AI辅助用户研究,关键不在工具,在这些提问技巧


我见过最出色的用户研究,并非来自最顶尖的工具,而是来自那些懂得倾听、懂得提问,并能把大量调研笔记转化为团队可落地成果的人。
AI 无法取代这一点,但它可以帮你解决最耗时的环节:研究整合。把 10 份访谈稿提炼成主题,把问卷数据梳理成故事,把 “我们学到了什么” 变成 “我们应该做什么”。
关键在于:只有你会正确地向 AI 提问,它才能真正帮到你。而且,用于研究的提示词,和写代码、写文案的提示词完全不同。
以下是我的实战心得。
编者按
源自 | 编译
作者 | bestfolios.com
原题 | How to Prompt AI for User Research
译者 | Felix
勺海原创译文,转载请注明原作者、译者和出处
01 先给背景,再给任务
Start with context, not the task
最大的误区,是直接甩一堆原始数据,然后说 “整合一下”。
AI 不了解你的产品,不了解你的用户,也不知道你想探究什么。
缺少这些信息,输出结果就会非常泛化,放到任何产品上都能用。
粘贴数据前,先写 2–3 句话:
我们正在为供应链管理者开发一款 B2B 仪表盘,访谈了 8 位相关人员,了解他们的库存追踪方式。核心问题:他们在哪些环节遇到阻碍,原因是什么?
只需要三点:产品、用户、研究目标。AI 就有了清晰的锚点。
02 粘贴前先规整数据结构
Structure your data before you paste it
比起大段无格式文本,AI 更擅长处理结构化内容。
不要一整段粘贴,而是做好标注:
访谈 1(中型市场产品经理):[转录内容]
访谈 2(大型企业运营负责人):[转录内容]
问卷反馈(样本量 47):[摘要或关键原话]
如果你还有用户旅程图、截图或分析数据,也可以补充说明:
“我们还有上一阶段的用户旅程图,需要我发给你吗?”
通常答案是肯定的,更多背景能提升输出质量。
针对用户旅程图,我会用固定模板(https://www.aiuxplayground.com/prompts/user-journey-mapping),明确要求输出阶段、触点、痛点,让结果清晰可用,而非模糊笼统。
03 明确你需要的输出结构
Ask for the structure you actually need
“整合一下” 太过模糊。不同干系人需要的内容完全不同。
给设计团队,可以要:
-
3–5 条核心洞察
-
带原话佐证的用户痛点
-
按影响程度排序的优化机会
给管理层,可以要:
-
执行摘要
-
核心主题
-
推荐下一步行动
给迭代冲刺,可以要:
-
“我们可以如何……” 式的用户需求表述
-
快速优化项 vs 长期投入项
直接告诉 AI 你的需求,例如:
整合这些访谈,输入:
(1) 五大痛点并附上支撑原话;
(2) 3 个设计机会点;
(3) 一段可用于干系人汇报的总结。
AI 会严格按照你给的结构输出。
我会在提示词库中保存一份用户研究整合模板(https://www.aiuxplayground.com/prompts/user-research-synthesis),专为设计团队和汇报场景设计。复制后根据受众调整结构,即可直接使用。
04 保留用户原声
Keep the human voice
研究的力量,来自真实原话。
“我找一个 SKU 要花 20 分钟”,远比 “用户反映查找库存困难” 更有冲击力。
让 AI保留原话,可以这样写:
每条洞察至少附上 2–3 句用户原话,不要转述,直接使用他们的表述。
这能让整合结果扎根于真实用户反馈。
05 用追问提示词深入挖掘
Use follow-up prompts to go deeper
第一轮:完成基础整合。 第二轮:深度挖掘。
基于这些洞察,创建 2 个用户画像,包含目标、痛点与典型日常。
按严重程度和出现频率给痛点排序,解决哪个影响最大?
我们可能遗漏了什么?下一轮调研需要验证什么?
每一次追问都基于上一轮结果,无需重复解释数据,只需不断打磨故事。
创建用户画像时,我会用专用提示词(https://www.aiuxplayground.com/prompts/user-persona-creation),基于真实调研数据生成,避免刻板印象。
针对问卷数据,我会用问卷分析框架(https://www.aiuxplayground.com/prompts/survey-analysis-framework),把定量结果与定性洞察结合。
06 当 AI 输出不理想时
When it goes wrong
有时结果过于泛化,比如 “用户想要更好的体验”,这类结论毫无价值。 通常是因为背景信息不足。
补充产品领域、用户类型、具体研究问题即可。
有时 AI 会编造内容,虚构不存在的原话或主题。 可以加上约束:
只使用我提供的数据,没有相关信息就标注 “数据不足”,不要自行推断。
有时 AI 会过度整合,把 8 个明确观点压缩成 3 个模糊结论。
这时要求更细颗粒度:
拆分为更具体的洞察,我宁愿要 8 条精准结论,也不要 3 条宽泛总结。
07 可直接复制使用的提示词
A prompt you can use today
这是我常用的结构:
我们的产品 / 场景:【填写】 我们通过【研究方法】调研,目标是了解【填写】。
【粘贴标注好的数据:访谈 1、问卷反馈等】
请整合为:
1. 五大核心洞察,每条附 1–2 句用户原话
2. 按出现频率排序的用户痛点
3. 3 个设计机会点,并说明影响
4. 一段执行摘要
要求:原话完整保留,仅使用上述数据,数据不清晰处明确标注。
直接复制,替换产品、方法与目标,粘贴数据,根据受众微调结构即可使用。
08 AI 无法替代的部分
The part AI can’t do
AI 可以帮你整理、总结,但它无法坐在访谈现场。
它看不到受访者的犹豫与兴奋,无法与参与者建立信任。
研究的核心价值,依然在于对话、追问、在模糊信息中保持审慎,再得出结论。
AI 负责的是后续工作:
把你听到的内容,转化为团队可执行的成果。
过去要花几天的工作,现在一小时就能完成 ——前提是你会写提示词。



Anthropic发布史上最大规模AI定性研究 | 人类向AI许下的愿望,与最深层的恐惧

从懂“人心”到算“权重”| 机器客户时代的洞察重构


夜雨聆风