AI帮你做用户研究？这两大场景超实用！

01、通用模型分类：聘请一位"聪明的临时工" 这种方式特别适合那些偶发的、数据量不算特别大的"临时任务"，或者是项目初期还在探索确立分类标准的阶段。它的操作逻辑非常直观：你可以先将一 部分用户反馈连同项目背景一起扔给 AI，让它基于语意分析自动总结出合适的分类标签；待分类标准定好后，再命令它依照这些标签批量给反馈进行打 标。这就好比你请了一位理解力极强的"临时工"，不仅能帮你制定分类规则，还能迅速执行繁琐的分拣任务。 这种做法的优势在于具备良好的灵活性和便捷性，你无需提前准备复杂的训练数据，甚至当发现标签不合适时，只需一句话指令即可随时增减调整，完全 不需要重新训练模型。而且它的使用门槛低，利用市面上常见的对话式 AI 工具（如豆包、Deepseek、Kimi等）即可上手；若数据量庞大，只需对接一个 API 接口便能实现飞一般的处理效率。当然，这位"临时工"也有局限，当面对复杂度较高或涉及深奥行业术语的分类任务时，它可能会因为缺乏专业背景 而出现判断偏差。 提效小贴士： 想要这位"临时工"干活漂亮，你给它的指令（提示词）很关键！ 02、SFT微调模型分类：专业场景的"定制专家" 数字化时代，用户研究正迎来前所 ...