logo
06

AI User Research：数据驱动的需求洞察

⏱️ 60分钟

AI User Research：数据驱动的需求洞察

交付物：合成用户画像集 & 自动化竞品分析看板

为什么用 AI 做用户研究？

传统用户研究的痛点：

  • 成本高：招募用户、组织访谈、整理笔记，一次深度研究动辄数万元
  • 周期长：从设计到输出报告，通常需要 2-4 周
  • 样本有限：预算和时间限制，通常只能访谈 10-20 人
  • 主观偏见：研究者的偏见可能影响结论

AI 可以：

  • 大规模分析：一次性分析数千条用户反馈
  • 快速迭代：几小时内完成竞品分析
  • 合成用户：基于数据生成虚拟用户进行模拟访谈
  • 去偏见化：基于数据而非直觉做判断

本章将介绍如何利用 AI 提升用户研究的效率和质量。

1. 合成用户（Synthetic Personas）

1.1 什么是合成用户？

合成用户是基于真实数据生成的虚拟用户画像，可以用于：

  • 模拟用户访谈
  • 验证产品假设
  • 预测用户行为

与传统 Persona 的区别：

  • 传统 Persona：基于少量访谈的"代表性"人物
  • 合成用户：基于大量数据的"可对话"虚拟用户

1.2 生成合成用户的 Prompt

## 背景

我正在做一款 [产品类型] 的产品，目标用户是 [目标群体]。

## 已有数据

-   用户调研数据：[摘要或要点]
-   用户反馈：[摘要或要点]
-   市场报告：[摘要或要点]

## 请生成 5 个合成用户画像

每个用户包含：

### 基本信息

-   姓名（虚构）
-   年龄
-   职业
-   城市
-   收入水平

### 行为特征

-   日常使用什么产品/服务
-   信息获取渠道
-   消费习惯

### 痛点与需求

-   核心痛点（3 个）
-   期望的解决方案
-   付费意愿

### 使用场景

-   什么情况下会使用这类产品
-   使用频率
-   典型使用流程

### 决策因素

-   选择产品时看重什么
-   放弃产品的原因
-   影响决策的人

请确保 5 个用户之间有足够的差异性，覆盖不同的用户类型。

1.3 与合成用户"对话"

生成用户画像后，可以让 AI 扮演这个用户进行访谈：

现在请你扮演用户"张明"（刚才生成的第一个用户画像）。

我会像真实访谈一样问你问题，请你以张明的视角回答：

-   保持角色一致性
-   基于张明的背景和特征回答
-   可以表达不确定性和情绪
-   回答要自然，像真人说话

准备好了吗？我开始提问：

Q: 张明，你平时工作中最让你头疼的事情是什么？

1.4 合成用户的局限性

注意事项：

  • 合成用户基于已有数据和 AI 推测，不能完全代替真实用户
  • 适合用于快速验证假设，不适合作为最终决策依据
  • 建议与真实用户研究配合使用

2. 大规模舆情分析

2.1 数据来源

渠道数据类型获取方式
App Store/Play Store用户评价爬虫/API
社交媒体讨论、吐槽关键词监控
论坛/社区深度讨论爬虫
客服工单用户问题内部数据
问卷调查开放性问题自有数据

2.2 AI 分析 Prompt

批量分析用户评价：

请分析以下 App Store 用户评价数据。

## 评价数据

[粘贴 50-100 条用户评价]

## 请输出分析报告：

### 1. 情感分布

-   正面评价占比
-   中性评价占比
-   负面评价占比

### 2. 核心痛点 Top 5

| 排名 | 痛点 | 提及次数 | 典型评价摘录 |
| ---- | ---- | -------- | ------------ |

### 3. 用户表扬点 Top 5

| 排名 | 优点 | 提及次数 | 典型评价摘录 |
| ---- | ---- | -------- | ------------ |

### 4. 高频功能需求

-   用户期望但目前没有的功能
-   列出 Top 5 并说明需求强度

### 5. 用户分群

-   根据评价内容，将用户分为 3-4 个群体
-   每个群体的特征和核心诉求

### 6. 改进建议

-   短期优化（快速可实现）
-   中期改进（需要开发资源）
-   长期规划（战略性功能）

2.3 痛点聚类

我有一批用户反馈数据，请帮我进行痛点聚类分析。

## 原始反馈

[粘贴用户反馈]

## 请完成以下分析：

### 1. 痛点分类

将反馈按主题分类，每个类别：

-   类别名称
-   包含的反馈条数
-   代表性反馈（2-3 条）

### 2. 痛点严重程度评估

| 痛点类别 | 频率（高/中/低） | 严重性（高/中/低） | 优先级建议 |
| -------- | ---------------- | ------------------ | ---------- |

### 3. 根因分析

每个高优先级痛点的可能原因：

-   产品设计问题？
-   技术实现问题？
-   用户期望问题？
-   竞品影响？

### 4. 解决方案建议

每个高优先级痛点的可能解决方案

3. AI 辅助访谈

3.1 访谈提纲生成

请为以下用户研究生成访谈提纲：

## 研究目标

[描述研究目标]

## 目标用户

[描述目标用户特征]

## 研究问题

想要回答的核心问题：

1. [问题 1]
2. [问题 2]
3. [问题 3]

## 请生成访谈提纲

### 开场（2 分钟）

-   自我介绍话术
-   说明访谈目的
-   获取录音同意

### 暖场问题（5 分钟）

-   2-3 个轻松的开放性问题
-   目的：建立信任、了解背景

### 核心问题（30 分钟）

针对每个研究问题设计：

-   主问题（开放性）
-   追问问题（深入探索）
-   验证问题（确认理解）

### 收尾（5 分钟）

-   总结性问题
-   感谢话术
-   后续跟进说明

### 注意事项

-   避免引导性问题
-   何时追问、何时跳过
-   敏感问题如何处理

3.2 访谈记录整理

请帮我整理以下用户访谈记录：

## 原始记录

[粘贴访谈录音转写文字或笔记]

## 请输出结构化访谈总结：

### 1. 受访者基本信息

-   姓名/编号
-   职业/角色
-   使用产品时长

### 2. 关键发现（Key Insights）

-   发现 1：[一句话总结]

    -   原话引用：""
    -   分析：[为什么重要]

-   发现 2：...

### 3. 用户旅程（User Journey）

按时间线整理用户的完整使用流程

### 4. 痛点与需求

| 痛点/需求 | 严重程度 | 频率 | 用户原话 |
| --------- | -------- | ---- | -------- |

### 5. 惊喜发现

意料之外但有价值的发现

### 6. 存疑/待验证

需要进一步研究的问题

### 7. 行动建议

基于本次访谈的具体建议

3.3 多份访谈综合分析

请综合分析以下 10 份用户访谈：

## 访谈总结

[粘贴 10 份访谈的结构化总结]

## 请输出综合分析报告：

### 1. 共性发现

-   所有/大部分用户都提到的问题
-   一致性强的行为模式

### 2. 差异化发现

-   不同用户群体的差异
-   可能的细分市场

### 3. 关键洞察 Top 5

优先级排序的核心发现

### 4. 用户分群建议

基于访谈数据的用户分群

### 5. 产品建议

-   Must Have（必须）
-   Should Have（应该）
-   Nice to Have（锦上添花）

### 6. 下一步研究方向

还需要深入研究的问题

4. 自动化竞品分析

4.1 竞品分析框架

请对 [竞品名称] 进行全面分析：

## 基础信息

-   产品名称
-   公司背景
-   上线时间
-   融资情况

## 产品分析

### 1. 产品定位

-   一句话描述
-   目标用户
-   核心价值主张

### 2. 功能矩阵

| 功能模块 | 功能点 | 我们有吗？ | 做得如何？ |
| -------- | ------ | ---------- | ---------- |

### 3. 用户体验评估

-   上手难度
-   核心流程效率
-   界面设计质量
-   特色交互

### 4. 商业模式

-   收费模式
-   定价策略
-   主要收入来源

## 竞争分析

### 5. 优势

-   列出 3-5 个核心优势
-   每个优势的具体表现

### 6. 劣势

-   列出 3-5 个明显不足
-   用户反馈中的痛点

### 7. 差异化机会

-   我们可以做得更好的地方
-   未被满足的用户需求

## 策略建议

### 8. 可借鉴点

-   功能层面
-   体验层面
-   商业层面

### 9. 需避免的坑

-   他们走过的弯路
-   用户不买账的功能

4.2 多竞品对比分析

请对比分析以下竞品：

-   竞品 A：[名称]
-   竞品 B：[名称]
-   竞品 C：[名称]
-   我们的产品：[名称]

## 请输出对比分析表：

### 1. 基础信息对比

| 维度     | 竞品 A | 竞品 B | 竞品 C | 我们 |
| -------- | ------ | ------ | ------ | ---- |
| 成立时间 |        |        |        |      |
| 融资轮次 |        |        |        |      |
| 用户规模 |        |        |        |      |

### 2. 功能对比矩阵

| 功能   | 竞品 A | 竞品 B | 竞品 C | 我们 | 重要性   |
| ------ | ------ | ------ | ------ | ---- | -------- |
| 功能 1 | ✓/✗    | ✓/✗    | ✓/✗    | ✓/✗  | 高/中/低 |

### 3. 定价对比

| 套餐 | 竞品 A | 竞品 B | 竞品 C | 我们 |
| ---- | ------ | ------ | ------ | ---- |

### 4. 用户评价对比

| 维度           | 竞品 A | 竞品 B | 竞品 C | 我们 |
| -------------- | ------ | ------ | ------ | ---- |
| App Store 评分 |        |        |        |      |
| 主要好评点     |        |        |        |      |
| 主要差评点     |        |        |        |      |

### 5. SWOT 分析

针对我们的产品，基于竞品分析

### 6. 竞争策略建议

-   正面竞争：在哪些点上硬碰硬
-   差异化：在哪些点上走不同路线
-   避开：在哪些点上暂时不做

4.3 竞品动态监测

设置定期监测任务：

请帮我建立竞品监测清单：

## 监测对象

-   竞品 A
-   竞品 B
-   竞品 C

## 监测维度

### 产品更新（每周）

-   新功能上线
-   功能优化/下线
-   版本更新日志

### 定价变化（每月）

-   价格调整
-   新套餐推出
-   优惠活动

### 市场动态（每月）

-   融资新闻
-   合作公告
-   媒体报道

### 用户反馈（每周）

-   App Store 新评价趋势
-   社交媒体讨论
-   社区反馈

## 输出模板

每周/月输出简报：

-   本期重要更新
-   值得关注的变化
-   对我们的影响
-   建议的应对措施

5. AI 趋势监测与机会发现

5.1 行业趋势分析

请分析 [行业名称] 行业的最新趋势：

## 分析维度

### 1. 技术趋势

-   新兴技术应用
-   技术成熟度
-   技术驱动的产品形态变化

### 2. 用户趋势

-   用户行为变化
-   新兴需求
-   付费意愿变化

### 3. 市场趋势

-   市场规模变化
-   竞争格局变化
-   新玩家进入

### 4. 政策趋势

-   监管政策变化
-   合规要求
-   政策红利

## 输出要求

### 趋势总结

-   Top 5 关键趋势
-   每个趋势的影响程度（高/中/低）
-   趋势的时间窗口（短期/中期/长期）

### 机会识别

-   基于趋势的产品机会
-   风险提示
-   建议的行动

### 信息来源

-   主要参考的报告/新闻
-   可以进一步追踪的渠道

5.2 新产品/功能 Idea 生成

基于以下输入，帮我生成产品 Idea：

## 输入

-   目标用户：[描述]
-   核心痛点：[描述]
-   市场趋势：[描述]
-   技术可行性限制：[描述]
-   竞品空白：[描述]

## 请生成 10 个产品 Idea

每个 Idea 包含：

-   一句话描述
-   解决什么问题
-   目标用户是谁
-   为什么现在是好时机
-   实现难度（高/中/低）
-   商业化路径

## 评估维度

对每个 Idea 进行打分（1-5）：

-   市场需求强度
-   竞争激烈程度
-   技术实现难度
-   商业化潜力

## 推荐 Top 3

综合评估后的推荐，并说明理由

6. 实战项目：构建竞品分析看板

6.1 项目目标

构建一个自动化的竞品分析看板，包含：

  • 竞品基础信息汇总
  • 功能对比矩阵
  • 用户评价监测
  • 定价变化追踪

6.2 实现步骤

Step 1: 确定监测竞品

  • 选择 3-5 个核心竞品
  • 收集基础信息

Step 2: 设计数据结构

竞品数据表：

-   竞品名称
-   官网 URL
-   App Store URL
-   最新版本
-   最近更新日期
-   定价信息
-   核心功能列表
-   最新用户评价摘要

Step 3: 设置数据采集

  • 使用 Make/Zapier 定期抓取数据
  • 或手动定期更新

Step 4: AI 分析流程

每周执行的分析流程：

1. 抓取各竞品最新 20 条用户评价
2. 用 AI 分析评价趋势
3. 检查竞品是否有版本更新
4. 用 AI 分析更新内容
5. 生成周报

Step 5: 构建看板

  • 使用 Notion/Airtable 构建
  • 或使用 v0.dev 生成可视化界面

6.3 交付物示例

# 竞品分析周报 - 2024.W12

## 本周重要发现

### 竞品 A

-   📦 版本更新：v3.2.0 新增 AI 写作功能
-   📊 评价趋势：正面评价上升 5%
-   💰 定价变化：无

### 竞品 B

-   📦 版本更新：无
-   📊 评价趋势：负面评价增加，主要吐槽加载速度
-   💰 定价变化：推出年付优惠

### 对我们的影响

-   竞品 A 的 AI 写作功能可能分流我们的用户
-   建议加速我们的 AI 功能上线
-   竞品 B 的性能问题是我们的机会点

## 下周关注

-   竞品 A 新功能的用户反馈
-   竞品 C 预计本月发布重大更新

7. 本章小结

通过这一章的学习，你应该掌握了：

  1. 合成用户：生成虚拟用户画像，模拟用户访谈
  2. 舆情分析：大规模分析用户评价，发现痛点
  3. 访谈辅助：生成提纲、整理记录、综合分析
  4. 竞品分析：全面分析竞品，发现差异化机会
  5. 趋势监测：跟踪行业趋势，发现产品机会

关键心法：

  • AI 是工具，不是替代品——结合 AI 分析和人工判断
  • 数据质量决定分析质量——垃圾进，垃圾出
  • 持续监测比一次性分析更有价值
  • 洞察要转化为行动才有意义

下一章，我们将学习如何设计复杂的 RAG 和 Agent 系统。

参考资源

📚 相关资源