AI對(duì)用戶研究職業(yè)的影響與機(jī)遇

2025年初，隨著國(guó)運(yùn)級(jí)的DeepSeek正式上線 ，AI的浪潮已經(jīng)呈現(xiàn)出燎原之勢(shì)，全民已經(jīng)普遍形成一個(gè)共識(shí)：未來(lái)屬于那些學(xué)習(xí)AI、擁抱AI的人。

作為一個(gè)用戶研究的資深從業(yè)者（12年+），在今年年初，我開始慎重思考AI這件事對(duì)用戶研究這個(gè)職業(yè)的影響，并且決定開始系統(tǒng)學(xué)習(xí)AI知識(shí)與應(yīng)用，以及思考如何跟用戶研究相結(jié)合。

這篇文章，算是思考和學(xué)習(xí)的起點(diǎn)。

01.AI會(huì)取代用戶研究的哪些工作？

先說(shuō)結(jié)論：在AI時(shí)代，用戶研究的某些基礎(chǔ)性和重復(fù)性工作會(huì)被逐步替代，但需要人類深度參與的核心環(huán)節(jié)仍不可或缺。

一、開放數(shù)據(jù)收集與初步處理

1.開放數(shù)據(jù)抓取及自動(dòng)分析

所謂的開放數(shù)據(jù)是指非一手調(diào)研得到的數(shù)據(jù)，即二手?jǐn)?shù)據(jù)。二手?jǐn)?shù)據(jù)在我們的用戶研究工作中也很重要，很多的分析洞察工作離不開二手?jǐn)?shù)據(jù)的收集。

以往我們研究一個(gè)行業(yè)、產(chǎn)品或者一個(gè)競(jìng)品公司，需要在網(wǎng)上搜索資料，花費(fèi)大量時(shí)間；現(xiàn)在AI大模型里擁有全網(wǎng)的知識(shí)庫(kù)，通過(guò)聯(lián)網(wǎng)搜索（RAG，檢索增強(qiáng)生產(chǎn)）能快速檢索到你想要的信息。

（以下為阿里國(guó)際面向全球商家推出的B2BAI搜索引擎Accio，可以開展市場(chǎng)研究）

以往我們追蹤競(jìng)品APP動(dòng)態(tài)，都需要人工收集信息；現(xiàn)在AI會(huì)自動(dòng)追蹤競(jìng)品App版本更新后的用戶評(píng)價(jià)變化，實(shí)時(shí)生成競(jìng)品功能迭代與用戶情緒波動(dòng)熱力圖。

2.數(shù)據(jù)清洗與標(biāo)注

以往我們研究所用的二手?jǐn)?shù)據(jù)，很多都是非結(jié)構(gòu)化的數(shù)據(jù)，需要人工來(lái)做清洗和標(biāo)注。

AI不僅加速數(shù)據(jù)處理，更通過(guò)語(yǔ)義理解實(shí)現(xiàn)“臟數(shù)據(jù)凈化”與“非結(jié)構(gòu)化數(shù)據(jù)價(jià)值提取”的質(zhì)變。

拿文本數(shù)據(jù)舉例：

NLP模型能自動(dòng)剔除無(wú)意義字符（如亂碼“#￥%”）、廣告文本（“加微信XXX”）、重復(fù)內(nèi)容（同一用戶多次粘貼的相同差評(píng)）。

還能將口語(yǔ)化表達(dá)轉(zhuǎn)為規(guī)范描述，例如：

“這破手機(jī)燙得能煎蛋” → “手機(jī)發(fā)熱嚴(yán)重”          “客服MM態(tài)度超nice” → “客服服務(wù)態(tài)度好”

甚至還能基于BERT等模型修復(fù)殘缺文本，如補(bǔ)全用戶截?cái)嗟脑u(píng)論：          “物流快，但是…” → “物流快，但是包裝破損嚴(yán)重”

而且AI不僅能對(duì)文本數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與標(biāo)注，還能對(duì)視頻、語(yǔ)音等多模態(tài)數(shù)據(jù)進(jìn)行處理，這無(wú)疑擴(kuò)展了我們的研究邊界。

拿視頻數(shù)據(jù)舉例：

我們做的眼動(dòng)研究，早已經(jīng)實(shí)現(xiàn)眼動(dòng)儀數(shù)據(jù)+AI標(biāo)注，自動(dòng)生成用戶瀏覽App時(shí)的注意力熱區(qū)動(dòng)畫。

二、基礎(chǔ)數(shù)據(jù)分析

基礎(chǔ)數(shù)據(jù)分析指通過(guò)統(tǒng)計(jì)方法、可視化工具對(duì)用戶數(shù)據(jù)進(jìn)行初步處理，提取基本趨勢(shì)、分布規(guī)律與相關(guān)性結(jié)論。其核心任務(wù)包括：

-描述性統(tǒng)計(jì)（均值、頻率、分布等）

-數(shù)據(jù)可視化（圖表生成、交互式看板）

-簡(jiǎn)單關(guān)聯(lián)分析（A/B測(cè)試結(jié)果對(duì)比、用戶屬性與行為相關(guān)性）

-情感/主題挖掘（文本情感分類、高頻關(guān)鍵詞提?。?/p>

AI在此類任務(wù)中通過(guò)模式識(shí)別自動(dòng)化與算法增強(qiáng)效率逐步替代人工操作。

典型的應(yīng)用場(chǎng)景包括：

-在A/B測(cè)試項(xiàng)目中，AI對(duì)比實(shí)驗(yàn)組/對(duì)照組的關(guān)鍵指標(biāo)（點(diǎn)擊率、留存率），自動(dòng)生成顯著性檢驗(yàn)結(jié)果（p值、置信區(qū)間）與可視化對(duì)比圖

-在客服對(duì)話分析需求中，AI自動(dòng)將數(shù)千條對(duì)話歸類為“退貨咨詢”“功能使用指導(dǎo)”等主題，并統(tǒng)計(jì)各主題的情感分布。

三、標(biāo)準(zhǔn)化報(bào)告生成

AI可根據(jù)數(shù)據(jù)結(jié)果自動(dòng)生成結(jié)構(gòu)化的初期報(bào)告，替代人工整理。

最先普及的會(huì)是連續(xù)性跟蹤監(jiān)測(cè)、評(píng)估類的報(bào)告，如滿意度報(bào)告、NPS報(bào)告、廣告測(cè)試報(bào)告、營(yíng)銷效果評(píng)估報(bào)告、品牌BHT報(bào)告。

此外就是可用性測(cè)試、產(chǎn)品測(cè)試這類比較標(biāo)準(zhǔn)化的項(xiàng)目類型。

02. 短期難以被AI取代的用戶研究工作

盡管AI在開放數(shù)據(jù)收集和處理、模式識(shí)別和自動(dòng)化分析方面表現(xiàn)出色，但用戶研究中涉及一手用戶數(shù)據(jù)采集、復(fù)雜人性理解、宏觀戰(zhàn)略決策的場(chǎng)景仍需人類主導(dǎo)。

一、一手用戶數(shù)據(jù)采集

當(dāng)我們需要找行業(yè)內(nèi)的目標(biāo)用戶來(lái)做問(wèn)卷調(diào)研或者定性訪談，這屬于一手用戶數(shù)據(jù)采集，目前的解決方案是企業(yè)外包給第三方的執(zhí)行公司來(lái)做，尤其是定性研究的用戶招募，短期內(nèi)人工必不可少，因?yàn)樯婕坝脩綦[私和數(shù)據(jù)安全。

但從長(zhǎng)期來(lái)看，隨著AI的發(fā)展，未來(lái)AI可能基于行業(yè)/企業(yè)內(nèi)部知識(shí)庫(kù)合成虛擬用戶來(lái)做用戶研究，也就是說(shuō)不用真人也能做用戶研究，但在我看來(lái)可能更多適用于洞察深度、精讀要求沒那么高的場(chǎng)景。

（谷歌、蘋果和 Figma 的團(tuán)隊(duì)開發(fā)的平臺(tái)，Synthetic Users，你只需要輸入你心目中的目標(biāo)用戶特征人群特征和關(guān)鍵問(wèn)題，他就可以快速地為你呈現(xiàn)眾多的用戶訪談?dòng)涗?，并為你整理出清晰的?bào)告）

未來(lái)有一天，即使合成的“虛擬用戶”與真實(shí)用戶相差無(wú)幾，合成用戶也不會(huì)完全替代真實(shí)用戶，兩者結(jié)合的研究方法可能會(huì)成為主流。

二、復(fù)雜人性的理解

還記得冰山模型嗎？人是復(fù)雜的動(dòng)物，有顯性需求和隱性需求；有意識(shí)，有潛意識(shí)。

AI在挖掘“人”冰山之下的那部分并不擅長(zhǎng)。

AI無(wú)法模擬人類的情感共鳴，也難以在高度戒備的場(chǎng)景中建立信任；AI缺乏對(duì)非語(yǔ)言線索（如尷尬的沉默、肢體動(dòng)作）和社會(huì)表演性行為的理解能力；AI很難解讀數(shù)據(jù)背后的社會(huì)文化、心理動(dòng)機(jī)，解釋定量分析與定性觀察的沖突。

從這個(gè)角度，我長(zhǎng)期看好定性用戶研究中的訪談/座談會(huì)主持技能。

三、宏觀戰(zhàn)略決策

國(guó)外的Judd Antin 寫的《UX Research Reckoning is Here》一文，認(rèn)為用戶研究人員的工作有三種：

宏觀戰(zhàn)略研究：以商業(yè)為首，以未來(lái)為導(dǎo)向提供指導(dǎo)宏觀商業(yè)決策的具體框架

中等范圍研究：專注于用戶理解和產(chǎn)品開發(fā)

微觀研究：技術(shù)可用性，眼動(dòng)追蹤和詳細(xì)的交互開發(fā)

Judd Antin看來(lái)，未來(lái)用戶研究的工作，“將90%的努力重新聚焦于微觀和宏觀研究”，尤其是宏觀戰(zhàn)略研究。

既然戰(zhàn)略用戶研究如此重要，那么會(huì)不會(huì)受到AI威脅呢？

回答是很難，因?yàn)檫@類用戶研究工作同時(shí)要求對(duì)行業(yè)和公司戰(zhàn)略有極強(qiáng)的理解，對(duì)業(yè)務(wù)有極強(qiáng)的理解，這類直覺性的經(jīng)驗(yàn)、知識(shí)很難快速變成知識(shí)庫(kù)被AI檢索；而且戰(zhàn)略用戶研究涉及復(fù)雜的問(wèn)題的定義和框架設(shè)計(jì)，這也是AI很難代替的。

03 AI時(shí)代用戶研究職業(yè)的發(fā)展機(jī)遇

長(zhǎng)期以來(lái)，用戶研究職業(yè)一直身陷自證價(jià)值的漩渦，究其根源這個(gè)職業(yè)是過(guò)度專業(yè)化分工的產(chǎn)物，工作職能的邊界過(guò)于狹窄。

我到現(xiàn)在還記得，2019年那會(huì)兒跟一個(gè)HR面試，她說(shuō)用戶研究和數(shù)據(jù)分析只是產(chǎn)品的兩只抓手之一，我竟無(wú)法反駁；我在同程旅行工作期間，我的領(lǐng)導(dǎo)也非常反對(duì)我們稱自己為用研。

在AI技術(shù)的推動(dòng)下，用戶研究職業(yè)不僅面臨挑戰(zhàn)，也會(huì)迎來(lái)重大升級(jí)機(jī)遇，最重要的就是研究邊界得到大大的擴(kuò)展，用戶研究職業(yè)的價(jià)值得到極大提升。

首先，從小數(shù)據(jù)研究到大數(shù)據(jù)研究。

AI時(shí)代到來(lái)，數(shù)據(jù)分析的門檻大大降低，以往需要專門的數(shù)據(jù)分析師幫用研取數(shù)、跑數(shù)的工作可能不復(fù)存在，取而代之的是這部分工作被用戶研究人員借助AI取代。

也就是說(shuō)，但凡涉及用戶數(shù)據(jù)分析的工作，將不再局限于小數(shù)據(jù)，不再區(qū)分用研和數(shù)據(jù)分析師，二者會(huì)融合為一，而且大概率是用研合并數(shù)據(jù)分析師。

用研領(lǐng)導(dǎo)數(shù)據(jù)分析師的實(shí)踐，我在同程旅行工作期間就初現(xiàn)端倪，在我離開后，我們那個(gè)用研團(tuán)隊(duì)正式把數(shù)據(jù)分析師團(tuán)隊(duì)納入管理。    

其次，從文本數(shù)據(jù)研究到多模態(tài)數(shù)據(jù)的研究。

在傳統(tǒng)用戶研究中，文本數(shù)據(jù)（如訪談?dòng)涗?、?wèn)卷反饋）長(zhǎng)期占據(jù)主導(dǎo)地位。隨著AI技術(shù)的成熟，用戶研究正突破單一模態(tài)限制，實(shí)現(xiàn)文本+語(yǔ)音+視覺+生理信號(hào)的全維度數(shù)據(jù)融合。

拿可用性測(cè)試項(xiàng)目來(lái)說(shuō)，在任務(wù)執(zhí)行階段，AI可以實(shí)時(shí)收集用戶的視覺數(shù)據(jù)（如眼動(dòng)追蹤）、語(yǔ)音數(shù)據(jù)、生理數(shù)據(jù)（如心率）、行為數(shù)據(jù)（如點(diǎn)擊流）等，AI可以整合這些數(shù)據(jù)，提供更全面的分析。

視覺數(shù)據(jù)：

-眼動(dòng)熱力圖生成：每200ms更新注視點(diǎn)分布，發(fā)現(xiàn)用戶反復(fù)掃視”優(yōu)惠券說(shuō)明”小字區(qū)域（注視停留>3秒）。

-通過(guò)微表情時(shí)間軸，將情緒曲線可視化：

00:12:34 – 檢測(cè)到AU4（皺眉肌激活）  

00:12:37 – 檢測(cè)到AU15（嘴角下垂）  

00:12:39 – 瞳孔擴(kuò)張率下降22%

-生理信號(hào)數(shù)據(jù)：

·皮膚電導(dǎo)峰值（3.5μS）與操作失敗時(shí)刻精準(zhǔn)對(duì)應(yīng)

·心率變異率（HRV）下降至28ms，提示認(rèn)知超載

當(dāng)用戶說(shuō)”這個(gè)功能不錯(cuò)”時(shí)，多模態(tài)研究能同時(shí)知道：    

·他的嘴角輕微下壓（微表情分析）

·視線在該功能區(qū)域停留僅0.3秒（眼動(dòng)追蹤）

·聲調(diào)比基準(zhǔn)值低8赫茲（語(yǔ)音情感識(shí)別）

·右手拇指持續(xù)摩擦手機(jī)邊緣（觸覺傳感）

這種邊界的擴(kuò)展不僅帶來(lái)數(shù)據(jù)豐富度的指數(shù)級(jí)提升，更打開了理解用戶行為的”暗箱”。

最后，新研究場(chǎng)景的涌現(xiàn)。

隨著AI產(chǎn)品的日益普及，將帶來(lái)新的研究命題。

AI產(chǎn)品本身（如智能助手）的用戶體驗(yàn)研究成為新領(lǐng)域，需探索人機(jī)交互中的信任、透明度、倫理等問(wèn)題。

例如如何優(yōu)化交互效率：確保AI產(chǎn)品（如智能助手）能夠快速、準(zhǔn)確地響應(yīng)用戶需求。

例如如何提升用戶信任：增強(qiáng)用戶對(duì)AI決策的信任感，尤其是在涉及敏感場(chǎng)景（如醫(yī)療建議、金融推薦）時(shí)。

例如如何增強(qiáng)透明性與可控性：讓用戶理解AI的運(yùn)作邏輯，并提供調(diào)整個(gè)性化設(shè)置的途徑。

例如如何評(píng)估倫理影響：識(shí)別并解決算法偏見、信息繭房等潛在問(wèn)題。