# AI开始抢产品经理的活：三个用户调研新物种 如果你在国内做产品，"用户调研"这套流程大概率是这样的：产品经理写问卷 → 找人发问卷星球 → 求爷爷告奶奶凑够 100 份样本 → 花一周做线下/线上访谈 → 再花一周把录音转文字、贴标签、写报告。**整套流程，从立项到拿到洞察，6 周起步是常态。** 而在海外，2025 到 2026 年悄悄冒出来一个新品类——**AI 用户研究（AI User Research）**。它的核心思路简单粗暴：**既然找真人又贵又慢，那就让 AI 去当用户、当访谈员、当研究员**。把 6 周压到 6 小时，把单次访谈成本从 200 美元打到 2 美元。 这个赛道国内几乎没人讲——公众号在卷 Cursor、在卷 Claude Code、在卷出海套壳，但没人告诉你：**海外产品团队已经开始用 AI 合成用户做决策了**。这是一个实打实的信息差：时间差（海外已火，国内空白）、方法差（别人跑通的提效路径）、价格差（传统用研贵到中小团队做不起）。 今天拆三个代表物种，分别卡住用户研究的三个环节：**合成被访者、AI 访谈主持、产品内 AI 分析**。 ## 先看懂这个赛道：用户研究为什么是 AI 的肥肉 在展开工具之前，得先搞清楚一件事——**为什么是用户研究这个场景被 AI 盯上了？** 因为传统用户研究有四个致命弱点，每一个都正好是 AI 的强项： ```mermaid flowchart LR subgraph 传统用户研究的四个坑 A1["坑1: 慢
6周起步"] --> A2["坑2: 贵
单访谈$150-300"] A2 --> A3["坑3: 样本偏
只有愿意填问卷的人"] A3 --> A4["坑4: 分析主观
研究员靠手贴标签"] end subgraph AI用户研究的四个解药 B1["解药1: 几小时出报告"] B2["解药2: 合成用户几乎免费"] B3["解药3: 想要什么画像都行"] B4["解药4: 全量自动编码分析"] end A1 -.对应.-> B1 A2 -.对应.-> B2 A3 -.对应.-> B3 A4 -.对应.-> B4 style B2 fill:#d4edda style B3 fill:#d4edda ``` 这四个"坑→解药"的映射，就是整个 AI 用户研究赛道的底层逻辑。下面三个工具，分别用不同方式吃这块蛋糕。 ## 工具一：Synthetic Users ——让 AI 当你的目标用户 **官网**：syntheticusers.com **一句话功能**：你描述你的目标用户画像（比如"30 岁的二孩妈妈，月收入 1.5 万，住二线城市"），系统用大模型生成一批"合成用户"，然后你把问卷/访谈大纲喂进去，**几分钟内这批 AI 用户就"回答"完了**，还自动出统计报告。 **它到底怎么做到的**：这不是简单的 ChatGPT 套壳。Synthetic Users 的核心是一个**基于人口统计学和行为画像参数化的多智能体系统**——每个合成用户都背着一组人口学变量（年龄、收入、地区、职业）和心理变量（风险偏好、品牌忠诚度、价格敏感度），回答问题时这组变量会影响输出。简单说，它试图用 LLM 去模拟"如果这样一个真实的人被问到这个问题，他会怎么答"。 **为什么值得关注**： 1. **快到离谱**。传统招 100 个访谈对象，外包平台最快也要 3-5 天；Synthetic Users 是**分钟级**。周五下午有个 idea，下班前就能拿到"100 个目标用户的反馈"。 2. **便宜到离谱**。真实用户访谈，国内一场 200-500 元人民币，海外一场 150-300 美元。合成用户按"访谈次数"计费，量级是**美分级**。这意味着小团队、独立开发者第一次"做得起"用户研究。 3. **最被忽略的用法——做假数据验证假设**。很多资深产品人拿它不是当最终决策依据，而是当**快速排除烂 idea 的筛子**。你有 5 个 feature 想法，真人访谈只能验证 1 个，但用合成用户 1 小时全部验证一遍，把最差的 3 个毙掉，剩下的再花真金白银找真人验证。 **操作步骤**（三步走）： - 第一步：在平台定义你的研究目标（比如"测试这个新功能的付费意愿"）； - 第二步：设置目标人群参数（可上传你的真实用户画像做基准，让它学）； - 第三步：投喂访谈大纲，几分钟后拿到结构化报告 + 各画像的分布数据。 **价格**：免费档可体验，付费按访谈量计费（具体套餐以官网为准，整体定位是"白菜价替代传统用研外包"）。 **适用人群**：独立开发者、早期创业团队、做 idea 验证的产品经理、出海团队做海外市场画像。 **必须知道的局限**：合成用户**不是真实用户**。它能帮你发现"逻辑漏洞"和"快速筛选方向"，但**不能替代真实付费验证**。海外社区的共识是——把它当"廉价的预演和排雷"，而不是"最终裁判"。谁要是拿合成用户的数据去给投资人画饼，迟早翻车。 ## 工具二：Outset——AI 当访谈主持人，跟你真人深聊 Synthetic Users 解决的是"被访者"环节，但有一类研究它搞不定——**深度定性访谈（in-depth interview, IDI）**。这种访谈需要主持人追问、共情、顺着受访者的回答深挖，是真人研究员的核心手艺。 **官网**：outset.ai **出身**：Y Combinator 孵化，是这个赛道里最受资本关注的一家。 **一句话功能**：让 AI 当主持人，**同时跟成百上千个真人受访者做一对一深度语音/视频访谈**，访谈结束后自动转写、自动编码（贴标签）、自动出主题报告。 **它的杀手锏在"主持人"这三个字**。普通问卷是死的——问题问完就结束。但 Outset 的 AI 主持人是活的——受访者说"我其实不太用这个功能"，AI 会追问"为什么不用？是太复杂还是没需求？"，受访者说"价格太贵"，AI 会追问"贵到什么程度你会考虑？你现在的预算区间是？"。**这是真人研究员才会做的"动态追问"，AI 替你做了上千遍。** **为什么这是信息差**： 1. **规模化的"深度"**。传统深度访谈，一个研究员一天能做 4-6 场就累瘫了。Outset 让你**同时跑 500 场一对一访谈**，而且每场都有追问深度。这是"定性研究的规模"被重新定义。 2. **多语言原生支持**。出海团队最痛的点是——做东南亚市场，找不到懂泰语、越南语、印尼语的研究员。Outset 的 AI 主持人天然多语言，你可以用中文写访谈大纲，让它用当地语言访谈当地用户。**这对做出海的用户研究是降维打击。** 3. **自动分析省掉 80% 人力**。传统定性研究最痛苦的不是访谈，是访谈后的分析——几百小时录音要听、要转写、要贴标签、要归类。Outset 把这步全自动化了，直接给你"出现了哪些主题、每个主题多少人提到、代表性原话"。 **操作步骤**： - 第一步：用自然语言写访谈目标和大纲（不用排版，像跟同事交代任务一样）； - 第二步：设置追问逻辑和语言（可指定"如果受访者提到 X 就追问 Y"）； - 第三步：发链接给受访者，AI 自动完成所有访谈； - 第四步：登录后台看自动生成的主题分析报告。 **价格**：企业级定价，按访谈量和功能模块计费（以官网为准）。相比传统调研外包，ROI 仍然可观。 **适用人群**：做出海的产品/用研团队、需要大规模定性洞察的企业、高校社科研究者（这个用法海外很流行，国内几乎没人知道）。 ## 工具三：Sprig——把 AI 研究员塞进你的产品里 前两个工具是把研究搬到"线下问卷/访谈"场景，Sprig 走的是另一条路——**在产品内做研究，再用 AI 把海量反馈变成洞察**。 **官网**：sprig.com **一句话功能**：在你的 App/网站里嵌入轻量级的研究组件（弹窗式微调研、视频反馈、原型测试），**在用户真实使用的瞬间采集反馈**，然后用 AI 把这些非结构化反馈自动归类、总结、预警。 **它的信息差在"时机"**。传统问卷最大的问题是——你问的时候，用户已经不在那个场景里了，回忆是失真的。Sprig 的逻辑是**情境式研究（contextual research）**：用户刚点完一个功能卡顿，弹窗立刻问"你刚才想做什么？"——这时候的反馈最真实、最痛、最值钱。 **AI 这两年给 Sprig 加的三个新能力，是国内同行没注意到的**： 1. **AI 自动分析开放式回答**。以前用户在框里写一堆自由文本，研究员要人工读、人工归类。现在 Sprig 的 AI 自动做主题聚类，直接告诉你"这周用户吐槽最多的三个问题是：加载慢、找不到入口、价格不透明"。 2. **AI 生成追问**。用户在微调研里勾了"不满意"，Sprig 可以自动追加一个动态问题"哪里不满意？"，把浅层数据变深。 3. **AI 写研究报告**。这是最让研究员焦虑的功能——你攒了一个月的反馈数据，点一下，AI 直接给你一份结构化的月度研究报告，带洞察和建议。**很多初级研究员的活，开始被它吃掉。** **操作步骤**： - 第一步：装 SDK（支持 Web/iOS/Android），5 分钟集成； - 第二步：在后台用可视化编辑器配置触发条件（比如"用户完成结账后 3 秒弹出"）； - 第三步：选调研模板（NPS、CSAT、原型测试、开放问题）； - 第四步：在 Dashboard 看 AI 自动生成的洞察面板。 **价格**：有免费档可体验，付费按月活/响应量阶梯计费（具体以官网为准）。 **适用人群**：已有产品的团队、增长/留存负责人、PMF（产品市场契合度）验证阶段的团队。 ## 三个工具一张表：谁该用谁 | 维度 | Synthetic Users | Outset | Sprig | |------|----------------|--------|-------| | 核心定位 | AI 合成被访者 | AI 访谈主持人 | 产品内 AI 研究 | | 被访对象 | AI 模拟的用户 | 真实用户 | 真实产品用户 | | 最大优势 | 极快、极便宜 | 规模化深度访谈+多语言 | 场景真实、自动分析 | | 最大风险 | 不是真用户，仅供参考 | 需要招募真人受访者 | 需要先有产品流量 | | 最适合场景 | idea 早期排雷 | 出海定性研究 | 产品上线后优化 | | 国内对标 | 几乎空白 | 几乎空白 | 问卷星球+神策的缝合 | ## 信息差总结：你知道的 vs 别人已经在用的 | 你可能以为的 | 海外产品圈已经在做的 | |-------------|-------------------| | 用户调研必须找真人 | 先用 AI 合成用户排雷，再找真人验证 | | 深度访谈一天只能做几场 | AI 主持人同时跑几百场，还自动追问 | | 出海调研得找当地翻译 | AI 原生多语言，中文大纲直采当地用户 | | 定性分析靠研究员人工贴标签 | AI 全量自动编码，几小时出报告 | | 小团队做不起用户研究 | 合成用户让用研成本降到几乎为零 | ## 行动指南：你接下来可以做什么 1. **如果你是独立开发者/早期创业者**：今晚就去 syntheticusers.com 注册，把你手头最不确定的那个 idea 喂进去做一次合成调研。成本几乎为零，但能帮你提前毙掉烂方向。 2. **如果你做出海产品**：把 Outset 加入你的海外用研工具栈。先用中文写访谈大纲，让它用目标市场语言跑一轮定性访谈，这比你找海外调研外包快十倍、便宜十倍。 3. **如果你已有上线产品**：给产品装上 Sprig，在关键路径埋情境式微调研，两周后看 AI 自动生成的洞察——大概率你会发现用户真正的痛点和你想的完全不一样。 4. **关键心法**：这三个工具的本质是**"用 AI 把用户研究的成本和门槛打下来"**，但**它们是放大器，不是替代品**。正确的姿势是——用 AI 做快速、廉价、广覆盖的初筛，把省下的钱和时间集中投到最关键的真人验证上。**AI 帮你砍掉 80% 的烂方向，剩下的 20% 你还得靠真人拍板。** 5. **给通信/技术从业者的额外视角**：用户研究这套"AI 化"的方法论，和 5G 核心网里"用仿真做网优验证、再用真实路测确认"的思路是同构的——**先用低成本模型大范围试错，再用高成本真实环境做最终确认**。这套思维可以迁移到任何需要"验证假设"的工程场景。 ## 参考来源 - Synthetic Users 官网：https://syntheticusers.com - Outset 官网：https://outset.ai - Sprig 官网：https://sprig.com - Y Combinator 公司库（Outset 孵化信息）：https://www.ycombinator.com/companies - Nielsen Norman Group 关于 AI 用户研究的讨论（方法论参考）：https://www.nngroup.com > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 ### 完成摘要（What was done） ### 下一步计划（What's next） - **优先级 1**：本轮联网能力受限，建议**等 7/18 配额重置后**重跑本轮，补充三款工具的最新定价、融资动态、Product Hunt 当日排名等实时数据，把"以官网为准"替换成精确数字。 - **优先级 2**：可考虑为 ai-intel 流程接入**备用检索通道**（如 ducksearch skill / web-access skill / defuddle 抓取），避免单一 MCP 配额耗尽导致整轮断采——这是本轮暴露的流程单点故障。 - **优先级 3**：第 7 轮将循环回 **new-tools** 分类，届时务必选全新方向（建议方向：AI 接管法务/合同审查、AI 数据标注自动化、AI 招聘新物种，均未在历史覆盖中）。 ### 注意事项 - **数据时效性风险**：本文工具价格、功能细节基于训练数据，**可能滞后于 2026-06 实际状态**，发布前建议人工核对官网。 - **配额问题**：内置 web_search_prime / web_reader 的月度额度是整轮断采根因，需从工具链层面解决。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。