调研做不出结论，通常不是样本不够，是开始前就没定清楚要拿它决定什么。问卷收回来两百份、图表做齐了，评审会上照样没人能拍板，原因多半在这一层。AI 在这条链路上能帮的忙比想象中具体：把模糊目标逼成一个可决策的问题、把带预设的提问改写成问行为的提问、把几十页记录里的原话挑出来。它帮不上的地方也同样具体，后面一并说清。
先写清楚这次调研要支撑哪个决定
调研的目的不是了解用户，是做一个具体决定：某个功能做不做、定价落在哪一档、新手引导改哪一句。决定越具体，问题才越聚焦。检验办法很简单：调研结束后的那个动作，能不能用一句话说出来。说不出来，这次调研多半会变成信息收集的自我满足。
决定还要绑人和绑时间。「要不要做协作功能」不是决定，「下个版本要不要排协作，周五前给结论」才是。有了这一行，后面每个问题都能被反问一句：这个答案会改变那个决定吗？答不上来的问题就可以删。
五个环节，各留一件能验收的产出
把调研拆成五步，每一步的产出物不一样，缺一步后面就会空转：
| 步骤 | 产出物 | 常见坑 |
|---|---|---|
| 定决策 | 一句话：支持哪个决定，谁拍板，什么时候要 | 写成「了解用户需求」，什么都能往里装，最后什么也没答 |
| 设计问题 | 一份问题清单，每题标注问的是行为还是态度 | 直接问「你觉得好不好用」，用户顺着你的期待答 |
| 招募样本 | 一张配额表：覆盖哪几类用户，每类几人 | 只按总数凑，招来的人背景高度相似 |
| 访谈执行 | 逐字记录或录音转写，保留停顿与口头语 | 边听边总结，把犹豫和矛盾提前抹掉 |
| 归纳结论 | 结论清单，每条挂两三条可在原文找到的原话 | 只留结论，回看时无法验证，也无法反驳 |
最后一步的「结论挂原话」最容易被省掉，也最容易被质疑。省掉它，会上有人说「我觉得用户不是这个意思」时，你没有任何东西可以拿出来对。
带预设的提问，会把答案一起带偏
「你觉得这个功能好不好用」是典型的诱导问题。用户会顺着你的期待答，尤其当他不想显得挑剔的时候。换成「你上一次做这件事是怎么做的，从打开到结束花了多久」，让他描述具体行为，得到的才是能用的信息。
让工具做检查有个好用的办法：让它扮演一个不配合的受访者，逐条挑刺——这个问题有没有暗示答案、有没有让人只能答是或否、有没有把两件事塞进一句。检查完再人工删一遍，因为模型有时会把正常问题也标成诱导。把检查项写进指令，比每次口头描述要求稳。
样本按结构配额，不按总数凑
访谈十个人，如果这十个人的使用频率、角色、流失状态差别很大，往往比一百个同质样本更有价值。招募前先列配额：要覆盖哪几类用户，每类至少几个人。配额表比样本总数更能决定结论的适用范围。
容易漏掉的是沉默的那部分人：已经流失的、从没注册成功的、用了一次就走的。只访谈活跃用户，得到的结论天然偏向「这个产品挺好」。配额表里应该有一行专门留给这些人。
归纳时留住原话，才留得住矛盾
归纳一定会抹平细节，而细节里常常藏着机会。两个人说「流程太麻烦」，一个指的是步骤多，一个指的是每一步都要等审核，合并成一句就什么都不是了。要求每条结论后面挂两三条原始引述，且引述必须能在记录里找到原句。
这个要求还有一层作用：它让归纳结果可核查。模型写出的引述如果找不到出处，大概率是它按语境补的，不是受访者说的。看起来合理的编造在调研总结里格外危险，因为读者没有原始记录，只能信你。给记录打上主题标签再交给模型，也能减少它自由发挥的空间。
模型会替你补出并不存在的用户
让它「模拟五类用户谈谈对这个功能的看法」，产出会很流畅，读起来像真的访谈。这类合成反馈只有一个正当用途：预演问题，看看你的提问会不会让人误解。把它当证据用，等于拿模型的先验当用户的事实。
它同样判断不了哪条结论重要。重要性取决于业务处境——这个季度在冲留存还是冲收入，模型不知道。它能做的是把材料整理好、把矛盾标出来，权重得你来给。
速查：调研五步各自要盯什么
- 定决策：一句话说清调研后要做的那个动作
- 设计问题：问行为、问上一次，不问「好不好用」
- 招募样本：按结构配额，留一行给流失用户
- 访谈执行：逐字记录，不要边听边总结
- 归纳结论：每条结论挂原话，找不到出处的引述一律不用
