
做用户访谈最让人头疼的是什么?聊了一个小时,录音转文字足足几万字,看起来大家都聊得很开心,功能也挺认可,但最后整理成报告交上去,老板或者业务方看完只有一个评价:“太表面了,全是片汤话。”
用户说得好听,不代表真实行为。传统的定性访谈往往卡在几个死穴上:访谈大纲缺乏深度递进,全是由浅入表的废话;面对用户的敷衍或防御性回答,访谈员缺乏临场追问能力;事后面对海量文本,人工提炼容易带入主观偏见,把自己的想法强加给用户。
今天不扯虚的。我们直接用大模型(如 Claude 3.5 Sonnet 或 GPT-4o)搭建一套从“优化访谈大纲”到“深度需求洞察”的全流程工作流。这套方法不仅能逼出用户的真实痛点,还能直接把访谈文本撕开,揪出隐藏在背后的底层动机。
一、 为什么你的访谈大纲总是流于表面?
大部分人写访谈大纲的逻辑是:自我感觉良好式提问。比如问:“你觉得我们这个功能怎么样?”、“如果出一个新产品,你会买吗?”
这种问题在心理学上属于“诱导性社交辞令”。用户为了省事、或者为了照顾你的面子,会给出符合社会期待的答案:“挺好的”、“有需要会考虑”。但实际上,他们根本不会用真金白银或者日常时间去付诸行动。
要用AI打破这个僵局,我们必须让大模型扮演一个“刻薄的、经验丰富的资深用户研究专家”。它的核心任务不是夸奖你,而是找出你大纲里的漏洞,并按照经典的用户研究框架(比如 Jobs-to-be-done 待办任务理论、行为事件访谈法 BEI)重新设计追问逻辑。
1. 访谈大纲优化的系统提示词 (Prompt)
直接把这段提示词丢给 Claude 3.5 Sonnet 或 GPT-4o,Temperature 建议设置为 `0.3`(保持逻辑严密,减少过度发散):
# Role
你是一位拥有15年经验的顶尖用户研究专家,精通行为经济学、Jobs-to-be-done(JTBD)理论以及深度定性访谈。你的风格直接、犀利,善于识破用户的伪需求和社交防御。
# Context
我需要对 [目标用户群体,例如:中小企业SaaS系统的基层财务人员] 进行一次深度用户访谈,主题是关于 [具体业务场景,例如:日常对账与发票报销流程] 的痛点挖掘。
# Task
请帮我审查并重构当前的访谈大纲。
以下是我目前草拟的初始大纲(你可以直接针对其不足进行批判):
[在此粘贴你原本粗糙的访谈大纲]
# Rules
1. 严禁使用“你觉得”、“会不会”等诱导性或预测未来的提问方式。
2. 必须遵循结构化递进原则:
- 第一阶段:情境还原(追问最近一次真实发生的场景,用具体细节对抗模糊记忆)。
- 第二阶段:痛点与摩擦力(寻找情绪波动点、替代方案和隐性成本)。
- 第三阶段:底层动机(探求用户为了完成什么任务而“雇佣”了现有工具)。
3. 针对每个核心问题,必须提供至少 2 个高阶追问话术(Probe),用于应对用户敷衍或回答过短的情况。
# Output Format
请分模块输出,包含:【问题原意诊断】、【优化后的实战提问】、【防坑追问话术】。
二、 核心模型选型与参数调优指南
面对定性访谈这种长文本、高逻辑推理、需要极强语境理解的任务,不同大模型的表现差异巨大。以下是当前主流模型的实测对比:
| 模型名称 | 逻辑推理能力 | 长文本处理能力 | 语境还原与人性洞察 | 综合推荐指数与适用场景 |
|---|---|---|---|---|
| Claude 3.5 Sonnet | 极强 | 优秀(支持200K) | 极强,文风细腻,能捕捉微妙情绪 | 五星推荐。最适合做定性访谈的逐字稿分析和深度心理洞察。 |
| GPT-4o | 极强 | 优秀(支持128K) | 强,结构化输出极其规整 | 四星半推荐。适合用来批量生成大纲和执行标准化的洞察报告框架。 |
| Gemini 1.5 Pro | 强 | 行业顶尖(1M-2M) | 中上,偶有中文语境理解偏差 | 三星半推荐。仅在单次访谈录音转文字极长(超过10万字)时作为首选。 |
实操参数配置建议:
•Temperature(温度值): 设为 `0.2` 到 `0.4` 之间。定性分析需要极高的客观性与事实依据,温度过高会导致AI“脑补”用户没有说过的话,产生幻觉。
•Top_P: 建议保持默认或设为 `0.9`。
三、 访谈转文字后:如何用AI抓取真实痛点与潜在机会?
访谈做完了,手头拿到几万字的录音转文字。直接把整篇丢给AI说“帮我总结”,大概率会得到一份形同废纸的流水账总结。
我们需要建立一个三步穿透法的工作流:
1.清洗与事实提取: 剔除客套话、废话,只保留真实行为事件。
2.情绪与摩擦力编码: 找出用户在哪个节点叹气、抱怨、或者使用了替代的“野生解决方案”(Workaround)。
3.机会点转化: 将痛点翻译成产品或业务机会。
2. 深度需求洞察与报告生成提示词 (Prompt)
使用此提示词时,建议将单次或多次访谈的逐字稿分批次、或使用支持长文本的 Claude 3.5 Sonnet 一次性输入。Temperature 设为 `0.2`。
# Role
你是一位资深的用户研究总监兼商业产品策略专家。你擅长从杂乱无章的定性访谈文本中,剥离用户的表面抱怨,提炼出具有商业价值的底层需求与产品机会。
# Context
这是一份关于 [具体业务场景] 的用户访谈原始逐字稿(或访谈记录摘要):
[在此粘贴访谈逐字稿内容]
# Task
请对上述文本进行深度编码与分析,输出一份结构化的《用户深度洞察与机会点报告》。
# Analysis Framework
请严格按照以下四个维度进行深度剖析:
1. **行为事实 vs 心理认知(Reality vs Perception)**:
- 用户嘴上说的诉求是什么?
- 用户实际的行为路径是什么?两者之间存在什么矛盾?
2. **“野生解决方案”(Workarounds)挖掘**:
- 为了解决当前痛点,用户目前正在使用什么非官方的、凑合的笨办法?(这些笨办法往往是最好的产品创新切入点)。
3. **核心摩擦力与情绪锚点(Friction Points)**:
- 用户在哪个环节表现出明显的无奈、焦虑或时间浪费?根本原因是什么?
4. **潜在机会矩阵(Opportunity Hypotheses)**:
- 综合上述分析,提炼出 3 个高价值的潜在产品/业务优化方向,并评估其“用户痛点烈度”与“落地可行性”。
# Output Format
报告必须结构清晰,多用表格和bullet points(无序列表)呈现,严禁长篇大论的空洞文学性描述。必须引用用户的原话(Direct Quotes)作为佐证。
四、 实战避坑指南:AI做用户研究的三个致命误区
1.切忌直接相信AI的“用户画像归纳”:
AI非常喜欢把用户分得整整齐齐。但定性访谈的核心在于“极少数人的极端行为”。在分析时,必须单独把那些表现出强烈“野生解决方案”的极端用户挑出来,不要被平均数掩盖了真实的声音。
2.警惕大模型的“讨好型人格”:
如果你在提示词里暗示“我觉得这个功能很好”,AI为了顺着你的逻辑,会拼命在访谈记录里找证据来证明这个功能好。在输入提示词时,必须保持中立、克制的语气,甚至可以显式加入要求:“请作为魔鬼代言人(Devil’s Advocate),专门寻找这个产品的致命盲点和用户反感点。”
3.严禁忽视上下文语境:
逐字稿经常有断句不清或口语化严重的问题。如果使用的是支持大上下文的模型,务必连同当时的提问背景一起输入,否则AI对特定词汇的理解会产生偏差。
把这套大纲优化与洞察提取的SOP跑通一次,你会发现,AI不是在替你偷懒,而是在逼着你用更严密、更科学的方法去剥开用户的伪装,看到那些藏在业务深处的真实机会。

评论前必须登录!
立即登录 注册