用户研究Skill：把访谈、人物角色与旅程图变成可执行的研究流程
- 它是什么：一个面向用户研究全流程的 AI 技能，覆盖研究规划、访谈提纲设计、上下文观察、研究合成、人物角色创建、旅程图绘制与研究报告输出。
- 它强在哪：不只是"给点建议"，而是内置了方法选择表、60 分钟访谈结构、提问技巧对照表、洞察公式、人物角色模板、旅程图模板等可复用的结构化资产。
- 它守得住底线：技能内置明确约束——必须三角测量、区分"观察到的行为"与"陈述的偏好"、必须附直接引语、禁止引导性提问、禁止基于假设编造人物角色。
- 谁最该用：产品经理、交互/UX 设计师、独立开发者、创业团队，以及没有专职用户研究员但需要做用户洞察的团队。
- 怎么用最快：一键装入支持 Skill 的 AI 助手环境后，直接说"帮我规划一次针对新用户流失的研究"，即可拿到一份带样本量、时间线和讨论指南的研究计划。
该技能叫什么？如何一键安装 AI 技能提升开发效率？
技能中文名：用户研究Skill 技能英文名：user-research 技能ID：11714
它要解决的核心问题是：用户研究这件事，"知道该做"和"真的做对"之间差着大量方法论细节。访谈提纲写成了一问一答的问卷、问题里带着引导性、访谈做完一堆录音却合成不出洞察、人物角色靠拍脑袋编、旅程图画完贴在墙上没人用——这些都是团队里的高频翻车点。这个技能把研究方法选择、访谈结构、合成方法、报告模板固化成一套可被 AI 调用的流程，让经验不足的人也能按专业路径走一遍。
关于"一键安装"的思路与步骤：
- 确认安装前提：你需要一个支持 Skill（技能）机制的 AI 助手环境，例如支持 Skills 的编程助手、IDE 插件或团队自建的技能仓库。技能以说明文档（如
SKILL.md形式的能力描述）承载，因此环境需要能加载并识别这类技能描述文件。 - 找到安装入口：在环境的技能市场、技能列表或插件市场中，使用中文名"用户研究"、英文名
user-research或技能 ID11714进行检索，然后点击添加/安装。若环境不提供市场，也可按官方文档把技能说明文件放入约定的技能目录中。具体入口地址与命令以官方说明为准。 - 验证是否生效：安装完成后新开一个会话，输入"帮我规划一次用户研究"，观察回答是否出现方法选择指南、访谈结构、样本量建议、约束条款等特征内容；如果能稳定输出这些结构化内容，说明技能已被正确加载。若没有生效，优先检查技能是否处于启用状态、当前会话是否在技能作用域内。
- 配合项目文档使用：该技能在开展研究前会主动读取项目内的约定文档（如项目说明文件、
docs/specs/下的规范文档、CONSTITUTION.md等）以及已有研究结论，因此在安装后把这些文件补齐，能让输出更贴近你的产品上下文，同时避免重复研究。
该技能的主要功能和特点
- 研究方法选择指南：内置方法对照表，按"最适合什么、样本量多少、时间投入多少"给出建议。例如用户访谈适合深度理解"为什么"，样本 5–12 人、投入 2–3 周；可用性测试适合界面验证，5 人、1 周；调查适合定量验证，100+ 人、1–2 周；日记研究适合纵向行为，10–15 人、2–4 周。
- 60 分钟访谈结构模板：把一场访谈拆成介绍 5 分钟、热身 5 分钟、上下文 10 分钟、深度探索 30 分钟、探索 5 分钟、结束 5 分钟六段，每段都给出典型问法与目的，避免"聊了一小时但没聊到痛点"。
- 提问技巧与反面清单：列出开放性问题、后续问题、澄清问题、对比问题、投射问题以及"沉默"的用法，并给出"避免问的问题"对照表，比如把"你喜欢这个功能吗"改成"你觉得这个流程怎么样"，把"你会用吗"改成"你上次做这件事是什么时候"。
- 上下文查询与观察笔记模板：给出提前到场、先观察后提问、"教我"框架等观察协议，并提供包含任务、耗时、动作、使用工具、痛点、引语、机会的观察笔记结构。
- 出声思考协议：提供可用性测试的开场话术与会中提示语（“你现在在想什么”“你期望发生什么”），同时明确禁止行为——不要帮用户完成任务、不要评判对错、不要解释产品怎么用。
- 研究合成工具：包括亲和映射的捕获—聚类—命名—优先排序四步法，以及洞察公式：“[用户组] 需要 [需求] 因为 [动机/上下文]，但目前 [痛点]，这意味着 [后果]”，并附带证据数量、真实需求、业务影响等验证清单。
- 人物角色体系：提供角色模板（姓名、原型、特征性引语、人口统计、目标、痛点、行为、场景）与五步开发流程，并区分主要、次要、负面、原型角色四类，明确"负面角色"用于界定"我们不为谁设计"。
- 旅程图绘制流程：按阶段填充动作、想法、情感、接触点、痛点、机会六层信息，并给出从定义范围、收集数据到识别机会、验证分享的完整步骤。
- 研究计划与研究报告模板：研究计划包含目标、参与者、方法、讨论指南、时间线、可交付成果；研究报告包含执行摘要、背景、关键发现（证据/影响/建议）、详细观察、建议优先级表与附录。
- 反模式与最佳实践清单：显式列出确认偏差、引导性问题、最近效应、样本偏差、假设性问题、研究搁置等常见错误及对策。
- 硬性质量约束：报告前必须跨多个参与者三角测量，必须区分观察到的行为与陈述的偏好，必须附直接引语作为证据，人物角色必须由多个参与者数据点支撑，禁止把假设行为当成真实行为。
和普通"问 AI 聊两句"相比，它的差异点在于：输出是结构化的、可交付的、带质量门槛的，而不是泛泛的方法论科普。
如何使用该技能？
使用方式以自然语言对话为主，技能会在识别到研究相关意图时自动激活，也可以显式点名调用。下面是分步骤的实操指南。
第 1 步：明确研究目标与上下文 先一句话讲清"研究谁、想回答什么问题、处在什么阶段"。技能在动工前会参考项目文档与已有研究，所以如果你有产品说明、历史研究结论，一并发给它。
第 2 步：让技能输出研究计划 输入示例：
我们要研究新用户注册后 7 天内流失的原因，帮我出一份研究计划，两周内完成。
输出说明：通常会按模板给出主要/次要研究问题、目标用户细分、建议样本量与招募方式、筛选标准、研究方法（如访谈为主、辅以行为数据分析）、单场时长、时间线表格，以及可交付成果清单。你可以针对样本量或时间线继续追问调整。
第 3 步：生成访谈提纲或测试脚本 输入示例：
帮我设计一份 60 分钟的用户访谈提纲，对象是中小电商卖家，主题是库存管理，避免引导性问题。
输出说明：一般会按六段式结构给出分段时间与具体问题，热身阶段类似"先介绍一下你目前负责的业务和你的一天是怎样的"，深度探索阶段聚焦"请回忆最近一次缺货或积压，当时你是怎么发现和处理的"，并附上应避免的问法与替代表达。
第 4 步：带着模板去做访谈与观察 把观察笔记模板、出声思考开场话术拿去现场使用。可用性测试时可以要求技能生成一段可直接照读的开场白，并提醒你自己"不要帮忙、不要评判"。
第 5 步：把原始记录丢回来做研究合成 输入示例：
这是 5 位参与者的访谈笔记，帮我做亲和映射并提炼洞察，每个洞察要有 3 个以上参与者证据和直接引语。
输出说明：一般会给出聚类主题（如"信任担忧"“效率痛点”“支持需求”）、每个聚类的支撑引语与来源标识，并按洞察公式输出可用结论，最后附优先级建议。
第 6 步：创建人物角色与旅程图 输入示例：
基于上面的研究数据，创建 3 个人物角色（主要、次要、负面各一），再为"主要角色"画一张从认知到续订的旅程图。
输出说明：角色会按模板给出引语、目标、痛点、行为与场景；旅程图会按阶段列出动作、想法、情感、接触点、痛点和机会点，可直接整理进文档或设计稿。
第 7 步：输出研究报告并对齐利益相关者 输入示例：
帮我把这次研究整理成研究报告，包含执行摘要、关键发现、建议优先级表。
输出说明：得到一份可直接分享的结构化报告，每条发现都带证据、影响与建议，方便推动设计或排期决策。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 用户研究Skill（user-research） | 面向用户研究全流程的 AI 技能 | 方法选择、访谈提纲、观察协议、亲和映射、洞察公式、人物角色、旅程图、研究计划与报告模板、反模式清单 | 需支持 Skill 的 AI 环境，检索技能名或 ID 添加后即可使用；门槛低 | 从零规划研究、访谈准备、研究合成、角色与旅程图产出 | 优势：结构化模板齐全，内置质量约束（三角测量、直接引语、禁引导性提问）；不足：不提供真实用户招募与数据采集，结论质量依赖你提供的原始素材 |
| 通用大模型直接对话 | 通用 AI 助手 | 可回答研究方法问题、帮忙写提纲 | 无需安装，打开即用；门槛最低 | 临时问方法、快速润色文稿 | 优势：轻量、免费或低成本；不足：输出不稳定，缺少固定模板与质量约束，容易给出引导性问题和"拍脑袋"人物角色 |
| 专业研究分析平台（如 Dovetail 类工具） | 定性研究数据管理与分析平台 | 访谈转录、标签编码、洞察库、团队协作 | 需注册订阅、学习成本较高；价格以官方说明为准 | 中大型团队长期沉淀研究资产 | 优势：数据管理与协作能力强，适合规模化研究；不足：偏"数据仓库"，方法流程引导弱，仍需人来设计研究与写提纲 |
| 远程可用性测试平台（如 UserTesting、Maze 类工具） | 用户测试执行与录制平台 | 招募被试、远程测试、行为录制、指标统计 | 需订阅、按测试量计费，价格以官方说明为准 | 界面验证、原型测试、定量指标采集 | 优势：能拿到真实用户行为数据；不足：不解决研究设计与合成方法问题，且成本较高 |
| 模板库方案（文档模板 + 人工整理） | 通用文档模板 | 现成的访谈提纲、角色卡片、旅程图模板 | 免费或低成本，直接复制使用 | 有经验的研究者快速起步 | 优势：灵活、可控；不足：需要自身方法论支撑，合成环节全靠人工，容易停在"有模板没洞察" |
从对比可以看出，这个技能的定位不是替代招募平台或分析平台，而是补上"方法论与结构化产出"这一段——它负责把研究做对、把发现说清。
该技能的典型应用场景与实际体验情况
场景一：独立开发者或小团队 PM 的第一次正式用户研究 痛点是没做过访谈，不知道问几个用户、问什么问题、怎么问才不诱导。使用方式是先让它出研究计划，再按提纲去聊 5–8 位用户，回来后把笔记贴给它做合成。实际体验是上手极快，几乎不需要额外学习研究方法论，最大的价值在于"避免踩坑"——它会主动提醒你不要问"你会不会用这个功能"这类假设性问题。注意点是研究目标要写具体，"了解用户需求"这种描述会得到很泛的计划。
场景二：UX 设计师做可用性测试 痛点是测试现场容易不自觉地去"帮忙"，导致测试结果失真。使用方式是让它生成出声思考的开场白与会中提示语，并打印一份"不要做什么"的清单贴在旁边。实际体验是话术直接可用，尤其适合新手主持测试；注意事项是技能给的是协议与话术，界面与任务设计仍需你自己准备好。
场景三：产品经理把访谈记录变成可决策的结论 痛点是访谈记录散落在文档里，没人愿意读完，最终结论靠印象。使用方式是把多位参与者的原始记录分批输入，要求按亲和映射聚类、按洞察公式输出，并强制附上 3 个以上证据与直接引语。实际体验是产出的报告结构完整、有引语支撑，直接能放进评审会材料；注意点是原始素材越细，合成质量越高，只给一句"用户觉得复杂"很难得出有效结论。
场景四：增长团队绘制旅程图找流失节点 痛点是有数据但缺少"用户当时在想什么、感受如何"的层。使用方式是先创建主要人物角色，再按阶段（认知、考虑、购买、使用、续订）填充动作、想法、情感、接触点、痛点与机会。实际体验是能把客服工单、访谈笔记、行为数据串成一张可讨论的图，并且天然带出优先级讨论；注意点是旅程图必须建立在真实数据上，纯虚构会让整张图失去说服力。
整体来看，这个技能的上手难度低，效果取决于输入素材的真实度；它的"聪明"不在文笔，而在流程完整和约束严格。
该技能能为用户带来的价值
第一，把研究方法论的门槛降下来。 方法选择表、访谈结构、提问技巧、反模式清单都是可直接照做的操作指引，没有研究背景的产品经理和开发者也能按专业路径跑完一轮研究，省去啃方法论书籍和反复试错的时间。
第二，把"研究合成"这个最耗时的环节提速。 访谈结束后面对大量转录文本、便利贴和零散笔记，人工聚类往往要花上数小时到数天；技能按亲和映射与洞察公式给出初步聚类和带引语的结论，让团队把时间花在判断和决策上，而不是整理上。按经验，这一步通常是整轮研究中人力消耗最大的部分。
第三，用约束保证研究质量下限。 三角测量、区分观察与陈述、必须附直接引语、禁止引导性提问、禁止基于假设创建人物角色——这些约束把"业余研究的常见毛病"提前拦住，避免团队基于错误结论做出产品决策，这类错误决策的返工成本远高于研究本身的投入。
第四，让研究资产可以被复用和继承。 研究计划、报告、人物角色、旅程图都有固定结构，新人接手项目时读得懂、接得上，团队的研究沉淀不再依赖某一个人的记忆。
第五，长期价值在于形成组织习惯。 当"做研究—出洞察—转成建议"变成一条顺畅的低成本路径，团队会更愿意在研究上投入，产品决策从"我觉得"逐步转向"证据显示"，这是效率之外更重要的收益。
常见问题 FAQ
Q1：这个技能怎么安装？需要付费吗？
A：安装方式取决于你所用的 AI 环境：在支持 Skill 的技能市场或插件入口中，用中文名"用户研究"、英文名 user-research 或技能 ID 检索并添加即可；若环境不提供市场，可按官方文档把技能说明文件放入技能目录。是否收费、是否包含在订阅中，以官方说明为准。
Q2：它能帮我招募访谈用户或自动做访谈吗？ A：不能。这个技能聚焦研究设计、访谈准备、研究合成与成果输出，不提供真实用户招募、自动访谈或数据采集能力。参与者仍需你自己招募，访谈仍需你自己去聊，技能负责的是"怎么设计、怎么问、怎么合成、怎么表达"。
Q3：适合谁用？不适合谁用？ A：适合产品经理、UX/交互设计师、创业者、独立开发者，以及没有专职用户研究员但需要做用户洞察的团队。如果你已经有成熟的研究团队和沉淀多年的研究资产体系，它的价值更多体现在模板复用和合成提速上；如果你需要的是大规模被试招募和定量统计，应该配合专门的测试平台使用。
Q4：生成的人物角色和旅程图可信吗？ A：可信度取决于你提供的素材。技能明确要求人物角色必须由多个参与者的观察数据支撑，禁止基于假设创建，并要求区分"观察到的行为"和"陈述的偏好"。因此只要输入的是真实访谈与观察记录，产出就具备证据基础；反之，如果你只给一句模糊描述，得到的也只能是待验证的假设草案。
Q5：和直接问通用 AI 有什么区别，怎么选？ A：通用 AI 胜在轻量和灵活，适合临时问方法或润色文字；这个技能胜在流程完整、模板固定、约束严格，适合需要真正跑完一轮研究并产出可交付文档的场景。简单判断标准是：如果你需要的是"一份能拿去开会、能指导设计的产出"，选技能；如果只是"随口问一句"，通用对话就够了。