近年生成式 AI（Generative AI）的快速發展，正在改變 UX Research 的工作方式。

過去，一個完整的 UX Research 流程通常需要大量時間：

• 整理使用者訪談逐字稿（Interview Transcript）
• 標記使用者痛點（Pain Points）
• 進行 Affinity Mapping
• 找出共同使用模式（Patterns）
• 建立 Persona
• 撰寫 Research Report

這些工作雖然是研究流程中不可或缺的一部分，但也消耗 UX Researcher 大量時間。

因此，許多研究員開始探索：

• AI 可以如何協助 UX Research？
• ChatGPT 是否能分析使用者訪談？
• Claude 是否適合長篇 Research Transcript？
• 如果公司沒有購買 UX Research AI Tool，是否仍然可以使用 AI？

答案是：可以。

AI 最大的價值，不是取代 UX Researcher。

而是幫助研究員減少重複性工作，把更多時間投入在真正重要的事情：

• 理解使用者
• 發現深層需求
• 驗證假設
• 協助團隊做出更好的產品決策

目錄

AI 如何改變 UX Research Workflow？

• 很多人第一次接觸 AI 時，會問：「AI 可以直接幫我做 UX Research 嗎？」
• 更精準的問題其實是：「UX Research 的哪些環節，可以透過 AI 變得更有效率？」

目前 AI 最適合協助的 UX Research 工作包括：

然而，需要注意的是：

AI 可以協助分析資料，但不能取代 UX Researcher 的判斷。

真正有價值的 Research Insight，不只是從文字中產生，而是來自：

• 對使用者情境的理解
• 對商業目標的掌握
• 對研究證據強弱的判斷

沒有 UX Research AI Tool，也能做研究嗎？

目前市場上已經出現許多專為 UX Research 設計的 AI 工具，例如：

• Dovetail AI
• Looppanel
• Condens
• User Evaluation AI

這些工具可以協助：

• 自動整理 Interview Transcript
• 建立 Tag
• 找出 Research Theme
• 建立 Insight Repository

但是，在真實企業環境中，並不是每個 UX Research Team 都能使用這些工具。

常見原因包括：

1. 預算限制

許多企業需要評估工具成本與使用頻率。

2. 資安限制

研究資料可能包含：

• 使用者個人資訊
• 未公開產品資訊
• 商業策略內容

因此，公司可能禁止上傳至第三方平台。

3. 團隊規模

許多 UX Researcher 同時負責：

• UX Design
• Product Discovery
• Usability Testing
• Analytics

不一定需要完整 Research Platform。

但這並不代表不能使用 AI。

透過：

• ChatGPT
• Claude
• Gemini
• NotebookLM

搭配正確 Workflow，仍然可以完成大部分 UX Research 分析流程。

免費 AI 完成 UX Research 的完整流程

以下是一個適合企業 UX Researcher 的 AI-assisted UX Research Workflow：

Research Planning
↓
User Interview
↓
Interview Transcript 
↓
AI Summary
↓
Theme Clustering
↓
Insight Validation
↓
Bias Review
↓
Research Report

Step 1：整理 Interview Transcript

做完Research Planning跟使用這訪談後，不要直接問 AI：

「請幫我找 Insight。」

因為 AI 可能會過早推論。

比較好的方式是，先讓 AI 理解資料。

使用：

• ChatGPT
• Claude

進行第一輪整理。

Prompt：

You are an experienced UX Researcher.
Summarize this interview transcript into:
1. User goals
2. Behaviors
3. Frustrations
4. Needs
5. Important quotes
Do not generate recommendations yet.
Focus only on observations.

中文 Prompt：

你是一位經驗豐富的 UX 研究員。
請將以下訪談逐字稿整理成：
1. 使用者目標（User Goals）
2. 使用者行為（Behaviors）
3. 使用者挫折與痛點（Frustrations）
4. 使用者需求（Needs）
5. 重要引用（Important Quotes）
目前不要提出任何建議或解決方案。
請專注於客觀觀察與研究發現，不要加入推測、解讀或個人意見。

Step 2：找出跨訪談共同 Pattern

當完成多份 Interview Summary 後，再讓 AI 協助分析：

Prompt：

Analyze these interview summaries.
Identify recurring themes and patterns.
For each theme provide:
- Supporting evidence
- Number of participants mentioned
- Confidence level
- Possible UX opportunity
If evidence is weak or contradictory, explicitly flag it.

中文 Prompt：

分析以下訪談摘要。
請找出反覆出現的主題（Themes）與模式（Patterns）。
針對每個主題，請提供：
- 支持性證據（Supporting Evidence
- 提及此主題的參與者人數（Number of Participants Mentioned）
- 信心程度（Confidence Level）
- 可能的 UX 機會（Possible UX Opportunity）
如果證據不足、矛盾或存在不同觀點，請明確標示。

這一步類似 UX Research 中的 Affinity Mapping。

AI 可以協助快速整理大量資訊，但研究員仍需要確認：

• 是否真的有足夠證據？
• 是否只是少數人的特殊案例？
• 是否符合產品情境？

Step 3：使用 AI Challenge Your Research Bias

這是我認為 AI 在 UX Research 中最有價值的使用方式之一。

很多研究員容易陷入：

Confirmation Bias（確認偏誤）

也就是我們傾向尋找支持自己原本想法的證據。

因此可以請 AI 扮演一位挑戰者，這一步能幫助研究員避免太快形成結論。

Prompt：

Act as a senior UX researcher.
Review my research findings.
Challenge:
- Confirmation bias
- Sampling bias
- Weak evidence
- Alternative explanations
Tell me where my conclusions may be wrong.

中文 Prompt：

請以一位資深 UX 研究員的角度來分析我的研究發現。
請檢視我的研究結論，並主動挑戰以下可能存在的問題：
- 確認偏誤（Confirmation Bias）
- 抽樣偏誤（Sampling Bias）
- 證據不足或證據薄弱（Weak Evidence）
- 其他可能的解釋（Alternative Explanations）
請指出我的哪些結論可能不正確、過度推論，或目前缺乏足夠證據支持。
重點不是證明我的結論是對的，而是找出它可能錯在哪裡。
請以客觀、批判性的方式分析，並清楚區分：
- 研究中實際觀察到的事實**
- 從資料推導出的解讀**
- 目前尚未被證實的假設**

Prompt 4：將 Research Insight 轉換成 Design Opportunity

很多 UX Researcher 面臨的挑戰，不是找不到問題，而是不知道如何將研究結果轉換成產品方向。

Prompt：

Based on these research findings,
transform them into actionable UX opportunities.
For each opportunity include:
1. User problem
2. Why it matters
3. Potential design direction
4. Business impact

中文 Prompt：

根據以下 Research Findings，
請轉換成可執行的 UX Opportunity。
每個 Opportunity 包含：
1. 使用者問題
2. 為什麼重要
3. 可能的設計方向
4. 商業價值

Prompt 5：Challenge My Research Bias

這是我最推薦 UX Researcher 使用的一個 Prompt。

因為優秀的研究，不只是找到支持自己想法的證據。

而是不斷驗證：「我的結論真的成立嗎？」

Prompt：

Act as a skeptical Senior UX Researcher.
Review my research findings.
Challenge:
- Confirmation bias
- Sampling bias
- Weak evidence
- Alternative explanations
- Missing perspectives
Tell me where my conclusions may be incorrect.

中文 Prompt：

請扮演一位嚴謹的 Senior UX Researcher。
檢視我的研究發現，並挑戰：
- Confirmation Bias（確認偏誤）
- Sampling Bias（樣本偏誤）
- 證據不足的地方
- 其他可能解釋
- 被忽略的觀點
請指出我的研究結論可能不成立的地方。

ChatGPT、Claude、NotebookLM：哪個 AI 工具最適合 UX Research？

目前沒有一個 AI Tool 可以完成所有 UX Research 工作。

比較有效的方法，是依照研究階段選擇工具。

AI 做 UX Research 最常犯的 5 個錯誤

1. 把 AI Output 當成 Research Finding

AI 產生的是Hypothesis（假設），不是Evidence（證據）。

所有 Insight 都需要回到原始資料確認。

2. 上傳未匿名化的研究資料

使用 AI 工具前，建議：

• 移除姓名
• 移除 Email
• 移除個人識別資訊
• 移除公司敏感資訊

保護 User Privacy。

3. 讓 AI 自動創造 Persona

AI 可以協助整理 Persona，但是 Persona 必須建立於：

• 真實使用者行為
• Research Evidence
• Validated Pattern

而不是 AI 推測。

4. 只看 AI Summary，不看原始資料

Summary 很有效率，但容易失去：

• 語氣
• 情緒
• Context

重要決策前，仍然需要回看原始資料。

5. 沒有利用 AI Challenge 自己

AI 最有價值的地方，不只是提供答案。

而是幫助研究員發現自己忽略的地方。