ChatGPT整理多人访谈记录,为什么最后只有一堆观点,没有真正结论?
很多人会把用户访谈、客户访谈、内部调研或者员工访谈记录交给 ChatGPT希望它帮忙整理成一份总结。最后出来的内容往往很完整A说了什么B怎么看C提了哪些问题D有哪些建议。看起来每个人的观点都保留了。但真正到了汇报或决策的时候却还是会遇到一个问题看完以后只知道“大家说了很多”却不知道到底形成了什么结论。这类问题不是 ChatGPT 不会总结。而是“按人整理观点”和“从多人访谈里提炼共识、分歧和结论”本来就是两种不同任务。一、为什么按受访者一个个总结最容易越整理越散假设你访谈了5个人。如果 ChatGPT 按这种方式输出用户A认为……用户B认为……用户C认为……确实不会漏信息。但问题是同一个主题会被重复写很多遍。比如5个人里有3个人都提到操作步骤太多。如果按人整理这个问题会分散在三个地方。但真正做分析时更应该看到的是“操作步骤太多”是高频共识。所以多人访谈的第一步不应该按人整理。而应该先按主题归类。二、先找“大家反复提到什么”比如一组访谈里出现这些内容页面入口不好找找功能要点很多次菜单层级太深常用功能不明显。它们虽然说法不同本质上可能都属于功能查找成本高。如果只是逐句总结就会得到四个问题。但真正的结论应该是多名受访者认为核心功能入口不够直观查找成本偏高。这才是从“原话”变成“洞察”。三、共识和个别观点一定要分开访谈里最容易误判的一点是一个人说得很强烈不代表多数人都这么认为。比如4个人觉得流程基本正常。只有1个人说这个流程完全不能用。如果 ChatGPT 把这句话单独突出很容易让报告看起来像是整个流程存在严重问题。所以整理时最好明确区分高频共识多个人重复提到。部分共识只有一部分人提到。个别观点只有少数人提出但可能值得关注。这样能避免把一个人的声音放大成整体结论。四、分歧本身也是重要结果比如一部分用户觉得功能太复杂。另一部分用户却认为功能很全正是他们需要的。这时候不能简单选一边。更应该继续追问为什么两组人的感受相反可能是使用频率不同熟练程度不同岗位不同使用场景不同。所以真正有价值的结论不是大家对复杂度看法不一。而是新用户认为功能入口复杂高频用户则更重视功能完整度。这就开始形成真正可用于决策的分层结论。五、频次高不一定等于优先级高很多人会直接让 ChatGPT按出现次数排序问题。这个方法有用但不能只看频次。比如10个人里有5个人说按钮颜色不好看。只有1个人提到导出的数据偶尔丢失。从出现次数看颜色问题更高频。但从业务影响看数据丢失明显更严重。所以访谈分析最好同时看出现频次 影响程度。这样才能区分高频小问题和低频高风险问题。六、不要把“建议”直接当成“需求”访谈中经常有人会说要不加个按钮可以做成自动提醒。最好再增加一个入口。这些内容是解决方案建议。但背后真正的问题可能是找不到功能容易忘记操作当前流程太麻烦。所以 ChatGPT 整理时最好把问题和受访者提出的解决方案分开。否则很容易最后得到用户要求增加10个功能。实际上用户真正表达的可能只是3个核心问题。七、最好保留“证据”但不要堆满原话访谈总结如果完全没有原始依据结论会显得很空。但如果每个观点都贴一大段原话又会很难读。更实用的方式是结论 简短依据。例如结论首次使用时功能入口不够直观。依据5位受访者中3位提到“找不到入口”“不知道从哪里开始”。这样既保留证据也不会把整份访谈记录重新复制一遍。八、最终结论最好回答“那下一步怎么办”如果整理到最后只有用户觉得这个不好用户觉得那个复杂有人希望增加功能。还不够。真正适合决策的访谈总结应该继续回答哪些问题值得优先解决例如优先级1首次使用路径不清晰原因出现频率高并直接影响新用户完成核心任务优先级2导出稳定性问题原因频率低但影响结果可靠性这样访谈结果才能真正进入下一步工作。九、可以直接这样让ChatGPT整理以后整理多人访谈可以直接要求请不要按受访者逐个总结。先按主题归类所有观点再区分高频共识、部分共识、个别观点和明显分歧。每个主题同时标记出现频次和影响程度不要只按提及次数排序。把“用户的问题”和“用户提出的解决方案”分开并为重要结论保留简短证据。最后输出3—5条真正可用于决策的结论和对应优先级。这种方式比帮我总结一下这几份访谈。效果通常会清楚很多。十、最后做一次“有没有真正结论”检查整理完成以后可以再问 ChatGPT哪些是多数人的共识哪些只是少数意见哪些地方存在明显分歧哪些问题虽然低频但影响很大最终最值得优先处理的3件事是什么如果这些问题还回答不出来就说明当前结果还只是观点整理。还没有真正完成访谈分析。最后ChatGPT整理多人访谈记录时最容易出现的问题不是观点漏了。而是观点都保留了却没有形成一个整体判断。真正有用的访谈整理应该做到按主题归类 → 提炼共识 → 保留分歧 → 区分高频与高影响 → 分开问题和建议 → 给出优先级。最后你真正需要的不是A说了什么、B说了什么、C又说了什么。而是大家在哪些地方形成共识、哪些地方存在分歧以及下一步最值得解决什么。持续更新 ChatGPT、Codex 与大模型使用实战内容分享 AI 工具使用技巧与常见问题排查。更多技术内容和稳定订阅渠道欢迎搜索关注账号「仙逆GPT」。