如何用 AI 做赢单/丢单访谈（2026 指南）

Qualitati 研究团队 · 2026-08-05 · 9 分钟阅读

赢单/丢单访谈（win-loss interviews）是在买方决定选择你或竞争对手之后不久，与其进行的结构化访谈，目的是还原真实的决策标准，而不是照抄 CRM 里记录的那条理由。用 AI 主持这类访谈，可以让方法更便宜、更一致，其最大的好处在于覆盖率——你可以访遍每一笔已结案交易，而不是只挑其中几笔。但它并不能替代中立的问题设计与人工复核。

最后更新：2026 年 8 月 5 日

核心要点

CRM 里的"因价格丢单"是一个假设，不是一项发现。赢单丢单访谈的意义就在于检验它。
赢单与丢单要按大致相等的数量访谈，并且要尽快访谈——Pragmatic Institute 公开发表的建议是在决策后三个月内完成。
中立性是最核心的方法论控制。跟进这笔交易的人，不应该来做这场访谈。
AI 主持改变的是覆盖率的经济账，而不是严谨性的标准。问题设计与分析复核仍由人来负责。
正式投放之前，先走一遍下面这份"赢单丢单访谈设计清单"。

什么是赢单丢单访谈？

赢单丢单访谈是在采购决策尘埃落定之后，与直接参与该决策的人——买方、评估者或预算负责人——进行的一场简短定性访谈。目标是按买方真实经历的样子还原整个评估过程：他们考虑过哪些备选方案、每个阶段各自看重什么、还有谁拥有投票权，以及最终是什么因素决定了走向。

赢单丢单访谈与你可能已经在做的其他研究不同。客户探索问的是"存在哪些问题"。概念测试问的是"某个拟议方案是否成立"。赢单丢单访谈问的则是一个更窄、也更贴近商业结果的问题：在真金白银、真实厂商之间做出真实选择的情况下，为什么是这个结果？

这种具体性正是它的价值所在。刚刚走完一轮评估的买方，能凭记忆把你和点名的竞品逐一比较——几乎没有别的研究方法能拿到这种数据。

为什么只看 CRM 不够

多数销售团队都会记录一个"丢单原因"。问题出在数据来源：这个字段是由丢掉这笔单的人填写的，往往是从一个很短的下拉列表里一键选中。它记录的是销售代表对这次失败的叙述——这本身是有价值的数据点，但它不等于买方自己的叙述。

Pragmatic Institute 公开发表的最佳实践指引明确指出，不应由销售团队独自承担这类访谈，因为销售代表可能引入偏差，或者在访谈中继续推销。Clozd 公开主张买方访谈是赢单丢单数据最有力的来源，理由也是同一个：买方是唯一完整目睹了整个评估过程的一方。

AI 主持究竟在哪里真正帮上忙

AI 主持者会亲自完成访谈——提问、根据买方的回答追问，并生成访谈记录。在赢单丢单研究中，支持它的诚实理由并不是"它比训练有素的人类研究者访得更好"。真正的理由是：多数赢单丢单项目受限于主持人的工时，因此只能抽访一小部分交易，而且往往偏向那些恰好有人想起来要标记的交易。

关于自适应式 AI 访谈是否站得住脚，已有越来越多的研究基础。Anugraha、Padmakumar 与 Yang 在《SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery》（arXiv:2602.21136，2026 年 2 月 24 日）中，把自适应访谈处理为一个优化问题，需在提纲覆盖度、浮现主题的发现与访谈长度之间取得平衡。在一项涵盖 7 个职业、70 名参与者的研究中，他们的系统在提纲覆盖度上比最佳基线提升了 4.7%，同时使用了更少的对话轮次。

这个结果值得精确解读。它说明的是：设计良好的 AI 访谈者能高效覆盖一份提纲，并挖出一部分浮现性材料。它并没有说，在面对一位心怀不满的流失企业客户时，AI 主持能与资深研究者相提并论。

主持模式决策表

交易情形	建议模式	原因
高频的中小企业赢单与丢单	AI 主持	覆盖率是瓶颈；这类交易结构相似
中端市场的竞争性丢单	AI 主持 + 人工复核	在可比样本间保持一致的追问；研究者通读每一份访谈记录
战略级或标杆客户的丢单	人类主持	关系风险、内部政治的微妙之处与临场追问占主导
带有怨气的流失客户	人类主持	情绪基调与关系修复本身就是对话的一部分
未决策 / 中途停滞的评估	AI 主持	往往是最大、也最少被抽样的一类

"未决策"那一行值得特别强调。没有赢家、就这么夭折的交易通常是最大的一块，也是研究得最少的一块，因为没有人负责它们。而这恰恰是 AI 主持的成本结构最能发挥作用的地方。

赢单丢单访谈设计清单

这是 Qualitati 自建的一份清单，用于把项目搭起来。请按顺序推进；每一步都会约束下一步。

1. 交易抽样

把总体用文字定义清楚——例如"本季度内所有金额高于某一阈值的已结案商机"。
赢单与丢单按大致相等的数量抽样。只访赢单会系统性地得到关于产品、服务与愿景的溢美之词。
把"未决策"作为第三类纳入，并为其单独准备提纲。
在记忆窗口内投放。Pragmatic Institute 建议在最终决策后三个月内完成，赶在实施阶段的体验覆盖掉对评估过程的记忆之前。

2. 招募与知情同意

用研究方的邮箱发出邀请，而不是这笔交易负责人的邮箱。
明确告知将由 AI 主持访谈、访谈会被录音与转录，以及数据将如何使用。
明确说明是否参与不会影响价格、支持或双方关系。
提供改由真人访谈的选项。会有一部分买方选择它，而他们的理由本身就是数据。

3. 问题设计

先让买方讲自己的叙述，再引入任何厂商名称。
还原时间序列：触发因素、考虑过的备选、评估标准、决策单元、最终的临门一脚。
要问竞品的长处，而不只是你的短处。前者信息量大得多，也更不容易引发防御。
杜绝诱导式问法。"是价格的问题吗？"会制造出一个价格结论。参见我们关于撰写用户访谈问题的指南。
控制提纲长度。一份精简但真正深挖的提纲，胜过一份冗长却照本宣科的提纲。

4. 主持控制

明确设定追问深度，让主持者在决策标准上继续深挖，而不是接受第一个回答就收手。
指示主持者不要为产品辩护、也不要纠正买方。一场变成辩驳的赢单丢单访谈，已经毁掉了它自己的数据。
先在少量交易上试跑提纲，通读全部访谈记录之后再扩大规模。

5. 分析与分发

基于一份稳定的编码手册做编码，好让不同季度之间可比。
把"买方说了什么"与"你据此得出什么结论"分开。让引语始终附着在论断旁边。
按固定节奏出报告。Pragmatic Institute 的建议是按季度汇报，以便呈现随时间变化的趋势。

一份中立的问题骨架

请改编，而不要照抄。顺序比措辞更重要——先叙述，再厂商比较，最后是反事实追问。

带我回到你们开始考虑这件事的时候。当时是什么促成的？
还有谁参与了这个决策，他们各自最在意什么？
你们认真考虑过哪些选项，包括"什么都不做"在内？
你们是怎么比较它们的？实际上都看了些什么？
你们最后选定的那个方案，有哪些地方是别的方案没做到的？
有没有某个瞬间，决策一下子变得明朗了？当时发生了什么？
要让结果反过来，得有什么不一样才行？

Qualitati 在其中的位置

Qualitati 是一个面向产品、UX 与客户洞察团队的 AI 用户研究平台。就赢单丢单项目而言，相关的能力包括：文字或语音形式的 AI 主持访谈，让你可以把同一份提纲投放到每一笔已结案交易上，而不是只抽访其中几笔；覆盖 10 种语言的多语言研究，当你的销售管道跨区域时这一点很关键；以及 ThemeLens 主题分析，它以 map-reduce 流水线一次处理至多 100 份访谈记录，并综合出以受访者引语为锚点的主题。

有两项能力在这里格外有用。ThemeLens 会把编码映射到你事先声明的研究问题上，因此"我们为什么在 EMEA 输掉竞争性交易"可以作为一个被持续追踪的问题跨季度延续，而不是每次重新诠释一遍。另外，Active Listener 模式会为人类访谈者提供实时提示与章节进度追踪——正好适用于上表中"战略级丢单"那几行：你亲自留在通话里，系统帮你守住提纲。

价格按 credit 公开计费，免费方案开通即赠 30 credits，无需信用卡。如果你正在为项目做成本测算，可以参考我们对 AI 用户研究成本的拆解，以及价格页面。

局限与取舍

赢单丢单研究本身有已知的弱点，而 AI 主持又叠加了它自己的一层。

事后合理化。 买方之所以讲出一个自洽的决策故事，是因为人天生会把叙述讲得自洽，而不是因为这个决策本身自洽。请把他们陈述的标准当作买方的叙述，而不是因果模型。

谁愿意受访所带来的应答偏差。 体验特别好或特别糟的买方更可能答应受访。请按细分市场与结果分别报告应答率，好让读者看清样本的形状。

单一信息源的风险。 企业级决策往往牵涉多人。一位内部支持者的说法，只是委员会的其中一个视角。

AI 主持特有的伦理与监督问题。 Zhang、Liu、Guan、Cai 与 Carroll 在《Ethics and Social Responsibility in AI-Assisted Interviewing》（arXiv:2606.30980，2026 年 6 月 29 日）中研究了 17 位访谈者，记录下五组顾虑，包括不可预测的互动伤害、因缺少非语言线索而削弱受访者被尊重的感受、与数字素养相关的参与不平等、伤害发生时责任归属不清，以及把敏感数据经由第三方平台流转所带来的隐私风险。他们给出的建议是人在回路（human-in-the-loop）复核——AI 生成的内容在触达受访者之前须经访谈者批准。

最后这一点，正面否定了在敏感客户上完全无人值守地跑赢单丢单项目的做法。请把 AI 主持视为一种附带人工复核的覆盖率工具，而不是把研究者移出流程的手段。

什么情况下不该用这套做法

你一个季度成交的单子屈指可数——那就自己打电话过去。
客户关系脆弱，这场访谈会被读成一次销售动作。
你想知道某项改动是否带来了提升。那是实验该回答的问题，不是访谈。
你的保密协议或采购条款限制把客户对话交由第三方 AI 处理。请先确认。

结论

关于收入为何到手、又为何流失，赢单丢单访谈是能拿到的最直接的证据；而多数团队之所以做得不够，是因为主持人的时间稀缺。AI 主持放松了这个约束，这确实有实实在在的用处——但让赢单丢单结论值得信赖的那些条件并没有改变：赢单与丢单的平衡抽样、足够快的记忆窗口、一位不是交易负责人的中立主持者、不诱导的问题，以及一个真的会去读访谈记录的人。先把这些做对，再谈规模。

常见问题

什么是赢单丢单访谈？

它是与参与过某笔已完成采购决策的人进行的一场简短定性访谈，目的是从买方视角还原整个评估过程——考虑过的备选、采用的标准、决策单元，以及最终决定走向的因素。

交易结束后多久应该做访谈？

越快越好。Pragmatic Institute 公开发表的建议是在最终决策后三个月内，因为实施阶段的体验会开始盖过对销售过程的记忆。

赢单是否也要一起访谈？

要，而且数量要大致相等。Pragmatic Institute 列出的第一条最佳实践就是从赢单与丢单商机中收集数量相等的访谈；只访赢单的样本会得出系统性偏好听的反馈。

AI 主持者能把赢单丢单访谈做好吗？

对于高频交易与竞争性丢单这类细分，关于自适应 AI 访谈的证据令人鼓舞——SparkMe 研究（arXiv:2602.21136，2026 年 2 月）报告其覆盖度比最佳基线提升 4.7%，且对话轮次更少。但面对战略级丢单与情绪张力较强的流失客户对话，人类主持者仍是更好的选择。

必须告诉买方是 AI 在访谈他们吗？

必须。请在开始前就披露 AI 主持者、录音以及数据用途，并提供真人替代方案。除伦理理由之外，2026 年这份关于 AI 辅助访谈的 arXiv 研究也指出，隐私、信息披露与合规是从业者反复提及的顾虑。

赢单丢单分析等同于竞争情报吗？

不等同。竞争情报是从多种来源拼出对手的全貌。赢单丢单分析则是围绕具体决策、针对你自己的买方所做的一手研究。两者互相印证，但证据基础不同。

跑通你的第一轮赢单丢单研究

挑出上个季度的已结案交易，让赢单与丢单数量平衡，然后投放上面那份问题骨架。免费开始，赠送 30 credits——无需信用卡——或查看透明定价，为一个常设项目做成本测算。

致研究负责人：本文的方法论建议综合了公开的从业者资料与 2026 年的预印本，截至 2026 年 8 月 5 日。预印本尚未完成同行评审。在把其中任何内容当作定论之前，请先对照你自己的项目加以验证。