用户访谈做了三个小时，你坐在电脑前盯着几千字的逐字稿，想着”让 AI 帮我总结一下吧”。AI 倒是麻利，三秒钟给你吐出一段摘要，读起来头头是道。可你拿着这段摘要往下一看，发现一个问题：它只能告诉你”用户说了什么”，不能告诉你”下一步该做什么”。你要的是一个能支撑产品决策的东西，而不是一篇漂亮的读后感。
真正能用的访谈记录，必须保留原话证据，并把事实、需求判断、研究假设和后续动作分开。这一篇就讲怎么把一堆逐字稿整理成能让团队拍板的结论，全程有提示词可以直接抄。
动手整理之前，先写清研究问题
很多人一拿到逐字稿就急着丢给 AI，这是最容易翻车的动作。同一份逐字稿，问的问题不同，得到的结论完全不一样——你问”用户为什么放弃导出报表”，和问”团队如何核对月底数据”，从同一份对话里挖出来的东西是两码事。
所以整理前先写清本次访谈要验证什么，比如”用户为什么放弃导出报表””团队如何核对月底数据”。写清楚研究问题，再让 AI 去逐字稿里找证据，而不是让它从所有对话中自由寻找所谓洞察。没有问题的整理，就像没有地图的搜索，AI 只会挑它觉得”有意思”的话，而你说的那些真正重要的话，它可能一个字都没提。
录音已经转成文字但篇幅很长时，可以先参考 Kimi 长文档总结提示词 进行分段，别一上来就把几千字全塞进去。多人讨论中包含明确行动项时，可结合 AI 会议纪要生成器处理。如果你还是 AI 新手，建议先看 怎么开始用 AI 把基础流程走通。
访谈记录的 5 层结构，缺一层结论就站不住
一份能交付的访谈记录，应该分层整理，而不是一段话全糊在一起：
- 原话证据：保留能支持判断的用户原句，并标注访谈对象或时间位置。
- 行为和场景：用户在什么情况下做了什么，而不是只记录态度。
- 问题或需求：从证据归纳出的需求判断，必须与原话分开。
- 研究假设：尚未被证明的解释，例如”保存筛选条件可能减少重复操作”。
- 后续验证：下一次要观察、追问或用数据验证什么。
这五层是一层压着一层的：没有原话，行为和场景就是空的；没有行为场景，”问题或需求”就只是你的脑补；没有需求判断，后面的假设和验证都无从谈起。整理的时候一层一层来，别跳步。
可直接复制的用户访谈整理提示词
你是一名用户研究助理。请围绕指定研究问题整理访谈逐字稿，建立"原话证据—行为场景—需求判断—研究假设—后续验证"的证据链。 研究问题： [填写本次访谈要回答的问题] 访谈对象背景： [填写角色、使用经验和必要背景；删除姓名、电话等敏感信息] 访谈逐字稿： [粘贴逐字稿，可保留说话人和时间戳] 请输出： 1. 访谈基本信息：对象特征、使用场景、本次研究问题 2. 关键发现表：主题、用户原话、行为/场景、需求判断、证据强度、待验证问题 3. 重复出现的问题：按出现次数整理，但不要把单个受访者观点写成普遍结论 4. 矛盾信息：同一受访者前后不一致或不同受访者观点冲突 5. 后续动作：需要补访、观察、数据验证或原型测试的事项 规则： - 每条需求判断必须引用对应原话；找不到原话就标记"证据不足" - 区分用户明确表达的需求和你推导出的研究假设 - 不把"喜欢、方便、麻烦"等词直接当结论，要说明发生场景和具体行为 - 不虚构受访者身份、使用频率、原因或优先级 - 删除寒暄和无关内容，但保留反例、犹豫和矛盾信息 - 输出后检查是否存在没有证据支撑的结论
这个提示词最值钱的地方在最后几条规则。尤其是”不把’喜欢、方便、麻烦’等词直接当结论”——用户说”这个功能挺方便的”，不等于”用户需要这个功能”，你得让他说出在什么场景下、做了什么操作、解决了什么问题。
从一句原话形成完整证据链
光看规则容易抽象，拿一个真实例子走一遍。用户原话：”我每次月底都要重新选部门和日期，有时忘了改日期，导出来才发现不对。”
一层层拆：
- 行为场景：月底导出部门报表时重复选择部门和日期。
- 问题：重复设置筛选条件，且日期容易遗漏修改。
- 需求判断：用户需要减少重复设置并降低错误。
- 研究假设：保存常用筛选条件可能提高效率。
- 后续验证：确认该任务频率、错误影响，以及用户是否会复用预设条件。
注意，”应该开发筛选模板”仍然只是方案假设，不是访谈直接得出的事实。访谈告诉你的是”用户有这个麻烦”，至于怎么解决，那是产品方案的事，两码事要分清。
多份访谈怎么合并，才不会得出错误结论
做了好几场访谈，手上攒了一堆逐字稿，怎么合并？千万别直接把多份逐字稿一次性丢给 AI。正确的做法是：先按同一结构分别整理，再建立跨访谈对照表。
对照表至少要有这几列：主题、出现人数、支持证据、反例、适用人群和待验证问题。这样你一眼就能看出”这个问题是 8 个受访者都提到的核心痛点，还是只有 1 个人提过”——单个人的观点只能作为线索，不能写成普遍结论。
如果访谈里涉及竞品相关反馈，可以再用 AI 竞品分析提示词 单独整理，避免把用户需求和竞品功能混为一谈。
最后检查隐私和结论边界
整理完不等于能直接发。上传前务必删除姓名、手机号、公司机密、账号和订单信息；对外汇报时，明确样本数量和对象范围，不要把 3 位受访者的观点写成”用户普遍认为”。这一点在团队里最容易引发争论，写清楚样本范围，别人就没法说你以偏概全。
需要把访谈中的行动项分配给团队时，可使用 聊天记录转待办清单 的方法继续处理。
还要记住一条底线：访谈中的需求判断不能直接写进开发排期。完成单次和跨访谈整理后，应先把原始反馈、证据强度、需求候选、适用人群和待验证问题放入客户需求池，再由产品、业务和技术共同确定优先级与验收标准。访谈记录是你的证据库，不是你的功能清单——中间这一步如果省了，后面做的功能很可能只是”你自己觉得用户需要”。
整理用户访谈这件事，AI 能帮你省下大量机械的归类时间，但”这个结论到底站不站得住”的判断，始终在你手里。证据链搭得越完整，你拿出去的每一个需求，都经得起追问。