AI数字时代如何做产品UIUX用户体验研究

按照以往的工作流，在做用户研究时，会花费很多时间在桌面研究、竞品分析、行业洞察、用户画像、行为数据分析……等工作上，用户研究员往往需要花上几天时间整理一堆信息，然后再慢慢提炼结论。而现在情况变了，在AI数字时代，很多事情，只需要打开AI问几句就能得到一份还不错的结果：

• 用户通常有哪些需求？

• 某个行业有哪些趋势？

• 用户行为有哪些特点？

• 常见设计模式是什么？

效率比以前快的不是一星半点，于是很多人开始问：

既然 AI 已经能做用户UIUX研究了，那用户研究员还有必要吗？

答案很现实也很令人振奋：有，而且某些部分反而变得更重要。因为AI擅长总结出所谓的“平均情况”，但真正决定产品体验的，很多时候恰恰不是平均值，而是现场情况。

很多问题，不在用户嘴里，而在用户环境里

之前做医疗设备手术机器人的产品研究，我们原本认为操作员会大量使用手指触摸操作。

逻辑很简单：

鼠键占空间，在有的小诊疗室只能放在一个小台面上，但实际进入现场后发现完全不是这样。

部分操作员经常靠在角落使用设备，操纵时，需要先调整身体，再腾出手操作。相比之下，直接用鼠键反而更自然。

如果只做线上访谈，大概率会得到：“我会使用鼠键也会使用触摸。” 但实际上在医疗产品的手术机器人 HMI（尤其牙齿矫正、种植、口腔修复、导航机器人等场景）里，通常不是“只用触摸”或“只用鼠标”，而是分阶段、多模态输入。如果具体到你描述的场景——医生下指令，护士/操作员控制系统执行——实际项目里更常见的是： 术前规划：鼠标为主 术中执行：触摸 + 物理控制器/脚踏 + 少量鼠标。所以很多体验问题就藏在这里。用户未必知道问题是什么，他们只是长期适应了。

很多人会说：“我已经习惯了。”这句话通常值得继续追问。

因为“习惯”，有时意味着：

• 长期低效率

• 重复操作

• 被迫适应

• 隐藏成本

用户把问题当成日常，设计师不能也这样认为。

AI能总结规律，但很难看见语境

AI很容易告诉你：用户更偏好简单界面。但真正做项目时，这句话帮助有限。之前我们在做用户研究时，我们反复听到一些类似表达：

“以前没做过。”

“我不熟悉。”

“我平时不用。”

刚开始看，像不同问题。后来逐渐发现，背后其实指向同一个东西：熟悉感。对很多用户来说，决定是否使用一个功能，不一定是效率，而是熟悉，继续往下看，又能发现：这种熟悉感通常来自两个来源。

第一种：过去经验的延续

支付时交给别人一个东西；

翻书时用手翻页；

旋钮向右代表增加。

用户并不是在学习，而是在借用以前的经验。

第二种：重复形成的记忆：

按钮位置总在变化

名称总在变化

页面结构不断变化

用户就需要重新学习。

而重复出现的结构，会逐渐降低认知成本。很多时候：不是用户学不会，而是系统一直在改变。

好研究不只是提问，更重要的是观察

做研究时，很多人喜欢不断问问题：

“为什么？”

“你觉得怎么样？”

“有什么建议？”

但真正有价值的信息，有时候不在回答里。

而在动作里。

我记得我们在有一次可用性测试时，一位用户回答：“都差不多。”

但同时：

• 停顿了几秒

• 身体往前靠

• 又重新看了一次页面

后面追问发现：

其实不是都差不多，而是他没有完全理解。

如果只是文字记录的话，可能得到 “用户无明显偏好” 完全错误的结论。

所以研究里有个很重要的原则：不要只听用户说什么，还要看用户怎么做。

通常会关注：

• 停顿位置

• 犹豫点

• 重复动作

• 表情变化

• 操作路径

很多问题就藏在这些细节里。

AI时代，用户研究最值钱的部分已经变了

以前大家觉得：研究价值在于找到信息。现在越来越不是，因为信息越来越容易获得。

真正有价值的是：

解释为什么。

为什么会犹豫？

为什么会绕路？

为什么会误操作？

为什么用户说喜欢，但最后不用？

这些问题没有标准答案。

需要：

• 看现场

• 看行为

• 看环境

• 看情绪

• 看人与系统之间的关系

AI可以整理信息。但真实世界里的那些犹豫、习惯、误解、妥协和隐藏成本，仍然需要人在现场发现。

最后，AI会越来越擅长回答问题，但用户体验研究很多时候不是回答问题。

而是发现：原来问题在这...很多决定产品体验的事情，并不会出现在问卷里，也不会出现在数据看板里。可能只是用户伸手前停顿的那一秒。也可能是一句：“我习惯了”。而真正的研究，往往就是从这些地方切入开始挖掘真正的底层需求。