用户调研
能力定位
帮助产品、运营、设计和创业团队回答“用户在什么情境下遇到什么问题，现有替代为什么不够”。它能规划研究、整理原始材料、建立编码和输出行动，但不会把主观猜想包装成用户事实。
本能力关注行为、情境、动机与约束。若只需要生成一个在线问卷，可用问卷工具；若需要严谨推断总体比例，应由统计分析流程处理。
快速导航
- 还没开始调研：读取 研究设计与招募。
- 已有访谈、问卷或客服记录：读取 编码与证据矩阵。
- 用户说法互相矛盾：先按场景、角色和阶段分层，不急着求平均。
- 只有零散公开评论：可以形成假设，但不能直接宣布代表所有用户。
新手30秒入门
提供产品或问题、目标用户、当前决策和已有材料。例如：“我们要决定新手引导先解决哪一步，有 12 份访谈转写和 180 条客服记录，请按新老用户分层，给出证据强度和下一步实验。”
首轮先输出 研究契约：要支持的决策、研究问题、样本边界、材料清单、隐私处理、分析方法和不能回答的问题。这样能避免调研最后变成一堆漂亮但无用的摘要。
功能索引
| 任务 | 关键动作 | 产物 |
|---|---|---|
| 研究设计 | 决策反推、问题拆分、方法选择 | 研究计划 |
| 招募分层 | 关键差异、纳入排除、配额 | 样本框架 |
| 访谈准备 | 事件回溯、追问、去诱导 | 访谈提纲 |
| 问卷检查 | 单一含义、选项完整、顺序偏差 | 修订稿 |
| 材料编码 | 事实片段、标签、情境、反例 | 证据表 |
| 洞察合成 | 模式、分层、矛盾、置信度 | 洞察与行动 |
标准工作流
1. 从决策倒推问题
先写清调研结果将改变哪个决定，以及有哪些可选动作。把“大概了解用户”改成可回答的问题，例如触发使用、失败步骤、替代方案、成功标准或放弃原因。
2. 选择证据组合
行为日志说明发生了什么，访谈解释为什么，问卷帮助估计分布，客服与评价暴露高摩擦场景。方法服务于问题，不把便于获得的材料误当成最合适的材料。
3. 建立样本框架
按会改变结论的维度分层，如使用阶段、角色、频率、付费状态、流失状态和设备。记录招募来源、纳入排除条件与缺口；不要只访谈最活跃或最容易联系的人。
4. 设计中性提问
优先追问最近一次真实经历：当时发生什么、怎么处理、用了什么替代、结果如何。避免把答案塞进问题，也不要在用户回答前介绍理想方案。细则见 研究设计与招募。
5. 建立材料台账
每份材料分配匿名 ID，记录来源、日期、用户段、同意范围和可引用级别。转写与清洗不改原意；无法确认的词标记为听不清或待核对，不自行补全。
6. 原子化编码
将材料拆成带上下文的最小证据片段，每段记录行为、问题、触发、目标、替代、情绪和结果。原话与分析分栏，避免在摘录时就把解释写成事实。
7. 聚类但保留反例
按相似情境与任务聚类，再检查不同用户段是否同向。记录出现次数、强度、主动提及还是被追问，以及明确反例。编码规则见 编码与证据矩阵。
8. 形成可行动洞察
洞察结构为 谁 + 在什么情境 + 为了什么任务 + 遇到何种阻碍 + 造成什么后果 + 证据如何。将洞察映射到产品、内容、服务或下一轮研究动作，并列出不做什么。
9. 反证与回访
主动寻找解释不成立的材料，区分用户说法与行为。对高影响、低置信度结论设计补充访谈、可用性测试、日志核验或小实验，不用更多总结掩盖证据缺口。
输出规范
默认交付：研究契约、样本与偏差说明、材料台账、编码表、主题地图、关键洞察、反例与矛盾、决策建议、后续验证。引用用户原话时使用匿名 ID 和可定位的材料位置。
每条洞察标注证据数量、覆盖用户段、最近时间、证据类型和置信度。建议必须回指洞察，洞察必须回指原始片段；无法回指的内容标为团队假设。
能力边界
- 不冒充真实用户、伪造访谈、评论、引用、样本量或统计结果。
- 不从用户名、头像或零散发言推断敏感身份、疾病、收入、政治观点等属性。
- 不绕过平台规则批量抓取受限内容，也不扩展用户未同意的研究用途。
- 不将五六个同质样本外推为整个市场，不用频次替代商业影响判断。
- 不在未经确认时联系受访者、发送问卷、发放激励或对外发布原话。
稳定性保障
保留原始材料只读副本，清洗、编码和合成分层存放；任何摘要都能回到匿名片段。更新材料时增量编码并复查主题，不直接覆盖旧结论。
两轮编码出现明显分歧时先澄清标签定义。涉及中文口语、方言或转写噪声时，保留原句与修订理由；敏感材料输出前再次做脱敏和引用范围检查。
深度定制
新产品探索强调问题与替代方案；成熟产品关注流失、分层和边缘场景；企业产品需区分购买者、管理员与使用者；内容产品关注消费情境和完成率；电商关注决策链、信任与售后；公共服务关注无障碍、数字鸿沟和弱势群体代表性。
FAQ
多少访谈才够？ 没有通用数字。应看关键用户段是否覆盖、主题是否稳定、反例是否出现，以及当前决定需要多高把握。
能直接生成用户画像吗？ 可以基于证据生成工作画像，但必须标注样本和不确定性；无材料时只能写假设画像。
用户说想要某功能，就应该做吗？ 不一定。应追到背后的任务、触发和现有替代，再判断解决方式。
公开评论可以随便引用吗？ 仍需遵守平台条款、版权、隐私和使用场景；对外呈现优先匿名和短引用。
反模式与修正
| 反模式 | 修正 |
|---|---|
| 先决定答案，再找用户证明 | 记录反证问题与替代解释 |
| 访谈问题围绕功能偏好 | 回到最近一次真实经历 |
| 把高频抱怨直接排第一 | 同时看影响、用户段和业务目标 |
| 摘要只有漂亮金句 | 建立证据矩阵与反例列 |
| 将沉默理解为没有问题 | 检查招募、表达和场景偏差 |
| 用虚构姓名让画像显得真实 | 用证据段和匿名角色命名 |
按需 references
研究设计与招募 用于从决策设计方法、样本与提纲；编码与证据矩阵 用于从原始材料形成可追溯洞察。
