AI 驱动的用户研究平台

AI 设计调研、AI 实时访谈、AI 制作洞察报告,和用户行为数据打通,构建验证闭环。

AI 设计调研

说出研究问题,AI 追问目标与人群,生成访谈提纲,并帮你招到合适的受访者。

  • 研究助手追问背景,帮你厘清研究目标
  • 每道题单独设置追问深度,可附概念图、视频和原型
  • 发布前用模拟受访者预演,检查题序、时长和诱导性措辞
  • 导入名单或分享链接,每位受访者一条专属链接
  • 按人群设置配额,进度实时可见

你会得到一份经过预演、版本锁定的访谈提纲,和一份按配额招满的受访者名单。

app.heari.ai · 研究设计
AI 研究助手
想弄清新用户为什么在第一周就不再使用。
已生成访谈提纲:4 个主题、8 个问题,约 15 分钟。你可以继续让我调整。
描述你想怎么调整提纲…
访谈提纲
已发布 · v1下一步:配置招募

新用户首周流失原因调研

约 15 分钟4 个主题8 个问题
研究目标

找出新用户首周放弃的时刻和原因,决定先改哪一步引导。

访谈流程
1
开场·欢迎与说明
2 分钟
2
热身·最近一次使用
3 分钟
3
核心·想放弃的时刻
6 分钟
4
结束·总结确认
2 分钟
核心问题

第一周里,哪一刻让你想停下来?当时具体发生了什么?

AI 实时访谈

几百场一对一访谈同时进行,AI 按提纲提问,顺着每个回答追问到具体经历。

  • 文字与语音两种回答方式,手机打开链接即可开始
  • 支持数十种语言,受访者用母语作答,AI 用同一种语言追问
  • 开始前告知由 AI 访谈,知情同意后开始,可以随时退出
  • 每场访谈都有质量评分,敷衍和无效回答会被标出
  • 分析语音回答的语气和情绪,标出犹豫、停顿和明显的不满,研究员可以回听原声
  • 研究员可在观察室实时旁听,必要时暂停或接管,人工介入全程留痕
  • 访谈结束前请受访者确认要点总结,可以修改或否认

你会得到每场访谈的完整记录:每个主题都追问到位,要点经受访者本人确认。

9:41
0%

这次访谈由 AI 主持

预计 15 分钟。你的回答只用于本次研究,报告引用原话时不会显示你的姓名。

  • 没有标准答案,按真实经历说就好
  • 可以打字,也可以直接说话
  • 不想回答可以跳过,随时可以退出
不同意,退出同意并开始
发起方:少儿编程课程研究团队
9:41
3 / 8
回想孩子上完试听课的那天,你是怎么决定先不报名的?
孩子挺喜欢的,但下课老师就开始讲价格,没说孩子学得怎么样。
追问下课的时候,你最想了解孩子哪些情况?
0:12
文字回答语音回答
输入你的回答…

AI 制作洞察报告

AI 归纳主题、提炼洞察,每条洞察附原话与反例,研究员审核后进入报告。

  • 按自定义分析列批量提取要点
  • 每条结论标明涉及几位受访者、引用了哪几句原话
  • 研究员逐条审核:接受、修改或驳回
  • 多语言的回答汇总进同一份报告,原话保留原文并附译文,可按市场对比
  • 报告版本锁定与导出
  • 洞察和原话沉淀进知识库,之后可以跨研究提问

你会得到一份由研究员确认、每条结论都附原话的报告。

app.heari.ai · 研究报告示例

贷款申请 NPS 低分:客户到底遇到了什么

60场访谈520条原话证据v3 已锁定研究员已确认
主要结论
F1
收入证明环节是申请中途放弃的主要原因
47%
044061118

要上传收入证明,我手边没有,想着回头再弄,后来就忘了。

受访者 044 · 新客户 · 03:05
F2
审批进度看不到,是打低分的客户最常提的不满
40%
072089
F3
额度和利率本身不是主要原因
18%
101
主题分布
材料准备
28
审批进度不透明
24
流程步骤多
19
额度与利率
11
客服沟通
9

同样一项研究,从几周缩短到几天

以 30 场一对一深度访谈为例,对比传统访谈和 heari 的完整流程。研究员的时间从约访、转写和整理,转到判断结论上。

1招募与约时间

传统访谈

逐个联系受访者、协调时间,通常 1–2 周

heari

发出访谈链接,受访者随时开始,不用约时间

2进行访谈

传统访谈

一位研究员一天做 3–4 场,30 场约需 2 周

heari

几百场同时进行,不受时区限制

3转写与整理

传统访谈

人工转写、整理笔记,约 1 周

heari

自动转写,按主题整理

4分析与报告

传统访谈

研究员归纳结论、撰写报告,约 1 周

heari

几小时生成报告,研究员审核确认

和用户行为数据打通,构建验证闭环

与 ThinkingAI Agentic Engine 打通后,从选人、访谈到验证结论,都和真实行为数据连在一起。

1

按行为圈选受访者

从未复购、加购未下单、会员沉默等行为里直接圈人,不用手工导名单。

2

访谈带上行为线索

AI 知道受访者买过什么、在哪一步停下,提问更有针对性。

3

言行对照

把受访者的说法和真实行为放在一起看,找出说的和做的不一致之处。

4

结论写回用户标签

研究结论写回为用户标签,运营和产品可以直接用来分群。

5

用业务结果验证

改动上线后对照行为数据,把结论标为已证实、待验证或被推翻。

结论验证低糖酸奶复购研究
顾客说的

「挺好喝的,就是我最近不怎么买酸奶了。」

行为数据显示

首购后 30 天没有复购,同期买了两次另一款无糖酸奶。

早餐场景嫌太甜,影响复购已证实
广告画面让人联想到健身,没联想到早餐待验证
价格是不复购的主要原因被推翻

不接入行为数据,heari 也可以完整使用。

让你的 Agent 也能做用户访谈

通过 MCP 和 CLI,Codex、Claude Code 或你自己的 Agent 可以直接调用 heari。

新耳机下周要定主打卖点。先问问 120 位现有用户更在意降噪还是佩戴舒适,明天给我结论。
heari.create_study(goal: "新耳机主打卖点测试", audience: "owners_120.csv")
heari.launch_interviews(study: "st_8f2k", count: 120)
✓ 研究已创建,120 份邀请已发出
heari.get_findings(study: "st_8f2k")
访谈已完成 112 场。多数用户更在意佩戴舒适:112 人中有 69 人主动提到,例如「我每天戴四五个小时,舒服对我最重要」083
# 安装并登录
$ npm install -g @heari/cli
$ heari login

# 创建研究,导入受访者名单,开始访谈
$ heari studies create --goal "Lead with comfort or noise cancelling?"
$ heari interviews launch st_8f2k --list owners_120.csv --count 120

# 取回结论,每条附原话
$ heari findings st_8f2k --format json
{ "insight": "Comfort matters more than noise cancelling",
  "participants": 69, "quotes": ["u083", "u097", "u019"] }
// Codex、Claude Code 等支持 MCP 的客户端
{
  "mcpServers": {
    "heari": {
      "command": "npx",
      "args": ["-y", "@heari/mcp"],
      "env": { "HEARI_API_KEY": "hk_live_..." }
    }
  }
}

Agent 可以调用的工具

create_study创建研究,生成访谈提纲
launch_interviews发出邀请,开始访谈
get_study_status查看进度与访谈质量
get_findings取回洞察与原话证据
search_quotes按主题检索原话
ask_knowledge_base跨研究提问
  • 结构化输出:结论以 JSON 返回,附证据编号。
  • 人工把关:邀请和洞察都可由研究员确认。
  • 同一套权限与额度:Agent 发起的访谈计入当前版本额度。

用一项真实研究,走一遍完整流程

从研究设计、AI 访谈到洞察报告,我们陪你用 heari 完成一项试点研究。

预约演示查看研究案例