用户访谈 VOC 结构化分析
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_2d9d1ec9/bazhuayu08。
技能介绍
要解决什么问题
产品或研究团队在拿到几份甚至几十份用户访谈转写稿之后,往往只能靠人工高亮、便签墙和 Excel 做主题归纳。过程难以回溯:某条洞察来自哪段原话、哪类受访者并不清楚;不同分析者对「需求」和「痛点」的编码口径也不一致,汇报时容易被质疑样本代表性。
本技能面向的是访谈文本的 VOC(Voice of Customer)结构化分析:在正式报告前会先说明数据口径——有效分析基于独立可编码的语义证据单元,完整报告要求 n_valid >= 100,并单独列出受访者人数 N_participants,避免把「100 条引述」写成「100 位用户」。
技能如何工作
工作流围绕你提供的访谈转写文本/文档、研究目标与可选编码框架展开;缺关键信息时会先追问,能从已有输入确认的内容不会重复盘问。
分析侧会落地本技能专属的深度模块,而不是用一张泛化的「洞察表」敷衍:
- 观点聚类树:把反复出现的观点分层归类,便于对照原话
- 用户旅程:从访谈叙事中抽取关键节点与转折
- 显性/隐性需求清单:区分用户说出口与行为/语境暗示的需求
- 洞察卡片:把高解释力的故事与证据绑在一起
完整报告固定回答四类问题(Q1–Q4):反复出现的需求/痛点/动机、不同受访者或场景差异、最有解释力的旅程节点与典型故事、哪些洞察已有重复证据、哪些仍需进一步访谈或量化。输出走既定 HTML 母模板填充,写入任务工作区(如 outputs/voc/.../report.html),不改装技能目录下的模板样式。
数据策略上默认只使用用户主数据,不自动启动八爪鱼实时采集、平台存量库搜或全网搜索;用户已有适用数据时优先复用。
适用边界与注意点
- 不默认承诺音频自动转写;需你先提供可用文本或由你方完成转写。
- 证据单元不足 100 时,只能要求补充同研究口径的访谈主数据;不能用 Amazon 评论、平台库搜或 Web 搜索凑样本。
- 样本不足时只能输出明确标注的「探索性 / 样本不足」结果,禁止生成完整 VOC 报告。
- 公开平台内容(如小红书、论坛)若被引用,表达上需遵守「公开可见讨论」等边界,不得把样本内结论无依据扩成全市场事实。
使用场景
- 新功能立项前,需把多份深度访谈转写稿编码成主题、痛点与典型故事并写入固定四问报告
- 同一批 B 端/B2C 混合受访者访谈完成后,要按用户类型对比差异并输出旅程节点与洞察卡片
- 研究同学已有人工编码框架,希望把转写文本落到观点聚类树与显性/隐性需求清单而非自由发挥
- 访谈证据单元未满 100,需要先判断能否补录同口径主数据还是只能交付探索性结论
适合人员
- 负责每期用户研究交付、要把转写稿变成可汇报 VOC 结构与引用链路的用研
- 产品负责人手上只有访谈文字稿,需在立项评审前拿出需求、动机与旅程证据而非感受性总结
- 咨询或 CX 团队承接多客户访谈项目,需要统一 Q1–Q4 报告口径与 HTML 交付格式
- 数据分析同事参与定性项目,需理解 n_valid 与 N_participants 口径避免把引述条数误报为用户数