AI访谈能挖出更多需求，数字分身却未必更懂用户

当 AI 开始主持用户访谈，一个颇具吸引力的研究流程随之出现：先让 AI 同时访问大量用户，再根据每个人的回答建立“数字分身”，以后遇到新方案，直接询问这些分身可能如何反应。

这套流程试图同时压缩两个成本。前一部分减少访谈所需的人力，后一部分进一步减少反复招募真实用户的需要。只要访谈足够深入，数字分身似乎就能继续代替这个人参加概念测试、广告测试，甚至部分用户研究。

9 月 24 日公开的一项研究，把这两个环节放在同一次实验里检验。研究团队与三家行业伙伴合作，招募了 317 名参与者，围绕住宅门窗更换这一消费决策，比较 AI 主持、真人主持和固定问题三种访谈方式。三组分别有 139 人、24 人和154人。

在发现需求方面，AI 主持访谈显示出明显优势。

固定问题只能等待受访者自行展开，AI 则会沿着刚刚出现的信息继续追问。一个人说自己担心安装质量，AI 可以进一步询问这种担心来自过去的经历、施工过程，还是售后责任。许多原本只停留在态度层面的回答，因而被还原成更具体的决策过程。

按照研究估算的相近预算，AI 组最终识别出 238 项不同的顾客需求，固定访谈组为 188 项，真人主持组为 109 项。真人访谈的单场成本较高，同样预算只能完成 24 场；即使将样本统一到最初的 24 场，AI 访谈平均发现约 111.5 项需求，与真人访谈的 109 项接近，明显高于固定访谈的约 75.9 项。

因此，AI 的优势不只是同时访问了更多人。它已经能够依据上下文追问，并以较低成本将这种追问扩展到更大的样本。

但研究的第二部分出现了不同的结果。

团队根据受访者资料建立数字分身，再让分身预测本人对广告邮件、视频和宣传说法的评价。加入访谈记录，通常比只提供年龄等人口统计信息更有效；然而，由 AI 访谈产生的资料更加丰富，却没有让数字分身比使用固定访谈资料时预测得更准。

问题出现在“了解一个人”与“预测一次具体反应”之间。

访谈能够告诉研究者，这个人在购买门窗时重视价格、安装质量，还是能源消耗。面对一段从未见过的广告，他却可能先被某个画面吸引，对一句措辞产生抵触，或者因为当天的处境作出与过往描述并不完全一致的选择。

研究发现，真人看到图片和视频时，往往围绕眼前的刺激作出快速反应；数字分身则更倾向于调用访谈中的个人背景，生成一套完整而理性的解释。它看起来很了解受访者，却可能比受访者本人更加一致、审慎，也更加善于为选择寻找理由。

另一项由 MeasuringU 完成的 UX 研究也观察到相近倾向。研究者根据 420 名真人对四款 AI 产品的评价建立数字分身，并将真人的 SUS 可用性评分留作检验。数字分身给出的平均分系统性偏高；资料更完整的分身没有更准确，反而把四款产品全部评为 A+，真人评分则分布在 B+ 到 A 之间。两项研究的方法和对象不同，不能直接合并，但都说明更完整的个人资料并不必然带来更真实的判断。

对 UX 设计师而言，这为 AI 研究工具划出了一条重要边界。

在探索阶段，AI 主持访谈可以帮助团队扩大覆盖范围，发现研究提纲里没有预先写下的问题。到了评估某个具体界面、流程或文案时，团队需要观察的是人如何理解眼前的信息、在哪里犹豫、如何作出选择。数字分身可以帮助设计师预演问题，却不能自动把预演变成用户证据。