Frank 客户访谈研究

要解决的问题

做客户研究最常见的困境是：你有一肚子假设，却没有一种低成本的方式去和真正用过（或考虑过）你产品的人交谈。雇调研机构周期长，自己访谈记录和整理又极耗精力，而大多数 AI 访谈工具要么只能陪聊合成人设，要么把录音转完文字就结束了——你还是要花一晚上把 transcripts 翻成主题。这个技能围绕 Frank（hifrank.ai，由 Prelaunch.com 推出）帮你走通完整的一轮研究：从设计访谈提纲、分发到你自己手上的客户，到读懂主题、情绪与逐字引用。

核心能力与工作方式

Frank 是一个 AI 主持的访谈者，支持 语音与聊天 两种形态、30+ 语言，能 24/7 并行跑多场对话，并对追问做自适应调整。它的产出不止 transcript，还包括 主题聚类、情绪倾向、关键引用（key quotes）和视频切片（video reels）。

这个技能的工作方式有明确的分层：

• 先收集上下文：若存在 references/learnings.md，先读取其中积累的平台知识；只追问无法推断的信息。
• 澄清意图再路由：通过少量问题确认你究竟要 A) 搭建研究、B) 分发、C) 读结果、D) 取数据、E) 选套餐，还是 F) 对比同类工具。
• 不硬答，会转介：遇到 API 管道、寻找陌生受访者、已有反馈分析、合成人设或真实行为验证类问题时，会直接给出路由命令，指向技能集内对应的其他 skill。
• 引用 platform-guide 而非复述全文：按问题命中相关章节作答，而不是把整个参考文档倒给你。

分发上，Frank 是 BYOC（bring-your-own-customers）模型：你拿到一条可分享的访谈链接，放到邮件、聊天或产品内用户旅程的一步里，配合可选的激励（Amazon 礼品卡、折扣或不设）。这让它在 churn 访谈、discovery、概念/功能测试这类「受众已存在」的场景里非常合适。

适用边界与注意点

• 真实人访谈不等于需求验证。访谈里说「我愿意付钱」是陈述的意图，不是购买行为。技能会反复提醒：把 go/no-go 交给真实行为测试（pre-sale、smoke test），并引导你去看各主题下的逐字引用和视频切片——逆反、犹豫和定价表达往往藏在里面，顶层的情绪摘要只是索引。
• 没有面板。Frank 不招募陌生人。需要触达陌生受访者时，技能会明确判为不适配并路由到面板类或招募市场类工具。
• 自助版是纯 UI。无公开 API、无 webhook、无 Zapier、无 MCP；「Sync 到 HubSpot/Snowflake」这类需求只能靠手动导出。Enterprise 档才有未附文档的 API 集成项。
• 用量按 voice minutes 计价，而非席位。约 15 分钟一场访谈，chat 比 voice 便宜；免费档有访谈时长上限，定价为 best-effort 级别，需以 hifrank.ai/pricing 为准。
• 视频与 WhatsApp 属较新形态，当前已稳定交付的是 voice 与 chat，应视为 best-effort 对待。

资料截至 2026-07 的 best-effort 整理；Frank 约 2026-04 发布，能力面变化很快，务必以官方文档实时核对。