核心 GUIDE
Customer Problem Research（客户问题研究）
Customer Problem Research 在 Solo Builder 自动化或 Marketing 之前，收集关于重复 Pain、Current Workaround、Consequence 与 Willingness-to-change 的 Evidence。
核心心智模型
把 Problem 看成 Evidence-backed Pattern，而不是 Idea。最强 Signal 是某个 Specific Context 下重复、昂贵的 Behavior/Workaround，而不是用户对 Proposed Feature 的正面评价。
为什么重要
AI 让 Building 速度很快，也会提高“高速解决错误问题”的代价。Solo Operator 如果花几周自动化 Low-value Demand，会消耗原本用于 Acquisition 与 Support 的稀缺 Attention。Problem Research 在 Implementation 前建立 Decision Gate。
01
先研究 Behavior，再问是否喜欢 Solution
定义窄 Customer Segment，围绕最近一次 Concrete Situation 访谈或观察，记录 Trigger、Current Workaround、Frequency、Cost 与 Consequence。寻找 Independent User 之间重复 Pattern，并测试他们是否愿意付出 Time、Money 或 Workflow Change。早期问题尽量不用你的 Solution Language，避免 Evidence 被 Idea 引导。
02
示例：用户都夸 AI Dashboard，却继续用 Spreadsheet
Founder 向十个 Operator 展示 AI Analytics Concept，所有人都说“听起来有用”。继续追问最近真实流程后发现，他们每周真正痛苦的是先对齐两个 System Export 才能做 Report。一个小 Reconciliation Workflow 立刻获得 Trial，而 Dashboard 因为 Enthusiasm 没转化成 Behavior 被延后。
常见失败模式
- 问用户“喜不喜欢 Solution”，而不是研究最近真实 Behavior。
- 一个 Loud Request 就直接推广到整个 Segment。
- 把 Social Engagement 当成愿意改变 Workflow 或付费的证据。
工程启发
- 询问 Problem 最近一次具体发生，而不是 Hypothetical Interest。
- 每次 Interview 都记录 Workaround、Frequency、Consequence。
- 消耗 Solo-builder Capacity 前要求 Behavioral Evidence。
关键结论
- 01Problem Evidence 应先于 Automation 与 Growth Effort。
- 02Current Workaround 比礼貌的 Feature Enthusiasm 更有信息量。
- 03窄而重复的 Pain 比宽泛 Attractive Idea 更可执行。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。