本文目录
AI 主持的用户访谈，是由 AI 按访谈提纲与受访者一对一交流、根据回答追问，再把多场访谈整理成可追溯到原话的结论的研究方式。它保留了访谈能问出原因的长处，又能让几十到几百场访谈同时进行。读完这篇，你能判断自己的研究是否适合交给 AI 主持，知道一项研究从立项到验证要走哪几步，并拿到一份可以直接使用的质量检查清单。
定义
在 AI 主持的访谈里，研究负责人先写好研究方案和访谈提纲，AI 按提纲提问，受访者用文字或语音回答。AI 不是把题目逐条念完就结束，而是理解回答之后再决定下一句问什么：回答笼统，就追问具体的一次经历；回答已经清楚，就进入下一个话题。
它不是客服机器人，也不是换成对话界面的问卷。区分的标准只有一条：每位受访者被问到的内容，会不会因为他前面的回答而不同。如果不会，那只是用对话形式呈现的问卷。
AI 访谈是怎么进行的
1. 按提纲开场和推进
访谈提纲规定要覆盖哪些话题，以及每个话题的研究目的和建议问题。AI 先用开场白说明自己是 AI、访谈大约多长、记录如何使用，取得受访者同意后，从容易回答的背景问题开始，再逐步进入核心话题。
2. 根据回答追问
追问是 AI 访谈的核心。常用的追问方向有四种：问最近具体的一次经历，问当时经过了哪些环节，问原本的期望是什么，问之后做了什么。下面是一段示例。
如果 AI 在第一句回答后就换到下一题，得到的只是「不太用了」。追问三轮之后，原因落到了「账单入口难找」，还知道了这位用户转去了哪个替代方案。
3. 判断何时结束
AI 根据每个话题的研究目的判断是否已经问清：问到了具体经历和原因，或者受访者明确表示没有更多可说，就进入下一个话题。全部话题覆盖后，AI 会询问受访者是否还有补充，然后致谢结束。好的 AI 访谈不会为了凑时长，在同一件事上反复追问。
4. 整理成结论
多场访谈完成后，AI 把原话按主题归类，每个主题写成一条结论，标注有多少位受访者提到，附上有代表性的原话和不一致的反例。研究负责人逐条审阅，接受、修改或驳回，审阅后的报告才交给团队使用。
与问卷和传统访谈的区别
| 对比项 | 问卷 | 传统访谈 | AI 主持访谈 |
|---|---|---|---|
| 能回答的问题 | 有多少人、比例多大 | 为什么、怎么发生的 | 为什么、怎么发生的 |
| 追问 | 没有，题目固定 | 有，质量取决于主持人 | 有，按提纲规则追问，各场之间较一致 |
| 一轮规模 | 几百到几千份 | 通常十几场 | 几十到几百场 |
| 耗时来源 | 回收较快 | 约访、主持、整理都靠人，耗时最长 | 多场同时进行，由 AI 先整理初稿 |
| 结论依据 | 选项统计和少量开放题 | 研究员的笔记和录音 | 每条结论可追溯到原话 |
| 非语言信息 | 没有 | 能观察表情、语气和现场操作 | 语音访谈能听到语气，看不到现场操作 |
| 适合阶段 | 验证与量化 | 早期探索、敏感话题 | 探索与解释，以及大样本的原因分析 |
三者不是互相替代的关系。常见的组合是：先用 AI 访谈找出原因和类型，再用问卷估算每类原因所占的比例；遇到需要观察操作或话题敏感的情况，由研究员亲自主持。
适合与不适合的研究
适合
- 用户为什么流失，或者为什么不再续费
- 新产品、新功能的概念测试
- 广告和品牌信息是否被正确理解
- 满意度、NPS 低分背后的原因
- 用户分层与画像，了解不同人群的使用动机
- 购买决策过程与付费意愿
- 在多个市场、用多种语言做同一题目的研究
不太适合
- 需要统计推断的规模估算，例如「多少比例的用户会购买」，应使用问卷并做好抽样设计
- 需要观察实际操作的可用性测试，尤其是线下场景或实物产品
- 高度敏感的话题，如健康、财务困难、家庭矛盾，受访者需要更多信任，也需要人随时判断
- 受访者是少数关键决策者的企业客户研究，每一场都很难得，值得资深研究员亲自访谈
- 儿童或其他需要监护人在场的人群
一项 AI 访谈研究的步骤
- 写下业务问题和要做的决定。例如「下季度要不要重做账单页」，而不是「了解用户对账单的看法」。
- 把业务问题拆成 3–5 个研究问题，确定受访者条件和样本量。探索类研究可参考 Guest、Bunce 与 Johnson（2006）的发现：在同质人群中，约 12 场访谈后新主题已很少出现；有多个细分人群时，每组分别安排场次。
- 写访谈提纲：每个话题写明研究目的、主问题和追问方向，交研究负责人审阅，必要时先试访 2–3 场再修改。
- 邀请受访者：从自有用户中按条件圈选，或招募外部受访者；邀请时说明时长、激励和数据用途。
- AI 同时进行多场访谈，研究负责人旁听或抽查记录，排除无效样本。
- 审阅报告：逐条接受、修改或驳回洞察，确认每条结论的人数、原话和反例。
- 把结论交给负责的团队，并约定改动上线后用哪些行为数据来验证。
怎么判断访谈质量
判断一项 AI 访谈研究做得好不好，要同时看访谈过程和最终结论。下面这份清单可以在审阅时逐条核对。
- 研究方案写明了业务问题、要做的决定和研究问题
- 访谈提纲的每个话题都有研究目的，没有诱导性问题
- 开场说明了访谈方是 AI、预计时长和数据用途，并取得了受访者同意
- 抽查 5 场记录：受访者回答笼统时，AI 是否追问了具体的一次经历
- 追问没有替受访者说出答案，例如「是不是因为太贵」
- 同一话题没有被反复追问到受访者不耐烦
- 答非所问、明显敷衍或不符合条件的样本已被排除，并记录了排除原因
- 每条结论标注了提到的人数和总人数
- 每条结论都能查到原话、受访者和它在访谈中的位置
- 每条结论列出了反例或不一致的声音
- 结论区分了「受访者说的」和「研究者推断的」
- 研究负责人逐条审阅过，驳回的结论记录了理由
- 每条结论都对应到一个具体的决定或负责的团队
局限与风险
受访者知情
受访者有权知道自己在和 AI 交谈。开场白应明确说明这一点，并告知记录如何保存、谁能看到、是否匿名、能否要求删除。隐瞒 AI 身份也许能让更多人完成访谈，但会损害信任，还可能违反所在地区的规定。
AI 追问的边界
AI 擅长把笼统的回答问具体，但也有做不好的地方：它可能没听出话里的犹豫，也可能对一个顺口提到的线索追得太深。提纲里应写明哪些内容不追问，例如收入、健康状况和他人隐私；受访者表示不想谈某件事时，AI 应立即换到下一个话题。
结论的偏差
AI 整理结论时可能过度概括，把两三个人的说法写成普遍现象，也可能漏掉人数少但很重要的意见。应对的办法是坚持标注人数和反例，由研究负责人逐条审阅，重要结论回到原话核对。
何时需要人工主持
- 话题敏感，受访者可能出现明显的情绪波动
- 需要观察受访者的实际操作或使用环境
- 受访者是少数关键客户或高层决策者
- 研究处在非常早期，连提纲都难以写清，需要研究员边访边调整方向
- 需要和受访者建立长期关系的研究，例如共创或日记研究的启动访谈
常见错误
- 把问卷题目原样改成对话：AI 只会逐题提问，问不出原因。提纲应按话题和研究目的来写，给追问留出空间。
- 没写清要做的决定就开始访谈：结论很多却用不上。先写下这项研究要支持哪一个决定。
- 不告诉受访者对面是 AI：既伤害信任，也有合规风险。开场就说明访谈方是 AI 以及数据用途。
- 只读报告摘要，不看原始记录：容易被过度概括的结论误导。重要结论至少回到原话核对一次。
- 拿访谈人数直接推算比例：访谈样本不是随机抽样。需要比例时，用问卷补充验证。
用 heari 怎么做
在 heari 里，输入业务问题，AI 生成研究方案和访谈提纲，研究负责人审阅后发布。AI 用文字或语音同时进行多场访谈并按回答追问，研究者可旁听、排除无效样本。报告每条结论附原话与反例并标注人数，可逐条接受、修改或驳回。接入 ThinkingAI Agentic Engine 后，还能按行为圈选受访者，并用数据验证结论。
常见问题
AI 主持的访谈和在线问卷有什么区别？
在线问卷的题目固定，所有人回答同样的问题，适合统计比例；AI 主持的访谈会根据每位受访者的回答继续追问，能问出具体经历和背后的原因。两者常配合使用：先用访谈找出原因，再用问卷估算各类原因的比例。
一项 AI 访谈研究需要多少位受访者？
样本量取决于研究问题和人群差异。做探索类研究时，可以参考 Guest、Bunce 与 Johnson 2006 年的研究：同质人群做到 12 场左右，新的主题就很少出现。如果研究涉及几个差异明显的人群，应为每个人群分别安排足够的场次。
受访者需要知道自己在和 AI 对话吗？
需要。访谈开场时应告诉受访者访谈由 AI 主持，并说明记录的保存方式、用途和删除办法，在对方同意后再开始。这是对受访者的尊重，在很多地区也是数据法规的要求。
AI 访谈能完全替代用户研究员吗？
不能。AI 可以承担主持访谈和初步整理，但界定研究问题、审阅提纲、把关样本和审阅结论仍需要研究负责人来做。敏感话题、关键客户和需要现场观察的研究，仍应由研究员亲自主持。
怎么确认 AI 整理出的结论可信？
逐条检查结论是否标注了人数、能否追溯到原话、是否列出了反例，再抽查几场原始访谈记录，看追问是否具体、有没有诱导。对会影响重大决定的结论，应回到原话逐句核对。
