10月21日晚，倍市得举办了一场以"AI驱动的调研新解法"为主题的直播。众言科技COO郭晓波与倍市得产品负责人石贝宁围绕AI访谈的落地能力、适用边界和行业影响展开了深度对话。如果你做过深度访谈，一定对这些场景不陌生：二十个受访者协调一个月，最后到场五个；访谈录音堆在硬盘里等着转录整理，等结论出来产品都迭代了。这场直播讨论的正是这些痛点的新解法。

定性研究的"四道墙"

石贝宁在直播中把传统深访的瓶颈归纳为"四道墙"：成本高，单个项目数万起步；周期长，从招募到分析需要四到八周；数量少，一轮十到二十人，个别声音难以代表市场；依赖人，一对一真人主持，约访协调难、易爽约。瓶颈不在"要不要做定性"，而在"定性靠人执行"这个方式本身。

郭晓波从企业经营者的视角观察到，过去洞察部门像站在第三方的观察者角度交报告，跟业务部门是两条平行线。现在管理者希望融合，数据实时更新、随时可以问，答案以天计甚至以分钟计。这不是用研部门做得不好，而是技术把期待的水位抬高了。

AI访谈不是语音问卷，是全链路闭环

石贝宁用一句话定义倍市得AI访谈：让定性洞察规模化发生的一站式AI深度访谈平台。完整链路包含五件事：调研创建、样本招募、AI主持、纪要结论、语义量化，全流程一个平台闭环。跟"拿通用大模型问用户"的区别在于，后者只替代了"提问"这一个动作，前后全断——样本谁招？转录谁做？结论谁出？倍市得把整条链路都闭合了。

AI真的会追问吗

这是直播中讨论最深入的环节。石贝宁的结论很直接：如果AI只是把大纲念完，那就是个"语音问卷"，没什么价值。真正的AI主持，每听完一句回答都会判断要不要往下挖。

他举了个例子。问"你为什么换了这款洗衣机"，受访者说"旧的用着不太方便"。问卷到这儿就结束了，AI会接着问："你说的不方便，具体是哪个环节？"对方说"每次都得弯腰拿衣服"，它会再追问："这个问题是一开始就有，还是最近才变得明显？"三轮问下来，一个模糊的"不方便"变成了能用的洞察：用户需要的其实是"不弯腰取衣"。

好的追问要做到两点。一是聚焦不发散，围着研究目标打转，检验标准很朴素——拿访谈记录给资深研究员看，他们的反应是"这句我也会这么问"。二是边界可控，不会为了追问无限挖下去，同一个点挖透了就收，不诱导受访者，整场访谈的时长和必问题都能保证。

样本招募与交付物

做深访最难的一环是招募。石贝宁介绍，倍市得依托众言科技全渠道招募能力和自有样本库，覆盖中国95%区域并支持部分海外地区，客户无需自备样本。如果客户自己有私域用户，也可以对接进来，平台负责完成邀约和进度管理。

一场访谈结束，研究者分钟级拿到三样东西：访谈纪要，逐字可查可回溯，按大纲模块自动归类；访谈结论，自动提炼核心发现，按主题和人群归纳共识与分歧；语义量化，跨访谈自动提取关键词码本，聚类成可比较的用户画像。如果需要正式报告，还可以指定大纲，让AI跨笔录组织证据和洞察生成报告初稿，研究者审核修改后再对外使用。

哪些场景适合？

石贝宁给出了优先推荐的四类场景：需要样本量的上市前验证，比如新品概念和外观测试，百人级深访既听得着原因又有一定代表性；需要速度的产品迭代反馈，比如版本反馈和流失原因挖掘，今天发出去明天就能看到结果；话题敏感的金融保险类，面对AI受访者少了"被人评判"的顾虑，谈钱谈风险更容易开口；跨地域的汽车出行类，多城市同步进行、标准统一。

满意度回访也非常适合——题目聚焦、时长短，量大且常态化做，性价比高。

同时他也坦诚划了边界。高层访谈和专家访谈语料发散、信息密度高，AI追问深层见解目前仍有挑战，真人主持人的功力不可替代；多人参与的座谈会对临场应变和讨论控制要求高，AI的表现还有待进一步验证。AI能力以月为单位更新，今天的边界下个月可能就突破，所以介绍产品时都会讲清楚当前边界，让客户自己判断匹配度。

研究员的位置：增强而非替代

直播中有观众提问：AI把访谈、转录、归纳都干了，研究员还干什么？郭晓波的回答很明确：增强，而且是把研究员还给它本来的位置。传统流程里研究员大量时间耗在约访、转录、归档这些重复劳动上，真正的研究判断反而没时间做。AI把这些环节接走之后，研究员的时间还给洞察本身：把好大纲关、审计码表、判断标签、解读业务含义——这些是人的判断，AI替代不了。

他进一步解释，AI访谈工具会自动做很多事，但研究者的核心价值会转移到更上游和更下游。上游包括设计研究问题、设定访谈协议、控制提示词、定义何为好追问、设计抽样方案、明确伦理和隐私边界；下游包括审查AI编码、判断主题是否有理论意义、识别模型遗漏的少数声音、解释统计结果背后的机制、决定哪些结论可以推广。

定性研究规模化之后，企业需要的不是更少的研究员，而是更多能驾驭百场深访数据、能做质量把关的研究员。会用AI的研究员，取代的是不会用AI的研究员。

定性与定量的边界在迁移

郭晓波对"定性和定量的边界会消失吗"这个问题的回答颇有深意。AI访谈工具不会消灭边界，而是把边界从"收集方法"转移到"研究目的、抽样设计、推断逻辑和解释责任"上。过去常说"访谈等于定性，问卷等于定量"，以后更可能变成开放式、深描式数据也可以大样本化，大样本数据也可以保留叙事和语境。

还有一个被低估的影响：定性研究门槛降下来之后，很多原来从没做过深访的公司会第一次做定性，蛋糕本身变大了，这对整个行业是增量而不是内卷。

一个客户案例：把历史访谈变成资产

石贝宁分享了一个住宅地产客户的案例。这家企业多年访谈记录沉睡在档案里，高端客户接触频率低、没办法反复邀请访谈。倍市得的做法是把多次历史访谈数据统一上传分析，生成统一码表后遍历每份访谈，统计方法审计标签，人工确认入池，最后给客户建出五百多个画像标签，分成一到四级。原来的一次性访谈记录，变成了持续可复用的群体洞察资产。

明天就能做的动作

郭晓波给用研负责人的建议很务实：找一个一直想做但被预算或周期劝退的课题，比如上市前验证或流失用户深挖，做一次小规模试点，两周内拿到纪要、结论和量化结果，拿着真实产出对照业务问题。先验证质量，再决定规模。

关注倍市得，更多体验管理与市场洞察干货分享等着你。