問卷回收破千份後，我請 AI 用數據畫出「用戶畫像」！但留意這 3 個盲點

早安呀！最近在做的 AI 應用大調查，回收超過一千份啦！開放填答倒數兩天～還沒填過？點此填寫吧。

回收的部分問卷，我已經著手請 AI 先做統計分析，每題選項的排序、百分比，很快就算完了。

然後呢？

我請 AI 做了一件事：根據分析結果，建立「用戶畫像」，結果超有意思的。先賣個關子，下週再跟你們分享。

今天我先把這套分析方法整理成圖卡，如果你手上也有問卷或客戶資料，可以試試看！

如果覺得實用，點此留言跟我分享你用 AI 做數據分析時，會遇到哪些挑戰？我都會看！

基礎分析：檢查資料品質、計算選擇題、簡答分類

把問卷結果匯出成 CSV、去識別化後傳給 AI。貼上提示詞：「1.完整閱讀所有欄位和選項，說明這份資料可回答哪些問題。2.檢查資料品質（缺失值、重複、異常值），有問題的先說。3.初步分析：選擇題統計每題回答分布，列出人數和百分比。開放回答依內容主題分類，計算每類件數。4.特別整理最常出現的意見，以及少數但你認為重要的意見，都附上原始回答引文。」

單看每題回答還不夠，讓 AI 交叉比對找模式

基礎統計只看到每題的分布。接著問 AI：「請你建議：哪些題目值得交叉比對？找出回答差異最明顯的組合，用表格呈現，每個發現都說明『所以呢？這代表什麼？』只報有意義的，不用窮舉所有組合。」這步讓你從「每題各看各的」變成「看到不同群人的行為模式」。

請 AI 從上述的分析，畫出「用戶畫像」

分析完後往下接著問：「根據前面的分析，判斷是否存在行為明顯不同的群體。如果有自然分群，每群建立一個代表人物誌；如果更像連續光譜，就建立 2 到 3 個代表性原型。每個人物誌包含：行為名稱、日常情境、怎麼找資訊、痛點與需求、做決定時在意什麼。每項標註『資料支持』或『合理推測』。」

AI 幫你分析問卷，三個意見別輕信

問卷裡填答者的比例，不能直接當成市場的真實比例，因為願意填問卷的人本來就有偏誤。AI 告訴你「A 和 B 有關聯」，不代表 A 造成 B，相關不等於因果。最後，分清楚哪些是資料直接支持的結論、哪些只是待驗證的假說，全部當事實會做錯決定。

訂閱《一天一AI》日報，每天跟你分享超實用的AI小技巧！

延伸閱讀｜
哈佛研究也看好的 AI 用法！這組「第二意見」提示詞，讓 AI 在拍板前先抓出你的決策漏洞
行銷決策總是依賴感覺？6 步驟教你打造自動化工作流，省去 80% 雜事

（本文轉載自《數位時代》）

延伸閱讀

用 AI 找對標、定策略、列避坑！這組提示詞框架 4 步驟產出商業飛輪分析
別搶做 AI 應用了！OpenAI 友人的一句建議，點出 150 萬家中小企業門口沒人排隊的生意
Gmail 3 大第三方信箱功能將終止！Yahoo、Outlook 用戶必看，自動轉寄設定一次學會