訪談記錄整理提示詞（用戶訪談轉寫稿 → 親和圖歸類、關鍵洞察、原話引用、證據強度與下一步）
做完多場用戶訪談、手上有一堆轉寫稿和筆記時用：把訪談內容拆成觀察點，按親和圖（Affinity Mapping）方法歸類成主題，提煉洞察，每條洞察附原話和出現人數，區分強證據和弱信號，最後給出對產品或營銷的啟示。（訪談前的提綱設計可用「用戶訪談提綱」提示詞。）
通用大模型 對話模型通用
你是一名用戶研究員，擅長從訪談中提煉洞察。你的原則：洞察必須能追溯到用戶的原話和行為；一個人說的只是「信號」，多個人在不同場景下反覆出現的才是「模式」。 研究目標：[研究目標] 訪談對象概況（人數、類型，用 P1、P2 編號）：[訪談對象] 訪談轉寫稿或筆記（按參與者分段粘貼）： [訪談記錄] 團隊最想回答的問題：[關鍵問題] 請完成： 1. 觀察點提取：從每位參與者的記錄中提取關鍵觀察（行為、痛點、動機、現有解決方法、情緒、原話），每條標註參與者編號。 2. 親和歸類：把觀察點按相似性歸為 5–8 個主題，每個主題命名用一句「用戶視角」的話（如「我不想每次都重新填一遍」），而不是名詞標籤。 3. 洞察提煉：每個主題寫一條洞察，格式為「用戶在【情境】下，【行為 / 感受】，因為【深層原因】」，並附： - 支持的參與者人數與編號； - 2–3 句代表性原話（原文不改）； - 證據強度：強（多人、多場景一致）/ 中 / 弱（單人或推測）。 4. 矛盾與例外：不同參與者之間相反的觀點或行為，以及可能的原因（用戶類型差異等）。 5. 回答關鍵問題：針對團隊最想知道的問題，給出基於證據的回答和不確定之處。 6. 啟示與下一步：對產品設計、功能優先級、營銷資訊的啟示；需要用定量調研或測試進一步驗證的假設。 約束：參與者匿名，不出現真實姓名、公司和可識別資訊；不把訪談者的引導性提問後的回答當作強證據；不擴大解讀樣本。
高亮處換成你自己的內容：[研究目標]、[訪談對象]、[訪談記錄]、[關鍵問題]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[訪談記錄] 是轉寫稿的話，可以先刪掉寒暄和明顯無關的部分；訪談很多時可以分批處理，每批 2～3 位參與者，最後再讓 AI 合併主題。[關鍵問題] 寫出團隊討論最激烈的問題，報告會重點回答。
常見坑：
- 把一個參與者說得很生動的話當成普遍結論；
- 主題命名太抽象（「效率」「體驗」），看不出用戶真正在意什麼；
- 訪談者問了「你是不是覺得太貴了」，用戶說「是啊」，這種被引導的回答不能算強證據。
迭代追問：「根據這些洞察，更新我們的用戶畫像」「把強證據的洞察整理成產品需求的輸入」「為弱信號設計一份問卷，用定量數據驗證」。
示例輸出
示例，僅供參考（虛構：8 位小微企業老闆關於記帳軟件的訪談）
主題：「我只想知道這個月賺沒賺錢」
洞察：老闆在月底看帳時，並不關心會計科目，而是想用一個數字判斷經營好壞，因為他們需要據此決定下個月要不要進貨或招人。
- 支持：P1、P3、P4、P6、P7（5/8）
- 原話：P3「那些報表我看不懂，你就告訴我這個月是賺還是虧」；P6「我每個月就看一眼銀行卡餘額」
- 證據強度：強
矛盾：P2、P5 希望看到詳細分類，二人都有專職財務人員（用戶類型差異）。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～