摘要
作者在这篇评论中论证,产品团队让 LLM 先定义用户需求和生成画像,得到的多是基于平均值、难以追溯的结论,速度快不等于有进展。文中引用 Atlassian《State of Product 2026》称产品经理用 AI 每天省下近两小时,但 84% 仍担心产品难以成功;NN/g 用 AI 生成受访者重跑三项研究,答案过浅;2026 年 User Interviews 对 150 名研究者的调查中 81% 常用 AI,仅 8% 用它模拟受访者,88% 担心洞察质量。作者主张先用真实访谈与支持工单完成发现,再让 AI 综合笔记、排序失败场景并生成概念。
为什么值得看:借抢道与合成用户两个例子,作者说明先做真实用户研究再用 AI 加速,比让 LLM 先定义问题更省成本。
观点/讨论合成用户定性分析NN/g
真知浩见出品