AI 赋能调研白皮书(4):利用AI生成访谈提纲的 3 种方式(附 Prompt)

新闻

作者：微信文章
之前连载的 3 篇文章中，第二篇的流量较好，是讲利用 AI 进行需求拆解与方案设计，后来突然有了一波流量，看来大家还是对干货/实战类的内容比较感兴趣。

今天这篇连载我们就继续实战类内容，利用 AI 智能生成访谈提纲。

深度访谈是定性研究中最核心、最常用的方法之一。另外一个常用的是焦点小组（focus group），但在实际工作中远没有深访常用。

一份高质量的访谈提纲，是成功访谈的“脚手架”。虽然对于高阶的用研同学来说，已经不需要完全按照提纲来进行。但对于初中阶的用研同学来说，好的提纲不仅能确保研究目标不偏航，还能帮助访谈者在与用户交流时更有结构、有深度、有节奏。

传统上，撰写访谈提纲比较耗时，且很考验研究员结构化思维与同理心。

现在，AI可以作为一个强大的提纲共同创作者，可以帮助研究员快速生成结构完整、逻辑清晰、问题富有启发性的提纲初稿，极大地提升研究设计的效率和质量。
核心挑战

在撰写访谈提纲时，用研（尤其是经验较少的）常常遇到以下问题：

结构不清晰提纲缺乏逻辑层次，问题之间跳跃性强，不利于访谈的层层深入。经典的“洋葱模型”（从外到内、从浅入深）说起来容易，实践起来难。问题质量不高提出的问题过于宽泛、或带有引导性、或过于封闭，难以激发用户分享深度的故事和动机。覆盖不全面仅凭个人经验，容易遗漏某些重要的探究维度，导致收集的信息不完整。效率低下从零开始撰写一份高质量的提纲，往往需要花费数小时甚至半天的时间。

AI赋能的解决方案

AI在访谈提纲生成方面的价值，主要体现在其强大的结构化生成能力和知识调用能力。通过设定清晰的角色、目标和框架，我们可以引导AI成为一个出色的“提纲设计师”。



1. 利用经典框架，快速搭建提纲骨架

我们可以直接指令AI使用业界成熟的访谈提纲框架（如洋葱模型、AIDA模型、用户旅程地图等）来快速生成提纲的“骨架”，确保其逻辑的严谨性和结构的完整性。

背景: 我们正在为一个名为“食光”的美食分享APP进行用户研究，目标是了解用户在寻找和尝试新餐厅过程中的决策路径和痛点。

任务: 请使用“洋葱模型”（Opening - Exploration - Probing - Closing）的结构，为我们生成一份半结构化深度访谈的提纲。

要求:

Opening部分需要包含破冰、介绍、暖场等问题。Exploration部分聚焦于用户过去一次寻找新餐厅的完整经历，探究其行为和想法。Probing部分针对我们APP的核心功能（如智能推荐、社区评价），进行深入探究和追问。Closing部分包含感谢、补充提问和结束语。请在每个部分提供至少3-5个示例问题。

这种方法的优势在于：

保证专业性直接套用经典框架，确保了提纲的逻辑性和专业水准，避免了新手研究员在结构上的常见错误。极高的效率在几十秒内就能获得一个结构完整的提纲框架，研究员只需在此基础上进行个性化的修改和填充。

2. 模拟用户旅程，生成情境化的问题

对于流程体验类的研究，我们可以让AI模拟用户的完整旅程，并针对每个触点生成具体、情境化的问题，从而保证提纲对用户体验的全面覆盖。

示例Prompt:

角色: 你是一位精通用户旅程分析的研究专家。

背景: 我们要研究用户首次使用我们的在线协同白板工具“Co-Board”的初期体验。

任务: 请根据一个新用户典型的“注册-创建第一个白板-邀请协作者-进行首次内容创作”的旅程，为每个阶段设计访谈问题。

要求:

问题需要紧密围绕用户在每个阶段的目标、行为、遇到的困难、以及情绪感受来展开。请使用开放式问题，鼓励用户分享具体的故事和细节。例如，在“邀请协作者”阶段，可以问：“可以回忆一下，您当时是怎么想到要邀请别人加入的？在邀请的过程中，有没有哪个步骤让您觉得不太方便？”

这种方法的价值在于：

情境代入感强问题紧贴用户的实际操作流程，非常具体，有助于用户回忆和分享真实的体验细节。覆盖全面以用户旅程为主线，可以有效避免遗漏关键的体验触点。

3. 扮演特定用户画像，反向生成关注点

为了让问题更贴近目标用户，我们甚至可以先让AI扮演一个特定的用户画像（Persona），然后让它从“自己”的视角出发，思考会关心哪些问题。这是一种非常巧妙的换位思考方法。

示例Prompt:

第一步（角色扮演）:
角色: 请你扮演一个名为“小江”的用户。小江是一名25岁的自由职业设计师，对效率工具非常挑剔，注重设计感和无缝协作，目前正在寻找一款新的项目管理工具。请用第一人称描述一下你的工作习惯和对工具的核心诉求。

第二步（生成问题）:
角色: 好的，现在你就是小江。基于你的身份和诉求，当你被邀请参加一个关于新款项目管理工具的深度访谈时，你最希望被问到哪些方面的问题？或者说，你最想和研究员聊聊工具的哪些方面？请列出你最关心的5-8个问题点。

这种“反向工程”的价值在于：

深度同理心通过模拟用户，AI生成的问题往往能更精准地切中该类用户的核心关切点和“痛点”。视角独特这提供了一个全新的、从用户视角出发构建提纲的思路，可以作为研究员自身思考的有力补充。

在访谈提纲的撰写环节，AI的介入，使得这项工作从一项“从无到有”的创造性劳动，转变为一项“从有到优”的优化性劳动。

对比一下，仿照一个访谈大纲来写，还是利用 AI 来生成，后者又快又好。

但，还是少不了人来做最后的打磨。

AI 负责快速、结构化地生成一个“80分”的提纲初稿，而用研则可以将更多精力投入到最后“20分”的打磨上——根据自己对业务和用户的深刻理解，对问题进行微调、追问设计和个性化处理。这种人机协同的模式，不仅大幅提升了效率，也切实保证了访谈提纲的专业质量。也真正体现「人的优势」。