借助人工智能，以光速进行定性研究分析
我和GPT一起开发一个应用程序，第二部分
欢迎回到我关于构建一款AI驱动的高尔夫旅行规划应用的系列文章。在这个系列中，我使用ChatGPT和其他人工智能工具来推动自己学习生成式人工智能在产品设计和开发过程中的能力。在此阅读第一部分的内容。
在这篇文章中，我通过在几小时内完成通常需要我几天甚至几周才能完成的任务，彻底揭开用户研究和产品管理的面纱。让我们深入探讨吧。
研究与发现
正如我在第一篇文章中所介绍的，我现在有一个很棒的应用程序想法，并且对OpenAI的LLM（大型语言模型）进行了足够的实验，相信我确实可以做出来。现在，作为一个优秀的产品设计师，我开始进行研究。我对高尔夫旅行应用程序的重要性有强烈的观点和想法，但我需要进行一些探索来验证我的想法和填补空白。我这一步的行动计划有两个方面：
(1) 浏览以高尔夫为重点的论坛，并记录关于团体高尔夫之旅的帖子。
（2）从我痴迷于高尔夫的社交网络中进行一系列的一对一用户访谈。
今天，我们将重点关注后者。
我用于进行和综合定性用户访谈的过程如下：
- 确定我想学习什么
- 制定面试问题
- 进行面试
- 转录访谈
- 解析转录并创建描述性代码，用于标记和量化答案
- 将代码转化为涉及多个代码的更广泛主题
- 分析与主题相关的语录，并总结结论和见解
- 从关键见解中制定用户故事
- 根据用户故事进行头脑风暴，提出特点。
如何能够通过人工智能改进这个通常需要人工操作且耗时的流程？正如我们即将发现的那样，答案是：在很大程度上。
进行用户访谈
制定采访问题
当进行用户访谈时，首要的事情是准备一些问题来询问参与者。通常情况下，当我对自己想要了解的内容有明确的想法时，编写这些问题对我来说是一个相对快速的过程。然而，在为了这个系列而进行的这个过程中，我首先向ChatGPT询问了它对这个问题的看法。
我们已经有了一个很好的开端。GPT的很多想法与我之前对此问题的思考相吻合（现在我不需要写下来了），它给了我一些我之前没有想到的想法，一个很好的例子就是关于“旅行后体验”的问题。
对GPT的回答印象深刻，我以此作为指南，将自己的问题整理到Notion文档中。我们开始并顺利进行。
进行与谷类粮食的访谈
我建立了一个Calendly账户，连接到我的Google日历，并询问了一些朋友和亲戚是否愿意参加。很快我就安排好了五场面试的日程安排。
在这一点上，整个过程进行得如此顺利，以至于我忘记了接下来的挑战：我要如何记录和转录这些采访呢？我想要一个准确、免费并且能够在转录中添加注释的解决方案。自然而然地，我询问了ChatGPT以获取一些可能有帮助的应用程序。我将跳过完整的对话，但在搜索其中一个建议时，我偶然发现了Grain.com的赞助广告，而它恰好非常合适。
沃大米（Grain）几乎提供了我在面试应用程序中所需的一切。它能够与Zoom帐户连接，自动录制和转录会议，然后在完成后提供AI生成的摘要。而且，前20次面试是免费的——对于这个初始过程，我知道我不会超出这个门槛。
编码和分析
在接下来的几周，我进行了所有的面试，并拥有了大量的原始文本和视频录像文档。现在是时候开始对我进行的定性研究进行主题分析了。在这里我要坦白一点，过去我确实学习过关于分析文本的类似流程，但我从未将正式和结构化的主题分析作为优先事项。然而，这正是我开始这个旅程的原因——通过利用我们的深度学习、热衷于帮助的机器人助手，大大缩短学习新技能所需的时间。我即将和ChatGPT一起开展这项任务。
创建描述性的代码
我喜欢将主题分析过程视为一个漏斗的形状。你从一个广泛、非组织化的数据集（访谈记录）开始，通过每个步骤的逐渐提炼，将数据变得越来越细化，最终得到几个关键的要点。这个提炼过程的第一部分涉及对访谈记录中的具体引用进行编码或标记，以便在不同访谈之间进行常规化比较。
在我第一次尝试编码时，我向ChatGPT提供了一次访谈的完整记录，并要求它创建可以用来分析剩余访谈的代码并进行扩展。这个视频有一个有用的教程，介绍了一种实现这一目标的方法。
初步结果有些过于宽泛。在这个阶段，我希望有更广泛的代码范围，更贴切地描述相应引文的主题，而不是尝试外推额外的意义。
我要求它集中精力在“活动策划和物流”建议上，并提供更详细的代码。我还希望看到它如何将这些新代码与文字记录中的引文关联起来。
结果并不差，但看起来有些不完整。我注意到在使用ChatGPT时的一个模式是，它通常可以准确地完成你要求的任务，但以一种几乎“懒散”的方式。在这种情况下，它提供了新的（更好的）代码，但只将它们与一个引用关联起来。我知道每次采访中与每个代码相关的引用将会有几个。
觉得在这次特定的练习中，我已经充分利用了ChatGPT，我采纳了我喜欢的建议，创建了我自己的代码列表（您很快就会看到这些）。因为我只有五个面试要解析，所以我手动分析了每个文件并在Grain中标记了相应的引用。这让我可以体验Grain的一些功能，并确保在进行下一步之前我的数据集是完整的。
顺便说一下，如果我经常进行这类研究并有许多参与者，我会创建一个定制的GPT来提供我所需的准确度水平。在这种情况下，我可以更好地利用我的时间完成其他任务。
从代码中创建主题
在综合过程的下一步中，是将代码分组为更广泛的主题。再次将这项任务交给GPT，我对它的努力感到愉快而惊讶。
我要求GPT将其中一个主题分解成更细致的部分。
满意于结果，我将GPT提议的主题输入到我的Notion项目中，并对它们进行了一些重新排列和编辑。
我对于ChatGPT在代码主题化方面比在编码转录方面更有帮助感到印象深刻。这种模式将随着我们迅速进入销售漏斗的下一个部分而继续下去。
总结和得出结论
我从我的主题列表中选择了“目的地和课程选择”，并将所有与这些标签相关联的引语提取到一个Notion文档中。从这里开始，事情会开始进展得很快。
很不幸，这是一个手动过程——我觉得将在Grain和Notion之间自动化此任务并非是我时间的最佳利用，但我很好奇是否能够以何种方式实现。
我将“目的地和课程选择”主题的所有引语收集给ChatGPT，并要求它提供关键见解。
尝试着有Jay-Z的风格，ChatGPT一次性做得很棒。将来我可能会更加仔细地审查和完善这些，但ChatGPT和我（ChatGP我？）现在已经在持续发展中，所以我们没有停下来。我继续沿着这个渠道前进。
从洞察力中创建用户故事
另一个快速的补充。
在过去的几年里，我在一家中型产品公司工作，通常在产品经理提供用户故事后才开始进行设计项目。现在，我需要自己来创建这些故事，这是我需要培养的另一项技能。
在我研究用户故事编写技术时，我发现了一种来自Jobs To Be Done框架的技巧，它将传统的"As a [用户类型]，我希望[某种行为]，以便[结果]"的结构改变为一种带有"[当___] [我希望___] [以便___]"的职位故事结构。
这让我立刻产生共鸣，因为我始终认为用户要完成的任务比他们的个人形象更重要。如果你感到好奇，我强烈推荐你阅读有关这些区别的文章，但由于这是我的项目和我的规则，这就是我以后要使用的格式。
为了继续深入探讨，我要求ChatGPT使用此精确框架创造关于“位置偏好和约束”见解的工作故事，这个见解是基于之前的步骤。
砰！Jay-Z又一次出击。故事完全准确。我要求更多。
我在这段旅程中已经多次感到非常震撼和惊讶，但这一刻对我来说是真正的“恍然大悟”。仅用几分钟的时间，我从一长串模糊的描述性代码和毫不相关的引述，转变成了超过10个详细的工作故事，所有这些故事都属于同一个主题。这个工作量如果完全由我来完成，肯定会花费我好几天的时间。
ChatGPme 还没有完成。
从故事中创建功能
根据用户故事进行头脑风暴的特性通常是我工作中愉快的一部分，但我正处于状态白热化的时刻。我需要知道ChatGPT可以在这个过程中走多远。我选择了一个提供的用户故事，并询问它头脑风暴潜在的特性。
再次，所有的好建议。我现在已经准备好充满信心地开始使用用户提供的见解进行交互设计过程。我曾经认为这是需要几个员工花费数小时完成的工作，现在，我一个人在几分钟内就完成了。
在一次真正的幸运中，我再一次冒险了一次。
我的好运终于耗尽了。很高兴知道我的工作暂时安全。
结论
这次旅程，从用户访谈到具体的功能想法，简直令人振奋不已。我现在可以针对每一个参与访谈的主题重复这个流程，并创建一个完整的设计积压，包括工作故事。
在这个过程中，出现了一个清晰的模式。很少有智能助手的建议可以直接采纳，通常需要进行人工编辑，但是随着我们进一步深入进行，这种编辑的需求程度显著降低。随着提示变得更具体和不那么开放，聊天机器人在提供有用见解方面表现更好。
这次旅程的主要目标是提升我在设计数字体验方面的技能。学习如何利用人工智能的力量来提炼定性数据，立刻提高了我的用户研究技能和工具包。
我已准备好将我的新人工智能任务应用于图表和草图设计流程中。我对发现人工智能如何提升产品设计师核心能力的领域感到兴奋。在下一篇文章中，你将第一个知道我的研究结果。
