用AI做使用者訪談與需求分析

用這篇教學，你可以在一個下午內把「使用者訪談與需求分析」從設計問題、整理逐字稿、到抓出可執行洞察，整條流程用AI跑一次，把原本要花三到五個工作天的人力活壓縮到一天以內完成。

為什麼使用者訪談值得用AI重新設計

台灣多數中小企業與個人接案者做使用者訪談，常卡在三個地方：問題設計容易不自覺誘導受訪者、逐字稿整理耗時又枯燥、訪談紀錄堆成一疊卻抓不出真正的洞察。這三個環節剛好都是AI擅長的：語言生成、大量文字整理、模式歸納。但要提醒的是，AI不會替你「決定」該訪談誰、也不會替你判斷商業策略，它的角色是把你原本要花的苦工時間，轉成你可以立刻審核與修改的半成品。

以下流程分成四段：設計訪談題目、進行訪談與錄音轉逐字稿、用AI做主題編碼、最後產出洞察與行動建議。每一段都附上可以直接複製使用的提示詞。

第一步：用AI設計不誘導的訪談問題

訪談設計最常見的錯誤，是把「你希望聽到的答案」寫進問題裡，例如直接問「你會不會想要更快的到貨速度？」這種問法幾乎必然得到「會」,卻沒有告訴你到貨速度是不是受訪者真正在意的痛點。好的訪談題目應該是開放式、聚焦在受訪者的行為與經驗，而不是聚焦在你的產品假設。

可以用下面這段提示詞，讓AI幫你先產出一版問題，再自己審核修掉誘導性用語：

你是一位資深的使用者研究員。我正在為{產品或服務名稱}做需求訪談，
目標受訪者是{受訪者輪廓，例如：台北做電商客服外包的小型團隊主管}。
我想了解的核心問題是：{你想驗證或探索的假設}。

請幫我設計一份訪談大綱，規則如下：
1. 以「近期實際發生過的行為」為主，避免詢問未來意願或假設性情境
2. 不要用引導式問法(例如「你會不會希望...」「你是不是覺得...」)
3. 依序分成：開場暖身、現況與流程、痛點與變通做法、優先順序、結尾收斂五個段落
4. 每段列出3到5題主問題，並附上1到2題可能用到的追問
5. 在每一題後面用括號註明「這題想驗證什麼」

輸出格式用表格，欄位為：段落、問題、追問、驗證目的

拿到AI產出的初稿後，務必自己再讀一次，把任何帶有「你不覺得」「是不是」字眼的問題手動改掉，這是AI目前還做不好的地方——它有時候還是會不自覺寫出誘導句型，審核這一步不能省。

第二步：訪談錄音轉逐字稿的實務做法

台灣常見的做法是用手機或Zoom錄音，再丟進語音轉文字工具(例如各家的轉錄服務或內建於視訊會議軟體的字幕功能)產出初稿逐字稿。轉錄品質受口音、專業術語、多人搶話影響很大，中文轉錄常見錯字集中在人名、產品名稱、台語夾雜的詞彙。建議轉錄完成後，先做一次「名詞校正」再交給AI分析，否則錯字會汙染後面的主題編碼。

逐字稿校正完成後，可以用這段提示詞請AI幫你重新整理成乾淨版本：

以下是一份使用者訪談的逐字稿初稿，語音轉文字可能有錯字與斷句問題。
請幫我：
1. 修正明顯的錯字與語意不通的斷句，但不要改變受訪者原本的用詞與語氣
2. 標記說話者(訪談者/受訪者)
3. 保留所有具體的數字、時間、產品名稱，不要省略或概括
4. 如果有明顯是猜測轉錄結果的段落，用【待確認】標示出來，不要自己編造內容

逐字稿內容：
{貼上逐字稿}

第4點特別重要：AI在整理逐字稿時，偶爾會「自動腦補」聽不清楚的段落，讓句子看起來通順，但那可能不是受訪者真正說的話。明確要求AI標示不確定的地方，是避免資料失真的關鍵防線。

第三步：主題編碼——從逐字稿抓出重複出現的模式

質化研究裡的「主題編碼」(thematic coding),傳統做法是研究員逐句貼標籤，再手動歸納成幾個大主題，一份一小時的訪談往往要花兩到三小時人工編碼。多場訪談做下來，AI可以幫你先做第一輪的標籤與歸類，你再用專業判斷去合併、修正、命名主題。

以下是{N}份使用者訪談逐字稿，主題是{訪談主題}。
請幫我做主題編碼分析：

1. 先逐份逐字稿，標記出受訪者提到的具體痛點、需求、變通做法(workaround)
2. 統計每個標籤在幾份逐字稿中出現，只保留出現在2份以上逐字稿的標籤
3. 把相近的標籤歸納成3到6個主題，每個主題給一個簡短命名
4. 每個主題附上1到2句「最有代表性的原話引用」,並註明是第幾份逐字稿
5. 明確指出哪些是受訪者的原話重點，哪些是你的歸納推論，兩者分開列出

輸出格式：主題名稱、涉及份數、代表性引用、你的歸納推論

逐字稿：
{貼上多份逐字稿，建議用---分隔}

這一步做完，你手上會有一份帶引用出處的主題清單，而不是一堆沒有根據的形容詞式結論。這是判斷「這份洞察報告可不可信」的關鍵：任何洞察都應該能回頭找到原始受訪者的具體發言，如果AI給的結論找不到對應引用，就要打問號。

第四步：把洞察轉成可以執行的行動建議

洞察分析常見的失敗，是報告寫得很漂亮，但沒有人知道接下來要做什麼。最後這一步，請AI幫你把主題轉成優先順序建議，並附上信心程度與需要驗證的假設：

根據前面整理出的訪談主題與引用，請幫我產出一份洞察與行動建議報告：

1. 針對每個主題，評估「影響的使用者比例(依樣本估計)」與「解決的困難度(高/中/低)」
2. 依「影響範圍 x 急迫性」排出前3到5個建議優先處理的方向
3. 每個建議方向寫清楚：問題描述、支援證據(引用)、建議的下一步行動、還沒驗證的假設
4. 用一段話老實說明：這份分析的樣本數有限，哪些結論屬於初步觀察、還需要更多訪談或量化資料佐證

請用條列式，避免空泛的形容詞(如「使用者很在意」),盡量寫具體行為。

第3、4點刻意要求AI「老實承認限制」,是因為訪談樣本通常只有幾人到十幾人，AI很容易寫出過度肯定的語氣，把「這位受訪者提到」寫成「使用者普遍認為」,這在正式報告裡是很危險的用詞膨脹。

台灣實作案例：五人團隊的外送平台商用訪談

高雄一家做企業午餐團膳外送的五人小團隊，想了解客戶(公司行政視窗)為什麼常常改訂單、常常臨時取消，原本靠業務憑印象猜測。團隊安排了十二場約二十分鐘的電話訪談，用上述流程操作：先用AI設計問題大綱並手動刪掉三題誘導性問法，訪談後用語音轉文字服務產出逐字稿，再用AI做名詞校正與主題編碼。

團隊主觀回饋是，原本預估要花兩到三個工作天做的逐字稿整理與主題歸納，實際用AI輔助後，在一個工作天內就有了第一版洞察草稿，省下來的時間主要花在重新確認AI標示的【待確認】段落，以及和業務同仁核對AI歸納的主題是否符合現場經驗。最後整理出的核心主題，是「行政視窗需要在訂餐截止時間前臨時調整人數，但現有流程要打電話才能改」,這個具體發現直接對應到後續要不要開放線上自助改單的產品決策討論。這裡要老實說明：這是單一團隊的主觀時間估計，不是嚴謹的對照實驗資料，不同團隊、不同訪談量、不同轉錄品質，實際節省的時間會有落差。

AI的能力邊界與常見錯誤，誠實提醒

AI在這個流程裡最大的價值，是把「整理與初步歸納」這種耗時但規則性高的工作做快，但有幾個邊界一定要知道：

• AI不會幫你判斷該訪談誰、該訪談幾個人才有代表性，樣本設計仍然要靠人的專業判斷。
• 逐字稿轉錄與AI整理都可能「腦補」聽不清楚或語意模糊的段落，任何關鍵結論都應該回頭核對原始錄音或逐字稿。
• 主題編碼結果高度受你下的提示詞影響，同一份逐字稿換一種問法，AI可能歸納出不同的主題分類，建議至少交叉檢查一次，或請團隊另一人用不同角度重新問一次AI。
• AI容易把少數受訪者的意見寫成「普遍」「使用者都」這類語氣過度肯定的用詞，審稿時要把這類詞改回具體的比例或人數描述。
• 訪談內容常涉及受訪者個資與公司機敏資訊，丟給AI分析前務必先去識別化，並確認你使用的AI工具的資料保留政策是否符合公司的資安與個資規範。

把AI當成一位手腳很快、但需要你把關品質的研究助理，而不是可以完全放手的決策者，是用這套流程時最重要的心態。想延伸應用，可以參考/recipes裡其他任務食譜、到/prompt挑選更多提示詞範本，或用/workflows把訪談後的行動建議串接成固定的產品迭代流程，進一步用/automation把逐字稿校正這類重複性工作自動化。

常見問題 FAQ

延伸閱讀

• 更多AI任務食譜
• 訪談與分析提示詞範本
• 把訪談洞察接進產品流程
• 逐字稿整理自動化