点粗略对应数千万元级的营收缺口——具体数字要到 W2 诊断才能确认，但量级感必须现在就建立。能把业务问题翻译成 CFO 听得懂的钱，是客户四问的隐藏技能：它决定你在后续预算审批和验收谈判里有没有话语权。
第二问：决策人是谁？（权力）谁拍板立项、谁签字验收、谁能一票否决？沙盘里增长副总裁是发起人，但他是不是最终决策人？老板"很重视"是转述还是亲自过问？发起人 ≠ 决策人是 To B 项目最经典的坑——发起人在前线摇旗，决策人在后方看别的优先级。
第三问：预算多少？（资源）钱从哪个口袋出、量级多少、审批走到哪了？预算没批的项目是"意向"，不是"项目"。问预算不丢人——含糊其辞本身就是重要信息。
第四问：成功标准是什么？（验收）项目做成什么样算成功？哪个指标、从多少到多少、多久之内？这个问题客户经常答不上来，而答不上来的项目，最后验收时就是"感觉没达到预期"——感觉是无法交付的。
四问合起来是一张画像：动机、权力、资源、标准。任何一问是空的，这个项目就是悬空的。
1.3.3 决策矩阵：把四问变成可打分的工具
四问要落地，不能停在感觉层面。给你一个简单的决策矩阵模板（1-5 分，3 分是及格线）：
| 维度 | 评估问题 | 青禾优选现状（初判） | 得分 | 风险信号 |
|---|---|---|---|---|
| 技术可行性 | 数据/集成/场景前提满足吗？ | 未知——数据现状完全没披露 | 2（待验证） | 数据双轨、会员口径混乱 |
| 业务价值 | 指标可动空间多大？ | 复购是北极星，方向对 | 4 | 但病根未诊断 |
| 客户匹配度 | 决策人/接口人/预期现实吗？ | 发起人明确，决策人未知；"开箱即用"预期危险 | 2 | 预期管理是硬仗 |
| 交付风险 | 最坏情况可控吗？ | 范围("智能助手")无边界 | 2 | 需求定义先行 |
| 合计 | 10/20 | 有条件进场：先诊断后立项 |
注意打分的纪律："未知"和"差"是两回事。 青禾的技术可行性得分低不是因为这个项目技术上难，而是因为信息不足——这个 2 分的含义是"必须先做数据尽调才能重新打分"。决策矩阵的价值不在分数本身，而在于它逼你把"不知道"显性化，并且给每一项配上缓解动作。
这张表会在第二章（进场诊断）被重新打一遍分。课程后面你会看到：分数怎么从 10 分一路变化，是比任何剧情都重要的主线。
1.3.4 沙盘拆解：那封邮件，逐句开刀
现在动手术。原文再贴一次，逐句拆：
"我们最近会员复购下滑得厉害，老板很重视。"
- 为什么做：动机有了——复购，且与考核压力挂钩（"老板很重视"）。
- 信息缺口：下滑多少？从什么时候开始？趋势还是突发？六个字的"厉害"零信息量。这句话的隐藏含义：动机大概率真实，且有时间压力——时间压力会让你后面被"尽快"追着跑。
- FDE 动作：首次会议必问量化基线。复购率的定义和口径也要问——沙盘设定里三个部门的会员数是 80 万/120 万/76 万，连分母都不一致，复购率必然各有各的算法。
"听说你们的 AI 产品很成熟，我们想做一个'智能运营助手'，帮我们把会员运营做起来。"
- 成功标准：零。"智能运营助手"是愿望名词，不是问题定义。它能做什么、不能做什么、怎么算好——全部空白。
- 危险信号："听说…很成熟"——客户的信任建立在传闻上，而传闻不包含你的产品边界。一旦助手做不到传闻中的某个功能，信任会断崖式下跌。
- "把会员运营做起来"暴露了认知模型：客户把"运营没做好"归因于"缺一个工具"。但复购下滑的病根可能一半在选品、定价、履约体验——这些不是"智能助手"能覆盖的。
- FDE 动作：把"智能运营助手"这个名词换成问题清单——复购链条上哪几个环节最可能出问题？我们的产品在哪些环节有真实能力？
"产品成熟的话应该开箱即用，希望能尽快看到效果。"
- 全邮件最危险的一句。两层雷：预期层——"开箱即用"把项目当成买家电，意味着客户心理上没准备投入配合（数据、流程、人员）；节奏层——"尽快"没有定义，但客户心里的"快"几乎肯定快于你的"快"。
- 现实参照：Klarna 的 AI 客服助理是业界最快的标杆之一——据 Klarna 官方新闻稿，上线首月完成 230 万次对话、承担三分之二客服会话。但注意那是 Klarna：自有数字渠道、强工程团队、客服场景数据结构化程度高。青禾优选的数据环境和组织准备度差着量级。连 Morgan Stanley 与 OpenAI 的深度共建，也要长期投入才有 98% 顾问团队使用率。"开箱即用"不是事实陈述，是客户的一种愿望投射——愿望可以理解，但不能让它变成验收标准。
- FDE 动作：第一次会议就要温和地重置预期，并且给一个可信的替代节奏（先两周诊断出可量化的机会点，再谈范围）。只反对、不替代，是预期管理的大忌。
"方便的话本周聊一下？"
- 好消息：客户主动性高，窗口是开着的。
- 信息缺口：参会人是谁？只有增长副总裁，还是有 IT、有数据、有运营？参会人名单本身就是客户匹配度的第一手证据。只有业务方没有技术方的会，注定再开一轮。
逐句拆完，回到两个四问对一遍：
| 四问 | 从邮件里能读出什么 | 缺什么 |
|---|---|---|
| 技术可行性 | 无 | 数据现状、系统清单、集成能力 |
| 业务价值 | 方向（复购）+ 政治压力（老板） | 量化基线、病根诊断 |
| 客户匹配度 | 发起人积极 | 决策人身份、预算、配合资源 |
| 交付风险 | 范围无边界、预期失真 | 全部待补 |
结论清晰了：这单"有条件接"——条件是先做一轮进场诊断（第二章的主题），把四个"缺"补上，再谈方案和报价。 你带着这个结论去开第一次会，会议目标不是谈方案，而是把四问的答案问出来。
1.3.5 交付实录视角：真实项目里这套框架怎么救命
（交付实录部分，讲师项目细节涉密，此处以方法论呈现。）
真实项目里，这套四问最救命的一次，往往发生在"看起来最稳"的单子上。一个预算已批、决策人明确、场景听起来标准的客户，四个问题问完，倒下的却是第二问"业务价值"：客户想做的东西技术上完全可行，但指标的天花板被客户自身的上游流程卡死——AI 做到满分也只能贡献预期收益的三成。这种判断在签约前值钱，在验收前只剩撕扯。
方法论上给三条：
- 四问要在"感觉良好"的时刻问。 客户热情高涨时，你们团队也容易上头。四问是冷水，要在水温上升前泼。
- "不知道"按红灯处理。 四个问题里任何一个答不上来，不要默认它是绿灯——信息缺失本身就是风险，不是中性。
- 把四问写成书面判断，存档。 进场判断文档（一页纸）在项目后期是锚点：范围蔓延时拿出来对齐，验收扯皮时拿出来回溯。W7 数字化总监空降时，你会发现这页纸是给新领导讲项目最快的语言。
1.3.6 要点总结
- 立项四问（问自己）：技术可行性、业务价值、客户匹配度、交付风险——输出"接/有条件接/缓"三种决策，不是二选一。
- 客户四问（问客户）：为什么做（动机）、决策人是谁（权力）、预算多少（资源）、成功标准是什么（验收）——替客户补立项功课，本身是 FDE 的价值。
- 决策矩阵：四问 1-5 分打分，"未知"≠"及格"，每一分都配缓解动作；青禾初判 10/20，结论"有条件进场：先诊断后立项"。
- 邮件逐句拆解的三大雷点：复购无量化基线、"听说很成熟"的传闻信任、"开箱即用 + 尽快"的预期失真。
- 预期管理铁律：只反对、不替代是大忌——反驳"开箱即用"时必须给出可信的替代节奏。
- 四问救命的时机是"感觉良好"的时刻；进场判断要落成一页纸文档存档，它是整个项目的锚。
参考资料
- Klarna AI assistant handles two-thirds of customer service chats in its first month — Klarna 官方新闻稿：首月 230 万次对话，评估"AI 上线速度"上限的现实参照。
- Klarna's AI assistant does the work of 700 full-time agents — OpenAI — OpenAI 官方案例页：同一个 Klarna 案例的厂商侧叙述，适合对比双方口径。
- Morgan Stanley uses AI evals to shape the future of financial services — OpenAI 官方博客：98% 顾问团队使用率背后的长期共建，反驳"开箱即用"的一手证据。
- Escaping the Cargo Cult — Palantir Blog — Palantir 关于真实交付、拒绝演示文化的官方文章，与"预期管理"主题直接相关。
- A Day in the Life of a Palantir Forward Deployed Software Engineer — FDE 在客户现场如何界定与推进问题的第一手记录。