核心观点
产品分析的可信度，首先来自真实使用，其次才是资料整理。二手资料可以帮助我建立问题清单，但不能代替我完成观察。
背景与问题
在早期拆解中，我会参考视频、文章和其他人的总结，然后快速形成一份看上去很完整的报告。它的问题不是错误很多，而是缺少现场感：我没有真正记录一个用户动作，也没有说明一个判断来自哪次体验。
这会让文章产生一种危险的完整感。结构越完整，越容易掩盖自己的体验还不够深入。
观察与实践
现在开始做产品观察时，我会先准备一个具体任务，并记录以下内容：
- 任务开始前，我以为产品会怎么工作
- 实际操作中，哪一步最顺畅或最费力
- AI 的输出改变了我的哪一个判断
- 我愿意在什么场景下再次使用它
这些问题让分析从“介绍产品”转向“记录人与产品如何共同完成任务”。
我的判断
真实体验不意味着排斥外部资料。更可靠的顺序是：先用自己的任务形成一手观察，再用外部材料补充背景、竞品和行业语境，最后把二者区分开来。
实际产出
- 为后续产品拆解建立真实使用记录模板
- 在 AI 输出审查中增加“来源 / 体验 / 推断”的区分
- 将产品分析的重点从功能数量转向任务价值
延伸阅读 / 关联项目
这套方法会继续应用在 AI 产品地图、AI 产品机会评估器和后续 Demo 的用户测试中。