AI用户调研提示词怎么写：零基础也能得到可用结论的实操方法
想用 AI 做用户调研，关键不在于把问题丢给模型，而在于把调研目标拆成可执行、可验证的提示词结构。
这篇教程面向零基础读者，给出可以直接照做的编写步骤、模板和验证方法，适用于产品需求分析、用户访谈预处理、问卷开放题归纳等场景。
先明确调研目标与输入材料
写提示词之前，先回答三个问题：这次调研要回答什么决策问题、手上有哪些真实材料、期望输出什么格式。
常见错误是直接让 AI“调研一下用户需求”，结果只能得到泛泛而谈的答案。
准备清单可以按下面几项整理：
- 调研问题：例如“新用户为什么在注册后第三天流失”
- 输入材料：访谈记录、问卷开放题、客服工单、应用商店评论等，优先使用真实文本
- 输出要求：例如“按流失原因分类，每类给出原话证据和出现频次”
- 约束条件：例如“不要编造用户原话，材料不足时明确说明”
如果材料是文件，可以先把文本整理到一个目录，例如 ~/research/inputs/，每份文件命名带上来源和日期，方便后续核对。
这一步不涉及复杂命令，用文本编辑器或表格工具整理即可。
按四段式结构编写调研提示词
一个可用的 AI 用户调研提示词通常包含四段：角色与任务、输入材料说明、分析步骤、输出格式。
下面是一个可直接改用的模板：
你是用户研究助理。请基于我提供的访谈记录，分析新用户流失原因。
输入材料：以下文本来自 10 位用户的访谈记录，保留原始表述。
分析步骤：
1. 逐条提取用户提到的流失相关原因，保留原话。
2. 将原因归类，合并语义相近的表述。
3. 统计每类原因出现的用户数。
4. 标出材料中没有覆盖的问题，不要推测。
输出格式：
- 原因分类表：分类名称、出现用户数、代表性原话
- 待验证假设：最多 3 条，每条说明需要什么数据验证把材料粘贴到模板的输入位置，或按所用工具的文件上传功能附加。
执行后先检查输出里是否出现了材料中不存在的“用户原话”，一旦出现，说明模型在补全，需要收紧提示词中的约束语句。
批量处理时保持口径一致
当材料有多份时，不要每份都临时改提示词。
固定同一套提示词，只替换输入文本，才能让结果可比。
可以按下面的顺序执行：
- 先用一份材料试跑，确认输出格式和分类口径符合预期
- 把提示词保存为固定模板文件，例如
prompt-research.txt - 逐份替换输入材料执行，把输出统一粘贴到表格中
- 人工抽查至少两份输出，核对原话和分类是否准确
如果使用支持批处理的工具，注意每次执行后检查是否遗漏材料。
涉及用户个人信息时，先做脱敏处理，去掉姓名、电话、订单号等字段，再交给 AI 处理。
常见坑与修正方法
输出全是套话：通常是任务描述太宽。
把“分析用户需求”改成“从以下 10 条评论中提取对配送速度的不满，并统计条数”，约束越具体，输出越可用。
分类过多过碎：在提示词中限定分类数量，例如“最多归为 5 类，其余放入其他”，并要求合并语义相近项。
模型编造数据：加入“只使用输入材料中的信息，材料未提及的内容标注为未知”这类约束，并在结果中抽查原话能否在材料中找到。
中英文材料混用：在提示词中说明输出语言，例如“输出使用中文，引用原话保留原文”，避免翻译导致语义偏差。
验证调研结果是否可用
提示词跑完不等于调研完成。
验证至少做三件事：随机抽取几条输出，回到原始材料核对原话是否存在；
检查分类之间是否有明显重叠；
确认“待验证假设”是否指向了可执行的下一步，比如补充问卷或安排访谈。
如果输出无法支撑最初的决策问题，优先回看输入材料是否足够，而不是反复修改提示词措辞。
材料质量决定结果上限，提示词只负责让分析过程更稳定。
关于提示词迭代的常见疑问
提示词需要写多长？ 够用即可。
四段式结构覆盖任务、材料、步骤和格式后，通常不需要再堆砌形容词。
能不能让 AI 直接生成调研问卷？ 可以，但生成后要人工检查问题是否有引导性、选项是否互斥，不能直接发布。
结果和人工分析不一致怎么办？ 保留差异点，回到原始材料核对，以材料证据为准，不把 AI 输出当作结论本身。
按以上步骤执行后，你会得到一套可复用的 AI 用户调研提示词模板和一份可核验的分析结果。
后续换调研主题时，只需替换输入材料和决策问题，结构保持不变即可。
