八场访谈做完，逐字稿堆了四万多字，最后整理出的结论只有三条，每一条都能在立项文档里找到几乎一样的原话。这种返工很常见，问题不出在访谈量，出在提问那一刻就把答案框住了。用 AI 做用户访谈，省力的部分集中在两头——出提纲时逐条挑错，拿到逐字稿后归类计数；中间那一个小时里，你能不能听出对方停顿半秒的犹豫，仍然得靠自己。
访谈失真的地方，多半发生在开口那一刻
访谈的链路是定目标、写提纲、约人、现场、整理五段。前面任何一段松掉，后面都补不回来。一道带预设的问题会把整场对话带进沟里，受访者顺着你的措辞往下答，你拿到的其实是一份回声，还带着自己的口音。
AI 在这个位置上的价值是逐条挑错。它没有立场，不会因为题目是自己刚写的就手下留情；而人在写到第十二道题时，判断力已经明显下降。把它当审稿人，比当出题人可靠得多。如果招募时只找了重度使用者，结论会像样本不均衡那样，看着有数，其实只代表一小撮人。
从定目标到出结论，五步各有产出物
一场访谈的完整链路是五步，每步都留下能复核的痕迹：
| 步骤 | 产出物 | 常见坑 |
|---|---|---|
| 定目标 | 一句话写清这次访谈要支撑哪个决定 | 写成「了解用户需求」，宽到无法出题 |
| 写提纲 | 四段结构，每段四到五个开放问题 | 一题里塞两个问题，答案无法拆开分析 |
| 查引导性 | 逐题标注哪句在暗示答案，附改写 | 只改措辞不改结构，暗示仍然在 |
| 现场追问 | 三条待挖方向，加当场记下的原话片段 | 照着清单念题，对方多说半句也不追 |
| 整理归档 | 主题表、频次表、原话编号索引 | 只留结论，删掉编号，事后无法回查 |
查引导性和现场追问这两步最容易被省。前者只花十分钟，却能挡掉最贵的一类错误；后者没有预设清单，访谈就会退化成念题。表格里「产出物」那一列不是形式主义，它是你事后判断这次访谈值不值钱的依据。
三个原则要落成能改写回去的句子
问经历不问观点、问具体不问笼统、避免预设，这三条写在纸上都懂，落到题目上常常变形。可行的办法是把它们改成三个判断题：题干里的形容词有没有在暗示答案；这句话问的是他做过什么，还是他觉得怎样；把问题反过来读一遍，是不是已经假设了结论。
提示词可以直接照这个结构写：贴上提纲，要求逐题回答这三个问题，只报问题，不要写评价。措辞上有个细节——明确说「只挑问题」，否则它倾向于先夸两句再提一条无关痛痒的。这和写提示词的通则是同一个道理：约束越具体到动作，越管用。
追问方向可以提前列三条，但现场按对方的话走。真正有价值的信息，往往出现在他答完你问的那句之后，多说的半句里。那句半句话通常不成句，也没法靠模型补出来。
整理阶段，结论要挂回原话
四万字逐字稿人工归类要一整天，交给模型几分钟就能出主题和频次。风险随之而来：它会把意思相近的说法合并，合并的过程你看不见，最后只剩一张干净的表。
解法是强制保留编号。每条结论后面挂三到五条原始编号，抽查十条，就能判断归类是粗还是细。频次口径也要交代清楚：同一件事换个说法，按字面统计会碎成十几类，按语义合并又容易把不同诉求揉成一类，稳妥的做法是两套都出，自己比对差异在哪。这类偏差的来源和模型偏见相似，它的归类依据是语料里的常见说法，未必是你这份样本里的说法。
还有一种更隐蔽的失误：让它「补一条典型原话」，它会写出一句通顺、贴切、但没人说过的话。这类输出和AI 幻觉同源，格式和真引用完全一致，混进报告里没人分得出来。凡是带引号的话，都要能指回第几场第几分钟。
它能整理你说过的话，替不了你坐在对面
访谈里最关键的信息，往往不在逐字稿里。它拿到的是你粘贴的文本，看不到受访者说到某个功能时把手往后缩了一下，也听不出那句「还行吧」是想结束话题。判断一句话是客套还是真需求，需要现场的气压，而气压不在文字里。
样本够不够、哪个需求先做、这个功能要不要砍，这些它同样给不了。它擅长回答「这段话在说什么」，回答不了「这个人想要什么」。前一个问题有标准答案，后一个没有，只能由听过八场对话的人来担。
八个人的结论，能推到什么程度
定性访谈产出的是假设，不是比例。八个人能告诉你「存在这种可能」，不能告诉你「三成用户这么想」。报告第一页就该写清样本量、招募渠道、访谈时长，读的人才知道该信几分。
更稳的做法是交叉验证：访谈里说的、行为数据里显示的、客服工单里抱怨的，三条指向同一处，这个需求才算站住。三条里只有一条成立，先当成线索，别急着排期。反过来，如果三条互相打架，那本身就是一条值得追的结论——说明用户嘴上认的和他实际做的不一致。
速查：访谈开跑前先过四关
- 每道题问的是他做过什么，还是他觉得怎样
- 题干里的形容词有没有在暗示某个答案
- 每条结论后面挂了三到五条原始编号
- 样本量、招募渠道、访谈时长写在第一页
