第 15 期 | 用户访谈与问卷综合 (User Research Synthesis)

更新于 2026/4/5

🎯 学习目标

学完本期你将掌握：

  1. 如何用 Claude Code 跨文档分析用户访谈记录，提取核心痛点
  2. 自动化问卷数据清洗、分类和主题聚合
  3. 生成结构化的用户研究报告
  4. 将一整天的分析工作压缩到几分钟完成

📖 核心概念讲解

15.1 用户研究综合的痛点

传统方式 (PM/UXR 手动):
  20 份访谈记录 × 每份 30-60 分钟音频转录
  → 逐篇阅读标注
  → 手动归类痛点
  → 制作亲和图 (Affinity Diagram)
  → 写研究报告
  总耗时: 2-3 个工作日

Claude Code 方式:
  20 份文档丢进目录
  → "分析所有访谈，找出 Top 5 痛点"
  → 3-5 分钟输出完整报告

15.2 分析方法论

Claude 的用户研究分析流程:

1. 批量读取 (Glob + Read)
   扫描所有访谈文档 / 问卷 CSV

2. 主题编码 (Thematic Coding)
   识别反复出现的关键词和情感倾向

3. 亲和聚类 (Affinity Clustering)
   将相似观点归类到同一主题下

4. 频次统计
   哪些痛点被提及最多？哪些只有 1 个人提？

5. 优先级排序
   基于 频次 × 严重程度 输出优先级矩阵

6. 报告生成
   输出 Markdown 或 HTML 研究报告

💻 模拟 Claude TUI 交互

场景：20 份用户访谈的自动综合

> interviews/ 目录下有 20 份用户访谈文本记录，
  请全部分析，找出核心痛点和改进方向

╭─ Claude ─────────────────────────────────────────────╮
│                                                      │
│  🔍 Tool: Glob → interviews/*.md                    │
│  找到 20 份访谈记录                                  │
│                                                      │
│  🔍 Tool: Read → (逐个读取 20 份文件)               │
│                                                      │
│  📊 分析完成！以下是综合研究报告:                    │
│                                                      │
│  ══ Top 5 核心痛点 (按提及频次排序) ══              │
│                                                      │
│  1. 🔴 "找不到之前的记录" (17/20 人提及)            │
│     搜索功能缺失，用户依赖手动翻找                  │
│     代表性引述: "每次要找上个月的数据                │
│     都得翻好几页，太痛苦了" — 用户 #7               │
│                                                      │
│  2. 🔴 "审批流程太慢" (14/20 人提及)                │
│     平均等待 3.2 天，用户期望 < 1 天                │
│     代表性引述: "急单子卡在审批环节                  │
│     非常影响交货" — 用户 #12                         │
│                                                      │
│  3. 🟡 "移动端体验差" (11/20 人提及)                │
│     表格和图表在手机上无法正常浏览                  │
│                                                      │
│  4. 🟡 "通知太多太杂" (8/20 人提及)                 │
│     无法区分重要通知和普通提醒                      │
│                                                      │
│  5. 🟢 "希望有数据导出" (6/20 人提及)               │
│     需要将报表导出为 Excel                          │
│                                                      │
│  ══ 用户画像分布 ══                                  │
│  • 重度使用者 (日活): 8/20 (40%)                    │
│  • 中度使用者 (周活): 9/20 (45%)                    │
│  • 轻度使用者 (月活): 3/20 (15%)                    │
│                                                      │
│  ⚙️ Tool: Write → research_report.md                 │
│  ✅ 完整报告已生成 (含引述来源、频次表、建议)       │
│                                                      │
╰──────────────────────────────────────────────────────╯

💻 代码演示

# ✅ 批量分析访谈记录
claude "读取 interviews/ 目录下所有文件，
  进行主题分析 (Thematic Analysis)，
  输出 Top 10 用户痛点及频次统计"

# ✅ 问卷数据分析
claude "分析 survey_responses.csv，
  1. NPS 分数分布和趋势
  2. 开放性问题的关键词词云
  3. 按用户角色分组的满意度差异"

# ✅ 竞品分析综合
claude "读取 competitor_reviews/ 目录下的用户评价，
  对比我们产品和竞品的评价差异"

# ✅ 生成可分享的研究报告
claude "基于分析结果，
  生成一份适合高管阅读的 1 页研究摘要，
  包含: 核心发现、优先级矩阵、建议行动项"

🔧 涉及的 Tools

工具 研究阶段 作用
Glob 文件发现 扫描访谈文档目录
Read 数据读取 批量阅读访谈记录
Bash 数据处理 运行 Python 进行统计分析
Write 报告生成 输出 Markdown/HTML 研究报告

📝 本期要点回顾

  1. Claude Code 可以从 批量非结构化文本 中提取有价值的洞察
  2. 关键是用正确的方法论词汇引导：主题分析、亲和聚类、频次统计
  3. 始终要求 Claude 给出 引述来源，便于验证
  4. 研究报告可以直接用 Markdown 输出，分享给团队
  5. 适合 PM / UXR 的 快速研究综合 场景

🔗 参考资料