User research interview assist

访谈辅助

核心原则

1. 人类主导AI辅助——访谈执行由人类主导，AI负责脚本设计、转录分析和洞察提取，不可替代人类判断
2. 脚本服务于目标不是目标本身——访谈脚本是验证假设的工具，人类可基于现场判断偏离脚本追问，灵活性优先于完整性
3. 追问比主问题更有价值——主问题打开话题，追问挖掘深度，脚本必须包含追问策略和探针提示
4. 访谈是验证不是探索——访谈目标来自已有数据发现的假设，每场访谈必须回答"验证了什么/推翻了什么"

交互模式

👤→🤖 人类AI协作 — 人类主导访谈执行，AI负责脚本设计、转录分析和洞察提取

---

输入

输入项	类型	必填	来源	说明
persona.json	JSON	○	output/pm-discovery/user-research-user-modeling/persona.json	用户画像数据，用于定向访谈对象和脚本设计
research_objectives	object	是	用户提供	研究目标，定义本次访谈要验证的假设和探索的方向
interview_config	object	是	用户提供	访谈配置（目标人数、时长、形式、录音可用性）
voice-analysis.json	JSON	○	output/pm-discovery/user-research-voice-analysis/voice-analysis.json	用户声音分析数据
behavior-analysis.json	JSON	○	output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json	行为分析数据

输入格式

{
  "persona_path": "output/pm-discovery/user-research-user-modeling/persona.json",
  "research_objectives": {
    "primary_questions": ["string"],
    "hypotheses_to_validate": ["string"],
    "areas_to_explore": ["string"]
  },
  "interview_config": {
    "target_count": "number",
    "duration_minutes": "number",
    "format": "in_person|video|phone",
    "recording_available": "boolean"
  },
  "existing_analysis": {
    "voice_analysis_path": "output/pm-discovery/user-research-voice-analysis/voice-analysis.json",
    "behavior_analysis_path": "output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json"
  }
}

输入依赖：

• persona.json（如已生成）：用于定向访谈对象和脚本设计
• 研究目标（人类输入）：定义本次访谈要验证的假设和探索的方向
• voice-analysis.json / behavior-analysis.json：提供待验证的数据发现

---

执行步骤

阶段一：访谈前准备（AI生成，人类确认）

Step 1：生成目标清单

• 基于研究目标和已有数据分析结果，生成访谈目标清单
• 每个目标标注：
  • 来源假设（来自哪个数据发现或推断）
  • 验证方式（直接提问 / 行为观察 / 投射技术）
  • 优先级（必须验证 / 建议验证 / 可选探索）
• 识别已有数据中的矛盾点，列为重点验证目标
• 输出：访谈目标清单

Step 2：生成半结构化访谈脚本

• 基于目标清单生成半结构化脚本，包含：
  • 开场：破冰问题，建立信任
  • 核心模块：按目标优先级排列的问题组
  • 每个问题：
    • 主问题（开放式）
    • 追问策略（2-3个方向性追问）
    • 探针提示（当用户回答模糊时的引导方向）
    • 对应目标（该问题验证哪个假设）
  • 收尾：开放性问题，让用户补充
• 脚本设计原则：
  • 先行为后态度（先问做了什么，再问怎么想）
  • 先具体后抽象（先问具体场景，再问一般观点）
  • 避免引导性问题
• 输出：interview-script.json

Step 3：推荐访谈对象

• 基于Persona推荐访谈对象特征：
  • 优先覆盖不同Persona类型
  • 优先选择数据中有矛盾行为的用户
  • 优先选择voice-analysis中高频痛点的反馈者
• 推荐人数：目标Persona数 × 3-5人
• 输出：推荐访谈对象列表

阶段二：访谈执行（人类主导）

• 人类按脚本执行访谈
• AI不参与实时访谈过程
• 人类可偏离脚本追问（鼓励基于现场判断的追问）
• 建议录音（需征得受访者同意）

阶段三：访谈后分析（AI辅助）

Step 4：转录与结构化

• 如有录音，AI辅助转录
• 将访谈内容按主题结构化整理
• 标注关键引用（原声）
• 输出：结构化访谈记录

Step 5：关键洞察提取

• 从每场访谈中提取关键洞察：
  • 验证的假设：哪些假设被访谈数据支持
  • 推翻的假设：哪些假设被访谈数据否定
  • 新发现：访谈中出现的未预期发现
  • 用户原声：支撑每个洞察的代表性引用
• 每个洞察标注置信度
• 区分：直接陈述（用户明确说） vs 推断（从行为描述推断）
• 输出：洞察列表

Step 6：跨访谈聚类

• 将多场访谈的洞察进行跨访谈聚类
• 识别跨访谈的共同模式（多个受访者独立提及）
• 识别独特但有价值的洞察（仅一人提及但深度高）
• 评估每个聚类的饱和度（是否需要更多访谈）
• 输出：跨访谈洞察聚类

Step 7：更新Persona

• 基于访谈发现更新Persona：
  • 补充或修正Persona特征
  • 提升低置信度字段的置信度（如访谈验证了推断）
  • 降低被推翻假设的置信度
  • 新增访谈中发现的新特征
• 标注更新来源：interview-validated / interview-revised / interview-discovered
• 输出：更新后的persona.json

---

输出

interview-script.json

输出文件：output/pm-discovery/user-research-interview-assist/interview-script.json

输出Schema：

{
  "type": "object",
  "required": ["script_id", "research_objectives", "core_modules"],
  "properties": {
    "script_id": {"type": "string", "description": "访谈脚本唯一标识"},
    "research_objectives": {"type": "array", "description": "研究目标列表"},
    "target_personas": {"type": "array", "description": "目标Persona类型列表"},
    "opening": {"type": "object", "description": "开场模块，含破冰问题和背景设定"},
    "core_modules": {"type": "array", "description": "核心问题模块列表"},
    "closing": {"type": "object", "description": "收尾模块"},
    "recommended_participants": {"type": "array", "description": "推荐访谈对象列表"}
  }
}

输出校验规则：

字段路径	类型	必填	说明
script_id	string	是	脚本唯一标识
research_objectives	string[]	是	研究目标列表，不可为空
target_personas	string[]	否	目标Persona类型列表
opening.icebreaker_questions	string[]	是	破冰问题列表
opening.context_setting	string	是	背景设定描述
core_modules	array	是	核心问题模块列表，不可为空
core_modules[].module_name	string	是	模块名称
core_modules[].objective	string	是	模块目标
core_modules[].hypothesis_to_validate	string	是	待验证假设
core_modules[].priority	string	是	优先级枚举：must_validate/should_validate/optional
core_modules[].questions	array	是	问题列表，每个核心问题≥2个追问方向
core_modules[].questions[].main_question	string	是	主问题（开放式）
core_modules[].questions[].follow_up_strategies	string[]	是	追问策略，≥2个方向
core_modules[].questions[].probes	string[]	是	探针提示
closing.open_ended_question	string	是	收尾开放性问题
recommended_participants	array	否	推荐访谈对象列表
recommended_participants[].persona_type	string	是	Persona类型
recommended_participants[].priority	string	是	优先级枚举：high/medium/low

{
  "script_id": "string",
  "research_objectives": ["string"],
  "target_personas": ["string"],
  "opening": {
    "icebreaker_questions": ["string"],
    "context_setting": "string"
  },
  "core_modules": [
    {
      "module_name": "string",
      "objective": "string",
      "hypothesis_to_validate": "string",
      "priority": "must_validate|should_validate|optional",
      "questions": [
        {
          "id": "string",
          "main_question": "string",
          "follow_up_strategies": ["string"],
          "probes": ["string"],
          "target_objective": "string"
        }
      ]
    }
  ],
  "closing": {
    "open_ended_question": "string",
    "wrap_up": "string"
  },
  "recommended_participants": [
    {
      "persona_type": "string",
      "key_characteristics": ["string"],
      "priority": "high|medium|low",
      "reason": "string"
    }
  ]
}

interview-insights.json

输出文件：output/pm-discovery/user-research-interview-assist/interview-insights.json

输出Schema：

{
  "type": "object",
  "required": ["interviews_conducted", "validated_hypotheses", "new_discoveries", "metadata"],
  "properties": {
    "interviews_conducted": {"type": "number", "description": "已执行访谈数量"},
    "validated_hypotheses": {"type": "array", "description": "已验证的假设列表"},
    "refuted_hypotheses": {"type": "array", "description": "被推翻的假设列表"},
    "new_discoveries": {"type": "array", "description": "新发现列表"},
    "cross_interview_patterns": {"type": "array", "description": "跨访谈共同模式列表"},
    "persona_updates": {"type": "array", "description": "Persona更新列表"},
    "data_cross_validation": {"type": "object", "description": "与已有数据的交叉验证结果"},
    "metadata": {"type": "object", "description": "分析元数据，含时间戳和整体置信度"}
  }
}

输出校验规则：

字段路径	类型	必填	说明
interviews_conducted	number	是	已执行访谈数量，须≥1
validated_hypotheses	array	是	已验证假设列表，每项须含hypothesis、supporting_evidence、supporting_quotes、interview_count、confidence
validated_hypotheses[].confidence	number	是	验证置信度，0-1
refuted_hypotheses	array	是	被推翻假设列表，每项须含hypothesis、refuting_evidence、refuting_quotes、interview_count、confidence
refuted_hypotheses[].confidence	number	是	推翻置信度，0-1
new_discoveries	array	是	新发现列表，每项须含discovery、evidence、quotes、interview_count、confidence、needs_further_validation
new_discoveries[].needs_further_validation	boolean	是	是否需要进一步验证
new_discoveries[].confidence	number	是	发现置信度，0-1
cross_interview_patterns	array	否	跨访谈模式列表，每项须含pattern、frequency、interview_ids、confidence、saturation_level
cross_interview_patterns[].saturation_level	string	是	饱和度枚举：saturated/near_saturated/needs_more
persona_updates	array	否	Persona更新列表，每项须含persona_id、updates
persona_updates[].updates[].update_type	string	是	更新类型枚举：interview-validated/interview-revised/interview-discovered
data_cross_validation	object	否	交叉验证结果，须含consistent_with_voice_analysis、consistent_with_behavior_analysis、contradictions_found
metadata.analysis_timestamp	string	是	分析时间戳
metadata.total_interviews	number	是	访谈总数
metadata.total_insights	number	是	洞察总数
metadata.confidence_overall	number	是	整体置信度，0-1

{
  "interviews_conducted": "number",
  "validated_hypotheses": [
    {
      "hypothesis": "string",
      "supporting_evidence": ["string"],
      "supporting_quotes": ["string"],
      "interview_count": "number",
      "confidence": "number"
    }
  ],
  "refuted_hypotheses": [
    {
      "hypothesis": "string",
      "refuting_evidence": ["string"],
      "refuting_quotes": ["string"],
      "interview_count": "number",
      "confidence": "number"
    }
  ],
  "new_discoveries": [
    {
      "discovery": "string",
      "evidence": ["string"],
      "quotes": ["string"],
      "interview_count": "number",
      "confidence": "number",
      "needs_further_validation": "boolean"
    }
  ],
  "cross_interview_patterns": [
    {
      "pattern": "string",
      "frequency": "number",
      "interview_ids": ["string"],
      "confidence": "number",
      "saturation_level": "saturated|near_saturated|needs_more"
    }
  ],
  "persona_updates": [
    {
      "persona_id": "string",
      "updates": [
        {
          "field": "string",
          "previous_value": "string",
          "updated_value": "string",
          "update_type": "interview-validated|interview-revised|interview-discovered",
          "confidence": "number"
        }
      ]
    }
  ],
  "data_cross_validation": {
    "consistent_with_voice_analysis": ["string"],
    "consistent_with_behavior_analysis": ["string"],
    "contradictions_found": [
      {
        "data_source": "string",
        "interview_finding": "string",
        "existing_finding": "string",
        "possible_explanation": "string",
        "resolution": "string"
      }
    ]
  },
  "metadata": {
    "analysis_timestamp": "string",
    "total_interviews": "number",
    "total_insights": "number",
    "confidence_overall": "number"
  }
}

---

决策规则

条件	动作
推断需求置信度 < 0.5	标记"需人类验证"，不直接更新Persona
访谈发现与已有数据矛盾	记录矛盾，标记"需仲裁"，列出双方证据
跨访谈聚类饱和度不足	建议增加访谈数量，标注"需补充验证"
新发现仅1人提及	标记"孤立发现"，置信度上限0.4，建议验证
访谈脚本偏离原目标	人类决策是否调整研究目标

---

质量检查

检查项	标准	不达标处理
脚本包含追问策略	每个核心问题 ≥ 2个追问方向	补充追问策略
洞察与已有数据做了印证/矛盾分析	每个洞察有cross_validation记录	未做交叉验证的洞察标记"待验证"
访谈对象覆盖主要Persona	每个高优先级Persona ≥ 3人	标注"覆盖不足"，建议补充
每个洞察有原声支撑	每个洞察 ≥ 1条引用	无原声的洞察标记"支撑不足"
所有输出标注置信度	100%	缺失置信度的字段补填默认值0.3并标记
非引导性问题检查	核心问题无引导性表述	发现引导性问题则标记并建议修改

---

降级策略

当上游文件不存在时，本Skill仍可独立执行：

缺失的上游输入	降级方案	输出影响
persona.json	用户提供研究目标和用户描述 → 基于描述生成访谈脚本，标注"缺乏Persona数据定向"	target_personas为空，recommended_participants基于推断，访谈对象定向精度降低
voice-analysis.json / behavior-analysis.json	基于用户提供的研究目标直接生成脚本，标注"缺乏数据验证假设"	hypothesis_to_validate基于用户描述而非数据发现，data_cross_validation缺失
所有上游文件均缺失	提示用户先执行前序阶段，或基于用户口头描述的研究目标生成轻量版访谈脚本	脚本为纯探索性设计，验证性假设缺失，整体置信度降低
若用户未提供research_objectives	提示用户提供研究目标，否则无法设计定向访谈脚本	无法生成interview-script.json，流程中断
若用户未提供interview_config	提示用户提供访谈配置，否则使用默认配置（目标人数：5，时长：45分钟，形式：视频，录音可用）	使用默认配置，访谈安排可能不符合实际条件

数据获取说明

本Skill需要Persona和用户研究数据，请通过以下方式之一提供：

1. 直接描述研究目标、假设和目标用户特征
2. 上传persona.json / voice-analysis.json / behavior-analysis.json文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

---

上游变更响应

上游变更影响

上游Skill	变更类型	影响范围	响应动作
user-research-user-modeling	persona.json结构变更	Persona字段映射变化	检查输入字段映射，适配新结构，不兼容时标记"上游数据格式异常"
user-research-user-modeling	persona.json内容更新	Persona特征、痛点、JTBD变化	重新生成访谈脚本和推荐对象，标注"基于更新Persona重建"
user-research-voice-analysis	voice-analysis.json结构变更	痛点、主题数据格式变化	检查输入字段映射，适配新结构，不兼容时标记"上游数据格式异常"
user-research-voice-analysis	voice-analysis.json内容更新	痛点等级、情感分布变化	更新待验证假设清单，标注"基于更新数据调整假设"
user-research-behavior-analysis	behavior-analysis.json结构变更	行为分群、Aha Moment数据格式变化	检查输入字段映射，适配新结构，不兼容时标记"上游数据格式异常"
user-research-behavior-analysis	behavior-analysis.json内容更新	漏斗、路径、异常检测结果变化	更新待验证假设清单，标注"基于更新数据调整假设"

下游通知机制

下游Skill	通知触发条件	通知方式	通知内容
user-research-report	interview-insights.json更新完成	写入output文件	通知访谈洞察和Persona更新数据已就绪，可用于报告生成