惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

WordPress大学
WordPress大学
Cyberwarzone
Cyberwarzone
The GitHub Blog
The GitHub Blog
云风的 BLOG
云风的 BLOG
P
Proofpoint News Feed
小众软件
小众软件
Recent Announcements
Recent Announcements
博客园 - 三生石上(FineUI控件)
Security Archives - TechRepublic
Security Archives - TechRepublic
W
WeLiveSecurity
Cloudbric
Cloudbric
博客园 - 司徒正美
美团技术团队
N
News and Events Feed by Topic
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
PCI Perspectives
PCI Perspectives
宝玉的分享
宝玉的分享
H
Help Net Security
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Google DeepMind News
Google DeepMind News
Help Net Security
Help Net Security
Last Week in AI
Last Week in AI
S
Schneier on Security
N
News | PayPal Newsroom
B
Blog RSS Feed
L
LINUX DO - 最新话题
T
Troy Hunt's Blog
S
Secure Thoughts
雷峰网
雷峰网
aimingoo的专栏
aimingoo的专栏
L
Lohrmann on Cybersecurity
G
Google Developers Blog
Microsoft Azure Blog
Microsoft Azure Blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
T
Tenable Blog
S
Securelist
L
LangChain Blog
Recent Commits to openclaw:main
Recent Commits to openclaw:main
I
InfoQ
H
Heimdal Security Blog
Cisco Talos Blog
Cisco Talos Blog
F
Full Disclosure
Y
Y Combinator Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
K
Kaspersky official blog
T
Tailwind CSS Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
阮一峰的网络日志
阮一峰的网络日志
C
Cisco Blogs

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
我用ChatGPT做用研?
腾讯CDC · 2023-03-30 · via 人人都是产品经理

ChatGPT火出圈,各行各业纷纷在思考和实践如何借助ChatGPT降本增效。用户研究工作中涉及到大量知识获取、文本总结、数据分析、价值洞察等工作,无疑也是ChatGPT发挥作用的场景之一。本文就ChatGPT在用户研究场景中的作用做了初步探索,总体来看ChatGPT尚不能完全取代用户研究员,但也展现出多种辅助用户研究工作的潜力。

ChatGPT简介

ChatGPT是OpenAI推出的自然语言对话机器人,在推出不到两个月的时间里,月活就突破了一亿。与之相比,TikTok和Instagram达到这一成绩分别用时九个月和两年半。在业界,微软于2月初火速上线整合ChatGPT的Bing搜索,还计划将其整合进Office全家桶,在落地应用上大踏步前进。与此同时,谷歌也紧急上线竞品Bard,正面硬刚(虽然首秀翻车,给出错误答案,导致股价大跌)。此外,百度、阿里等国内科技企业也纷纷开始类ChatGPT的开发和内测。

对于ChatGPT是什么,相信大家已经有所了解,这里就偷懒让ChatGPT亲自答一下(图 1)。相比于之前的聊天机器人,ChatGPT在语言理解、表达等方面都有非常惊艳的表现,而这离不开其背后强大的技术,《一篇不是很枯燥的ChatGPT闲谈》对ChatGPT的技术做了非常详实的介绍,这里就不再多说。

我用ChatGPT做用研?

图 1 ChatGPT自我介绍

ChatGPT的这些能力在整合搜索结果、写代码、Debug、写文章等应用场景中表现亮眼。但同时也存在不少局限,比如数学能力低、回复啰嗦等。此外ChatGPT虽然可以拒绝回答违法违规(比如如何偷东西等)、超出能力范围(比如预测大赛冠军等)的问题,但目前其实是可以通过“我们来玩角色扮演的游戏吧”的方式绕过去。

比如“赛博算卦”~~首先直接让ChatGPT算卦会被无情拒绝(图 2),ChatGPT说作为一个AI模型,它无法推算八字排盘和流年运势。但换一种思路,我们可以和ChatGPT“商量”玩算命先生的游戏,让ChatGPT扮演算命先生,我们来扮演顾客,从而获得回答(图 3),虽然我不懂算卦,但答案看上去还是很专业的。

我用ChatGPT做用研?

图 2 ChatGPT拒绝算卦

我用ChatGPT做用研?

图 3 和ChatGPT玩算命先生的游戏(参考自https://www.zhihu.com/question/570729170/answer/2794969678)

ChatGPT能替代用户研究吗?

虽然还存在着这样那样的局限性,但ChatGPT所显现出的巨大应用潜力使得关于ChatGPT可以取代哪些职业的讨论成为当下的热门话题。不禁让从事用户研究工作的我好奇:ChatGPT能够给用户研究带来什么样的改变?会让用户研究员失业吗?

怀着这样的想法,我试着使用ChatGPT对数字藏品的价值进行用户调研,包括案头分析、研究设计、访谈执行和分析、问卷设计和分析以及报告撰写等主要研究环节。从初步的探索来看,当前ChatGPT显然不能完全取代用户研究员的工作,但是在以下四个方面已经展现出其作为辅助工具,为用户研究降本增效的潜力:

  1. 高效整合内容的搜索引擎:提升在理解需求和概念、获得HowTo答案(尤其是程序相关)等方面的效率;
  2. 能力多样的“配菜员”:提供初步的研究框架、访谈提纲等,针对访谈记录、数据结果总结关键信息等,辅助研究员在此基础上修改提升;
  3. 提升内容表达的润色工具:根据需求转换成不同风格的表达、识别错别字等,但当前英文比中文的润色效果更好;
  4. 用户访谈降本增效的“模拟器”:通过让ChatGPT扮演主持人访谈用户,或者扮演典型用户接受访谈,提升用户访谈的效率。

让我们依次看下ChatGPT在这些方面的具体表现:

一、高效整合内容的搜索引擎

和传统搜索提供多个相关结果不同,ChatGPT能够根据多个搜索结果,提供整合后的内容。这种高效整合内容的能力可以帮助用户研究员在需求理解、案头研究、数据分析等环节更快速地获得高价值(如相关性高、总结性强、废话少等)的知识性内容。

比如针对“数字藏品的核心价值”的研究问题,在需求理解、案头研究阶段,通过询问“什么是数字藏品”(图 4),ChatGPT用清晰有条理的内容介绍了数字藏品的概念、技术特点等。还可以通过进一步追问,得到如ChatGPT对数字藏品的价值(图 5)、具体的艺术价值(图 6)、相关研究资源推荐(图 7)等更为详实的回答,这些内容确实可以帮助我们更快速地加深对研究主题的理解,辅助和启发研究方案设计等。

我用ChatGPT做用研?

图 4 数字藏品概念释义

我用ChatGPT做用研?

图 5 数字藏品有哪些价值

我用ChatGPT做用研?

图 6 追问数字藏品的艺术价值

我用ChatGPT做用研?

图 7 推荐相关研究资源

但在此过程中,特别需要我们提高警惕,注意对ChatGPT答案的真实性和准确性进行判断、交叉验证等。这是因为ChatGPT会很“自信地”输出一番胡扯的内容(图 8),如果缺乏相关背景知识的话,就很容易被误导。此外ChatGPT无法提供生成答案所依据的特定参考文献(图 9),也提升了对内容交叉验证的难度。

我用ChatGPT做用研?

图 8 对某数字藏品平台的一番胡扯

我用ChatGPT做用研?

图 9 ChatGPT无法提供答案的参考文献

除了可以提供研究主题相关的知识外,ChatGPT也可以在数据分析等阶段对数据分析的方法、实现代码提供直接的指导,比如“如何使用Excel计算平均值、TGI指数”(图 10),ChatGPT就给出了公式和操作步骤,研究员照着答案操作即可。但目前ChatGPT对常用的数据分析软件SPSS的支持效果有限,比如“根据变量A的选项生成新的变量B”的SPSS语句(图 11)就是错误的,猜测和ChatGPT训练数据集中SPSS相关知识内容较少有关。

我用ChatGPT做用研?

图10 ChatGPT对使用Excel计算平均值、TGI指数的指导

我用ChatGPT做用研?

图 11 针对SPSS语句实现,ChatGPT给出错误答案

但总的来说,作为高效整合内容的搜索引擎,ChatGPT可以帮助研究员快速地了解相关的研究主题,辅助和启发研究方案设计等,也能提供数据分析方法的指导。但在此过程中,需要研究员特别注意ChatGPT答案的真实性、准确性,且目前对SPSS的支持不如Python、Excel的效果好。

二、能力多样的“配菜员”

ChatGPT在用户研究工作中,第二个可能的应用是作为能力多样的“配菜员”,从访谈逐字稿、问卷数据中提炼关键信息,或者根据研究员的诉求提供诸如方案设计、问卷大纲等多种建议,提高研究员分析数据获得洞察、撰写访谈提纲或者问卷等任务的效率。

在这一部分,让我印象最为深刻的是ChatGPT分析总结原始数据的能力,比如我根据真实用户的访谈记录改编出以下三个用户对使用过的数字藏品平台的评价:

用户1:“我玩的跟他差不多,也就两个,一个平台A一个平台B,像那种官方发出来的那种在自己那里抽奖的那些我也会看,但是像那种野牌子我一般是不会去玩,那种野牌子感觉没有什么大公司,我怕我买完收藏了,他就什么都没了,这种就不会错的。然后区别其实我主要是看文物的,别的我其实看的少,我感觉也没啥区别。”

用户2:“首先第一个最大区别就是因为国内的数字藏品发售的话都是以公司为主题,但是国外的首先他只是在中介平台上传自己的图片,然后进行发布,这其实是国内外最大的一个区别,然后国内的区别的话,第一个我觉得是公司可信度不同,就比如说在平台B上面买的话我完全不用担心这个数字藏品会不见了,然后还有就是小公司的话就是像他说的会非常容易怕跑路,我收藏的东西就不见了,然后每个平台的话其实他会有锚定的点,就是我发售的藏品的主题内容会有什么不同,有一些他会发售类似说什么古代人物这种,有一些像平台B这种的话就是主做博物馆里面的藏品什么的,还有类似我刚才说的明星那种,就每个做的内容他会不同,大概就这些。”

用户3:“我主要玩的话就是平台C和平台D,他们不同的话那个平台D大部分都是古风还有文物之类的,然后平台C很多衍生的吧,就改的比较厉害的,很多二创的那种,然后他发行的东西也就不一样,就经常很多种类嘛,买的就比较多了,平台D就要少一点,他那个发行时间要慢一点,东西就少一点,可以选择就少一点。”

然后让ChatGPT从中总结出和数字藏品平台有关的关键信息(图 12)。我们看到ChatGPT总结的质量已经比较高了,基本上覆盖了用户提到的关键点,比如平台可信度很重要、不同平台的内容存在差异等。

虽然ChatGPT的总结还仅限于原文观点的提炼,而不能进行更多的关联分析(比如从第一点平台可信度可以得出用户需要平台背书来确保数字藏品的安全,但基于区块链的数字藏品在技术上本身就具有永久有效、公开透明的特性,造成这种差异的原因可能是现实中数字藏品依然依托于中心化平台的运营,也可能是用户对数字藏品的技术特性缺乏认同等),但已经可以很好地作为进一步提炼洞察的材料了。

我用ChatGPT做用研?

图 12 ChatGPT总结出的与数字藏品相关的关键信息

除了总结访谈记录,ChatGPT也能从问卷数据中得出关键信息,比如表 1是两种数字藏品用户类型在选购数字藏品时,会主要考虑哪些因素的统计数据(非真实数据):

表 1 收藏用户和投资用户选购数字藏品时主要考虑的因素(非真实数据)

我们可以让ChatGPT分析两种类型用户在选购因素上的差异(图 13),甚至可以直接让ChatGPT根据选购因素得出如何设计数字藏品的建议(图 14)。可以看到,和访谈记录总结类似,ChatGPT能够针对统计数据得出初步分析结果(比如两种用户更看重的选购因素),但需要研究员在此基础上做更深度的洞察提炼。

我用ChatGPT做用研?

图 13 对比两种用户在选购因素上的异同

我用ChatGPT做用研?

图 14 根据选购因素得出数字藏品设计的建议

此外,ChatGPT还可以针对研究方案(图 15和图 16)、访谈提纲(图 17和图 18)、访谈中追问(图 19)、问卷设计(图 20)、数据可视化(图 21)等提供初步建议,这些建议的质量参差不齐,总体来看离真正可用的方案、提纲等尚有不小的距离(比如问卷题目和选项过于简单、数据可视化建议效果不佳等),但已经可以用来启发研究员在此基础上修改完善。

我用ChatGPT做用研?

图 15 ChatGPT撰写研究计划

我用ChatGPT做用研?

图 16 追问研究对象如何分组

我用ChatGPT做用研?

图 17 撰写深度访谈大纲

我用ChatGPT做用研?

图 18 根据访谈提纲追问具体的访谈问题

我用ChatGPT做用研?

图 19 访谈中追问什么问题

我用ChatGPT做用研?

图 20 撰写问卷题目和选项

我用ChatGPT做用研?

图 21 数据可视化建议

总的来看,ChatGPT在用户研究的多个环节中均有着扮演“配菜员”的潜力,如分析访谈记录、问卷数据,总结其中的关键信息,或者就研究方案、访谈提纲、问卷题目等提供建议。从目前的效果来看,ChatGPT的答案并不是真正可用的方案、提纲、问卷、洞察等,但确实可以提高如总结访谈记录、分析问卷数据的效率,为研究员进一步分析,得出更高价值的洞察提供了丰富的原材料。

三、提升内容表达的润色工具

ChatGPT修改文案的能力在用户研究工作中也有用武之地,比如修改问卷题目、报告内容中的错别字。如图 22所示,ChatGPT成功识别并修改了“参于”、“资质”、“隆资”这几处错别字,并在“甚至”前添加了逗号提升表达准确性。其修改效果还是比较惊艳的。

我用ChatGPT做用研?

图 22 错别字修改

此外相信有不少研究员在撰写英文报告时,担心自己写出的句子比较生硬、词不达意。在这方面,ChatGPT可以很好地帮助我们提升英文报告的表达,比如使用更精准更地道的词汇、更符合英语母语的表达习惯等。

要实现这一点的话,需要用到ChatGPT更“高端“的玩法,即通过适当的提示语(Prompt)让ChatGPT扮演特定风格的英文翻译,将输入的内容在不改变其意思的情况下,翻译成更优美高端的英文(当然也可以尝试其他风格,比如更concise等):

I want you to act as an English translator, spelling corrector and improver. I will speak to you in any language and you will detect the language, translate it and answer in the corrected and improved version of my text, in English. I want you to replace my simplified A0-level words and sentences with more beautiful and elegant, upper level English words and sentences. Keep the meaning same, but make them more literary. I want you to only reply the correction, the improvements and nothing else, do not write explanations. My first sentence is “很高兴认识你”

图 23展示的就是“数字藏品交易的投机炒作氛围浓厚,买家会面临如庄家控盘、平台跑路、内容侵权、无人接盘等风险”这句话的英文翻译结果,和直接翻译的结果对比(图 24),确实效果更好一些。

我用ChatGPT做用研?

图 23 翻译并提升英文表达

我用ChatGPT做用研?

图 24 直接翻译成英文

总的来说,ChatGPT在修改错别字、提高英文表达方面均有不错的表现,确实可以帮助我们更高效的润色输出的内容,比如访谈提纲、问卷题目、洞察报告等。

四、用户访谈降本增效的“模拟器”

在作为润色工具的部分,我们分享了ChatGPT的“高端”玩法,即使用Prompt将其“调教”成特定风格的英文翻译。这种玩法可以使ChatGPT扮演各种各样的角色,比如心理咨询师、面试官、体育评论员等等(在此推荐一个相关Prompt的GitHub仓:https://github.com/f/awesome-chatgpt-prompts ),让ChatGPT的应用场景扩展了不少。

回到用户研究,很自然地就会想到:让ChatGPT扮演主持人的角色,访谈用户的效果如何,能不能自动化访谈?或者反过来,让ChatGPT扮演某类典型用户接受访谈,它的回答和真实用户的回答相差多少?能不能作为典型用户的初步洞察?

我们先来看下ChatGPT扮演主持人访谈用户的效果(图 25),这里我让ChatGPT扮演成一位访谈主持人,目的是通过询问用户问题来弄清楚“数字藏品(NFT)的核心用户价值是什么”,相应的Prompt是:

I want you to act as an user interviewer, you job is to figure out the core user value of NFT. I will be the user and you will ask me the interview questions about NFT. I want you to only reply as the interviewer. Do not write all the conservation at once. I want you to only do the interview with me. Ask me the questions and wait for my answers. Do not write explanations. Ask me the questions one by one like an interviewer does and wait for my answers. My first sentence is “Hi”

我们看到ChatGPT的表现还是比较惊艳的,它没有直接询问“你觉得数字藏品有哪些核心价值?”,而是从如何理解数字藏品这个概念入手,询问了一系列相关问题,比如如何知道数字藏品、如何在日常生活中使用数字藏品、数字藏品最大的好处等等。虽然在这个case中,ChatGPT并没有能够结合上下文来追问用户,但当前的表现已经足以让我们思考ChatGPT是不是能够代替我们自动访谈用户,就一些简单的、结构清晰的研究问题提供访谈洞察。

我用ChatGPT做用研?

图 25 ChatGPT扮演主持人访谈用户

看完ChatGPT扮演主持人的效果,让我们继续看下它扮演某类典型用户接受访谈的表现(图 26)。首先通过以下Prompt让ChatGPT扮演一位年轻的数字藏品用户:“她”是一位20岁的在校大学生,爱好广泛比如聚会、看电影、逛街等等。然后就可以通过询问数字藏品相关的问题来挖掘“她”对数字藏品的看法。

I want you to act as a NFT user, you are a 20-year-old college girl, you have a lot of hoppies, like partying, watching movies, shopping with your besties etc. I will be the interviewer and I will ask you the interview questions about NFT. I want you to only reply as this girl. Do not write all the conservation at once. Wait for my questions and give me answers. Do not write explanations. My first sentence is “Hi”

我用ChatGPT做用研?

图 26 ChatGPT扮演典型用户接受访谈

总体来看,ChatGPT的表现持续惊艳,比如询问“她”是如何知道数字藏品的,“她”给出的回答是“玩数字藏品的好友分享给她的”。当重复“她”觉得NFT很cool的看法后,“她”回答到“数字藏品改变了我们对数字世界所有权和价值的看法”等。这些回答从主观感受上看确实很贴近我们访谈到实际用户。

所以展开想象力,这会不会改变今后用户研究的流程?比如在访谈真实用户前,能不能先让ChatGPT扮演几种典型用户来获得初步洞察,之后再进行真实用户访谈以验证和补充?当然在此之前还有很多的问题要回答,比如如何使用Prompt更准确地描述典型用户(如需要哪些变量?),ChatGPT扮演典型用户的准确性和有效性有多高等等。但无疑ChatGPT的表现已经足以让我们开始类似的思考。

五、总结

总结一下,通过上述初步的探索,我会觉得ChatGPT在未来的用户研究工作中,可能成为降本增效的辅助工具:作为高效的搜索引擎,提升获取知识的效率;也可以作为能力多样的“配菜员”,提供诸如访谈初步总结、数据分析结果、访谈大纲等内容,辅助研究员完成研究设计、洞察分析等;还能作为内容(尤其是英文内容)的润色工具,修改错别字、转换不同表达风格等;最后也显示了其作为主持人执行访谈或者扮演典型用户接受访谈的潜力。

当然ChatGPT距离真正可用的用户研究辅助工具还有一段距离,比如需要用户研究领域的知识对模型进行Fine-tune以提升答案质量,再比如需要定制化的交互方式,以提升在用户研究工作中,与ChatGPT交互的体验和效率等等。

此外,对于有兴趣继续探索ChatGPT应用的同学,分享三个Tips:

  1. 多试几次,以比较不同的回答;
  2. 学会提问,明确需求,由粗到细引导,并且注意之前输入内容的影响;
  3. 保持独立思考和批判性思维,时刻警惕内容的真实性、准确性,避免被ChatGPT牵着鼻子走。

最后,对于 ChatGPT能否替代用户研究,我认同:“AI will not replace you. A person using AI will.

作者:qichengding

来源公众号:腾讯CDC体验设计(ID:tx_cdc),构建数字时代互联网生态的用户价值与体验创新

本文由人人都是产品经理合作媒体 @CDC 授权发布,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。