先定义要回答的问题
把业务命题拆成需要理解的人、情境、行为和决策，而不是直接从访谈数量开始。
USER RESEARCH
用户研究
这里记录我对研究问题、材料分析和研究应用的思考，也整理来自实际项目的方法与经验。
研究立场
用户原声是材料，研究结论是解释。
二者不能被 AI 自动混为一谈。
RESEARCH IDEAS
研究想法
这部分会持续补充我在实际研究工作中的思考。
让材料可以被复核
保留原话、场景、来源与样本范围，让研究结论能够回到具体材料。
区分事实与解释
用户说过什么、研究者如何归纳、哪些仍是假设，需要在表达上清楚分层。
让研究进入决策
把研究发现转化为产品机会、体验问题、优先级和下一步行动，而不是停在报告里。
RESEARCH IN PRACTICE
研究实践
研究如何进入不同业务与产品现场。
把“AI 不好用”拆成可以判断的问题
在联想的 AI 客服评估中，将问题区分为 AI 理解、任务完成、产品流程和 GUI 交互，为优化与迭代优先级提供依据。
查看相关经历 ↗让不同角色的现场观察成为可分析材料
在猿编程线下测课中设计观察维度与记录规范，将多角色的主观反馈转化为结构化研究输入。
查看相关经历 ↗让 AI 归纳能够回到用户原话
在 RzAtlas 中设计原声提取、人工确认、认知提炼与材料关联，缺少材料时明确保留“证据不足”。
查看 RzAtlas ↗CONSIDERATIONS
做判断时，我会注意这些问题
- 样本中的重复表达，不自动代表全部用户。
- AI 归纳不能替代研究者审核，也不能冒充用户原话。
- 历史材料存在时效与适用范围，复用之前需要重新判断。
- 尚未形成结论的推测，应保留为下一轮研究问题。