用户访谈做完后，很多人会让 AI 生成一段摘要，但摘要只能告诉你“用户说了什么”，不能支持产品决策。真正有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。
整理访谈前先确定研究问题
同一份逐字稿可以得到完全不同的结论。整理前先写清本次访谈要验证什么，例如“用户为什么放弃导出报表”“团队如何核对月底数据”，不要让 AI 从所有对话中自由寻找所谓洞察。
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；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。
访谈记录的 5 层结构
- 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。
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示例：从一句原话形成证据链
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。”
- 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。
多份访谈如何合并
不要直接把多份逐字稿一次性丢给 AI。先按同一结构分别整理，再建立跨访谈对照表：主题、出现人数、支持证据、反例、适用人群和待验证问题。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
上传前删除姓名、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”。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方法继续处理。