大模型发展至今，已经在各行各业的岗位上得到广泛的应用。这篇文章，我们就来看下，在用户研究阶段，如何合理应用大模型帮助我们工作。
随着互联网的快速发展和人工智能时代的到来，我们已经迈进了AIGC（Artificial Intelligence Generated Content）的新纪元。AIGC，即通过人工智能技术自动生成内容的生产方式，不仅改变了信息网络上的内容输出形式，也为各行各业带来了新的机会与挑战。
本文旨在探讨如何在用户研究领域中，巧妙地运用AI工具，特别是ChatGPT，以提升工作效率。
在使用前，大家需要思考，在项目执行中，哪部分工作是需要用到或者输出内容的？只有想明白这个问题，你就知道在工作中，哪部分是可以由AI代替或者提效，也就可以知道，你需要重点掌握那部分的工具。
通过对ChatGPT 的优势分析，ChatGPT 在用户研究的文本生成和初步分析方面具有较强的优势，比如在方案撰写上，ChatGPT 可以用于生成研究方案的草稿或提供方案结构的模板，从而加速方案编写的过程。此外ChatGPT 可以根据您的研究目标和需求，生成一系列相关问题。这些问题可以经过进一步的优化和修订，以适应特定的研究场景。
但在需要深入分析和专业判断的环节中，其应用则相对受限。虽然 ChatGPT 可以进行一些基础的数据计算解释，但它不具备进行复杂定量或定性数据分析的能力。这一环节通常需要专业的统计软件和深入的专业知识。
还有在报告生成阶段的时候， ChatGPT 虽然根据要求可以生成报告的某些部分（例如，引言、结论等），但它不能替代对数据和结果的深入分析和解释。报告撰写通常需要研究者的专业判断和综合能力。在做访谈总结的时候， ChatGPT 在生成文本时表现出较高的准确性，但它可能仍然难以完全理解某些特定领域或文化背景下的复杂语境。
知道了哪些环节适合AIGC参与，那到了具体实施阶段，又该怎么做呢？
接下来会以案例的形式给大家展示。
我们尝试让chatgpt去辅助我们设计问卷，就像最初的midjoury辅助设计师出图一样。
以ChatGPT为例，曾尝试用它来设计一个测量赶集网用户满意度的问卷。
向ChatGPT输入了一个相对模糊的要求：“帮我设计一份调研问卷，主要目的是为了测量赶集网用户的满意度。”
输出的结果并不令人满意，问题设置显得散乱且不专业，与招聘相关的内容也较少。
1）原因定位
这里出现的问题源自于不明确或不完整的指令和背景信息。在AI领域有一句话：垃圾输入，垃圾输出。若给AI工具一个模糊不清的指令，你得到的结果也将是模糊不清的，为此改进了输出指令。
2）优化操作
后续，我们对指令进行了明确和优化，加入了更多的背景信息和具体目标。
可以看到，目的没变，但chatgpt文本生层内容确有不同，新的提示词增加了身份设定、目标和格式，他也会根据你的提示，在内容生成上更聚焦。
3）持续对话与润色
即便如此，如果输出的问卷仍未达到预期水平，仍可继续与ChatGPT进行对话，提供更多具体需求和背景信息，以便进行进一步的润色和优化。
比如在问卷中，你不需要进行功体验的评估，而是需要对产品各环节进行评估，你直接输入后，chatgpt就会补充各环节满意度相关问题。
除了能帮助你修改问卷，还可以让AI对问卷进行润色，你可以告诉他，这份问卷面对的用户是谁，让AI将问卷内容润色成符合要求的口吻或者语气。
4）其他
一份合乎你心意的问卷初步完成后，你可以让他以markdown的形式展示，方便你进行粘贴在文档里，进行微调或直接使用。
以此类推，设计研究方案、访谈提纲等等，操作步骤和上面说的一样，如果不确定从何开始，你也可以直接询问ChatGPT，根据其给出的提示来补充信息。
ChatGPT虽然不具备复杂的数据计算能力，但可以进行一些基础的数据计算解释。
简单但重复性操作多的数据分析工作可以通过自动化处理进行提效。
一般而言，对于数据分析的指令，需要明确、分步骤地进行，并要做好每一步的验证和确认。
1）分析指令
这里需要注意的是，对数据分析的指令，一定是需要傻瓜式的，你要分析什么，做什么计算，具体要用哪道题计算，都需要清晰的告知chatgpt，每一次的计算最好都分步骤进行，避免多任务进行导致计算错误。
2）数据验证
一般而言，对每一步的计算都需要进行验证、确认；简单的描述统计一般而言不会出问题，但在复杂的交叉分析中，或者需要对数据行合并计算时，AI极易出错，而进行验证最简单的方法就是看他计算用的样本量是否正确，这是一个较好的方法。
3）公式撰写
除了让他帮你分析以外，对于咱们来说更常见的是让AI帮咱们写公式。
特别是一个复杂的公式：
在定性研究中，对多场访谈记录的整理和总结也是非常耗时的。有针对性的AI工具，如Chatdoc、Humata、FileGPT等，这一类软件将搜索引擎和 AI 模型的优点进行融合，针对用户的提问，提供更为精准的答案，并提供与答案相关的引文信息。
可以在这方面帮助我们进行访谈小结。
在报告生成环节，通过AI工具如Gamma，我们可以智能生成PPT，从而节省找图和模板的时间。
AI工具，在用户研究领域具有显著的应用价值。
通过合理和明确的输入，用户研究员不仅可以提高工作效率，也能更聚焦于需要专业知识和判断的环节。
有效地将AI工具集成到用户研究工作流程中将是一种值得推崇的实践方式。
然而，关键的一步是如何克服AI工具的局限性，与之形成互补，以达到更全面和深入的研究结果。
作者：王楠、张政奥
来源公众号：58UXD（ID：i58UXD），58UXD，全称58同城用户体验设计中心。
本文由人人都是产品经理合作媒体 @58UXD 授权发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。