做用户调研最贵的错误不是"没人来访谈"，是访谈做完才发现：问题问得有诱导性、纪要里混着 AI 编的引言、3 份样本就敢总结"用户都想要 X"。直接把录音转写丢给 AI 说"分析一下"，它会还你一堆受访者没说过的"金句"，连痛点都是它自己脑补的。问题还是在指令：没给访谈目标、没给输出结构、没防住编造引言和隐私泄露两条红线。
本站已有《研究/文献综述 Prompt 包》(prompt-research-literature-review-pack)，管的是学术文献的读、比、综述；本篇是它的姊妹篇，专管「用户/市场调研」--从访谈前的大纲，到单份纪要的洞察提取，到 N 份跨样本的画像与机会点。两者不重叠：那篇处理已发表文献，本篇处理一手访谈数据。若你手里是会议录音而非访谈，可另用《会议纪要 Prompt 包》(prompt-meeting-summary-pack)。三级递进，变量用 {{}} 标注，复制改用即可。
一、入门级：访谈大纲生成
访谈最大的污染源是「诱导性提问」--"你觉得这个功能好不好？"已经把受访者推向正面回答。半结构化大纲的作用是把研究目标翻译成开放式、行为导向的问题，分清开场、核心、追问、收尾，让 AI 帮你排问题而不是替你问。
你是资深用户研究员。基于以下研究目标，产出一份半结构化访谈大纲。
研究目标：{{研究目标，如：了解小型团队选用项目管理工具的决策过程}}
目标用户：{{受访者画像，如：10 人以下团队的负责人}}
访谈时长：{{如：45 分钟}}
按以下结构输出：
1. 开场（3-5 分钟）：自我介绍、研究目的说明、知情同意、暖场问题
2. 核心问题（25-30 分钟）：围绕研究目标展开，按"行为->动机->痛点"顺序
- 每个问题开放式、行为导向（问"上次你做了什么"而非"你觉得好不好"）
- 标注每个问题想挖的维度（行为/动机/痛点/决策）
3. 追问清单：列出 5-8 个通用追问（如"能具体说一次吗""然后呢""为什么这么做"）
4. 收尾（3-5 分钟）：开放式补问（"还有什么没问到吗"）、致谢、下一步说明
约束：
- 禁止诱导性提问：不写"你是否觉得 X 很好用""你是不是希望有 Y"这类带方向的问题
- 问题中性、开放式，用"如何""上次""能不能举个例子"开头
- 若研究目标有歧义，先列歧义点问我，不要自行假设大纲的价值在「研究目标->问题」的映射可追溯。每个核心问题都得对应一个要挖的维度，访谈后才能倒查"这个问题问出来能回答什么"。AI 默认会写一堆"你觉得...如何"的伪开放问题，约束里逼它用行为导向开头，才不会集体翻车。
二、进阶级：单份纪要 -> 结构化洞察
访谈做完，转写稿几千字，直接让 AI"总结痛点"它会给你一段含糊概括，分不清哪句是受访者原话、哪句是 AI 推断。这一级把单份纪要拆成结构化字段，强制标注引言，且禁止补编受访者没说的内容。
你是用户研究分析助手。阅读以下访谈转写稿，提取结构化洞察。
访谈信息：{{受访者代号（如 P1）/ 日期 / 时长}}
转写稿：{{访谈转写全文}}
按以下结构输出：
1. 痛点：列出 3-5 个，每个写：痛点描述 + 一句原文引用（标"引言"）+ 发生场景
2. 动机：列出 2-3 个，区分"受访者明确说的动机"与"你从行为推断的动机"，后者标"推断"
3. 行为：列出 3-5 个关键行为（做了什么、用了什么、绕开了什么），标注发生频率（如"每次""偶尔"）
4. 关键引言：挑 3-5 句最有信息量的原话，逐字摘录，标注大致位置（如"访谈中段"）
5. 未提及：研究目标相关但受访者未谈到的点，列出 2-3 个，标"原文未提及"
约束：
- 所有引言必须逐字来自转写稿，严禁改写或编造。无法在原文找到的引言一律删除
- 痛点/动机只基于受访者实际表达，不脑补。未说的内容归入"未提及"
- 隐私脱敏：引言中的人名、公司名、项目代号替换为代号（如「X 公司」），原文 PII 不进输出
- 输出末尾标注：本洞察为 AI 草稿，引言与结论需人工核校「未提及」这一栏是反编造的关键刹车。AI 默认会把"受访者没说但应该有"的内容补进痛点，逼它把未说的单独列出、显式标注，你才知道哪些是真空区。「观察 vs 推断」的区分同理：受访者说"我每周都手动导出"是观察，"因为他不信任自动化"是推断--混在一起就是过度解读。这一级和《会议纪要 Prompt 包》的纪要结构化思路相通，但加了研究维度的拆解与反编造护栏。
三、专家级：N 份跨样本综合 -> 画像 + JTBD + 机会点地图
单份洞察是点，N 份综合是面。这一级把多份访谈的结构化洞察做亲和图（affinity mapping）：统计痛点频次、标注冲突观点、聚成用户画像，再用 Jobs-to-be-Done 把动机翻译成"用户雇这个产品来做什么"，最后导出机会点地图。AI 在这级最容易犯的错：小样本硬归纳成"所有用户都..."，以及把画像写成 demographic 拼盘。
你是用户研究综合分析专家。基于以下多份访谈洞察，做跨样本综合。
输入：N 份访谈的结构化洞察（每份含痛点/动机/行为/引言）
{{洞察1：P1 ...}}
{{洞察2：P2 ...}}
（可继续添加）
样本量 N：{{如：8}}
任务一：亲和归类与频次
- 把所有痛点/动机聚成 5-8 个主题簇，每个簇命名
- 每个簇标注：多少位受访者提及（如"n=8 中 5 人"），列出对应受访者代号
- 标注冲突点：哪些主题上受访者观点相反（如 P2 觉得慢、P5 觉得够快），不要平均掉
任务二：用户画像（2-3 个）
- 每个画像以行为模式 + Jobs-to-be-Done 为主线，demographic（身份/规模）为辅
- 每个画像写：名称（如"手动派 P1/P3/P7"）+ 代表性 Jobs（"当我...时，我想要...以便..."）+ 关键行为 + 共同痛点
- 画像基于实际样本，标清由哪几位受访者聚合而来；不要凭空造一个"典型用户"
任务三：Jobs-to-be-Done 与机会点地图
- 列出 3-5 个核心 Jobs（功能型/情感型/社会型），每个标频次
- 机会点地图：列出 4-6 个机会点，每个写：未被满足的 Job + 当前用户怎么绕（变通行为）+ 机会描述
- 机会点按"提及频次 x 痛苦程度"粗排优先级
约束：
- 频次必须如实统计，区分"多数（≥60%）""部分（30-60%）""个别（<30%）"，严禁 3 份样本就写"所有用户"
- 冲突观点保留并标注，不要用"整体来看"抹平
- 画像禁止刻板 demographic 拼盘（只写年龄性别职业），必须以行为和 Jobs 为主轴
- 所有引言可回溯到具体受访者；脱敏沿用进阶级的代号规则
- 输出末尾标注：AI 生成草案，画像与机会点需人工核校，小样本结论不宜直接外推专家级的心态是「AI 聚类、你判断」。它擅长把零散痛点归簇、统计频次、套 JTBD 句式，但不擅长判断"n=8 里的 5 人"能不能外推到整个市场。把"频次分级"和"冲突保留"写进硬约束，AI 才不会把 8 份访谈的巧合说成趋势。机会点地图的真正价值在「变通行为」--用户现在怎么绕，往往就是新产品的入口。
四、通用约束与踩坑
通用约束（每级都适用）
- 反编造，不补未说之话--AI 做用户调研的头号风险是编造引言。它会把"受访者似乎觉得..."润色成一句直接引语，看起来像原话，实则 AI 生成。每级 prompt 都写明"引言必须逐字来自原文，无法找到的一律删除"，输出后抽几句回转写稿搜一遍。不确定的，删掉。
- 隐私脱敏--访谈含 PII（姓名、公司、联系方式、项目代号、敏感身份信息），输出前全部替换为代号，原文留存于受控环境。AI 脱敏会漏掉隐含 PII（如"我在蚂蚁那会儿"里的公司名），脱敏后必须人工再扫一遍。
- 区分观察与推断--受访者说了什么（观察）≠ AI 解读的动机（推断）。推断必须标注"推断"，与原话分离，否则就把解读当成了事实。
- AI 草稿需人审--大纲、洞察、画像、机会点都是草稿，不是定稿。研究判断、伦理合规、结论外推靠人。输出标注"AI 生成草案，需人工核校"，别把 AI 画像当交付物直接塞进 PRD。
踩坑
- 诱导性提问："你觉得这个功能好不好？"把受访者推向正面。解法：大纲 Prompt 强制开放式、行为导向开头（"上次你用了什么""能举个例子吗"），禁用"是不是""好不好"。
- AI 编造引言：AI 把受访者的含糊表达"优化"成漂亮金句。解法：引言逐字摘录，标注位置，抽核查原文，改写过的引言一律删。
- 小样本过度归纳：3 份访谈就写"用户都想要 X"。解法：频次如实统计并分级（多数/部分/个别），标注样本量，小样本结论不外推。
- 脱敏遗漏：AI 换掉了姓名却漏了公司名、项目代号、口头提到的客户。解法：脱敏后人工再扫一遍，PII 检查不只看显式字段。
- 画像刻板：AI 把画像写成"25-35 岁女性、一线城市、白领"的 demographic 拼盘，忽视行为与动机。解法：画像以 Jobs + 行为为主轴，demographic 只作辅注，标清由哪几位受访者聚合。
参考来源
- Anthropic Prompt Engineering 指南--结构化 prompt 的官方方法学，角色/任务/约束/输出格式范式的出处
- OpenAI Prompt Engineering 指南--六要素策略与 prompt 最佳实践
- Nielsen Norman Group 文章库--用户访谈、亲和图、用户画像等 UX 研究方法学的权威来源，反诱导提问与画像构建对照
- Strategyn - Jobs-to-be-Done & Outcome-Driven Innovation--Jobs-to-be-Done 框架与 ODI 方法学的发源机构，专家级 JTBD 句式与机会点识别的参照