在过去的几十年中，用户研究本质上是一种权衡：规模或质量。
团队可以发送未改建的大规模调查（低忠诚度，低努力），也可以进行少数节制的访谈（高保真，高度努力）。基于面试的研究项目的周转时间的差异是鲜明的。写作和战斗问题可能需要一周的时间，查找和安排参与者可能需要数周的时间，并且进行全套访谈可能需要一个月的时间。
AI打破了这一权衡。语音和推理模型的进步使得通过调查的速度和规模进行高质量的定性访谈成为可能。含义很重要：研究不再被日历，带宽或人数瓶装瓶装。访谈成为建造按需，异步和智能产品的原始性。
初创企业有一个明显的机会。Greylock的我们正在积极寻找正在建造AI本地用户研究产品的创始人。
在这篇文章中，我们概述了为什么我们认为现在是在用户研究中构建本地解决方案的好时机，为当前的市场状况提供了现任和初创企业，请查看买家根据数十个对话如何考虑这一类别，并分享我们认为我们认为获胜的AI用户研究平台的外观。
为什么现在
- 用户研究越来越多地是整个ORG的共同责任。
在现代组织中，研究是跨产品，设计，增长，客户体验和营销功能进行的，不仅是由专门的用户研究团队进行的。随着Insight成为共同的责任，AI-Native工具使任何人都可以在没有安排开销的情况下进行高质量的访谈。 - AI模型可以推理和交谈，而不仅仅是通过文本聊天。
随着推理，上下文理解和音频接口的进步，AI访调员可以像真正的研究人员一样探究，澄清和提出后续问题。这可以解锁更深层次的定性洞察力和更快的执行。实际上，我们发现，与AI交谈时，参与者通常比与人类分享更多。 - AI使团队能够与见解互动，而不仅仅是接收静态可交付成果。
用户研究从一次性报告发展为可重复使用的可查询资产。AI-Native工具将成绩单转换为交互式接口，团队可以在其中搜索特定主题，提取引号并生成执行摘要和报告。它们还允许用户检索有针对性的洞察力，例如用户行为的特定实例剪辑，这使得可以识别产品摩擦或空白，而无需挖掘小时的镜头或完整的成绩单。
市场机会
现有成功的市场机会得到了很好的验证。从广义上讲，传统用户研究市场涵盖了两类：软件平台和研究服务网络。在两者中，多个玩家都在传统的手动工作流程上建立了数十亿美元的成果。
- 软件平台
这些工具旨在扩展调查和研究：- Qualtrics由SAP以$ 8B的价格收购[1]在2018年，后来以2021年的27b+ IPO估值销售[2]。Medallia于2019年以2.5亿美元的市值公开[
- 3]，然后在2021年被托马·布拉沃（Thoma Bravo）以$ 6.4B的价格私下[4]。SurveyMonkey（Momentive）Ipo'在2018年的市值为1.46B美元[
- 5]。在2021年的市值不到$ 2B的市场上限上，Usertesting Ipo ed [
- 6]，并于2022年被托马·布拉沃（Thoma Bravo）收购。7]。研究网络 /服务
- 这些是促进市场研究的大型机构和小组供应商：
尼尔森（Nielsen）和坎塔（Kantar）长期以来一直占据了联合数据，消费面板和品牌跟踪企业的主导，并通过深厚的手动和服务繁重的模型主导了企业。- IPSOS，GFK和Dynata等其他网络填补了类似的角色，由拥有的面板，调查执行和外包分析。
- 这些平台服务于一个耐受缓慢，昂贵，手动工作流程的市场。
AI-NATICATION的研究可解锁更快的时间，跨职能的更广泛使用以及每次访谈的边际成本较低。如果遗产方法在企业价值上产生了25B美元以上，则AI-NATIANITE可能会进一步发展。
而且，最重要的是，这是格林菲尔德类别。我们与之交谈的大多数买家都可以命名一个以上的用户研究供应商。RFP很少见。
这是市场上一些现任和副本的用户研究参与者的地图：
购买行为
在B2B和B2C组织中的产品，设计，增长，客户体验和营销团队之间的数十个买家对话中，我们看到了AI用户研究平台的两种独特的购买行为：
- 劳动替代
较小或资源受限的团队将AI-LED采访视为替代其他人数。产品经理或设计师无需雇用另一位研究人员，而是可以自主进行数十次访谈。例如，一个每周进行十二次访谈的团队可以使用AI访调员最多扩展20多个。 - 研究堆栈增强
大型组织将AI-NATIANITE工具集成到其现有的研究工作流程中。这些团队已经进行了未经修改的调查和传统访谈，但是使用AI来加速各种外语的新市场研究，更快地旋转项目并提高整体速度。我们与之交谈的买家正在使用AI工具扩大研究覆盖范围而不扩大团队规模。在这两种情况下，AI不仅取代了工作流程，还可以扩大研究的范围和频率。以前的季度正在每周成为一周。这驱动了多个团队的净使用净使用，而不仅仅是替换支出。
用AI重新构想的用户研究
用户研究中的下一个主导平台看起来像是一个更好的调查工具，也不是调度助手进行面试。这将是一个完全重新构想研究方式的系统。
- 将参与者招聘变成软件原始
从历史上看，采购和合格参与者一直是用户研究中最容易发生和错误的部分之一。团队依靠电子表格，第三方招聘人员或外部面板依靠，其中许多是昂贵，缓慢且容易欺诈的。下一个主导的研究平台应将参与者招聘视为堆栈的可编程层：快速，可重复和API驱动。获胜平台应：- 直接与内部系统集成从CRM，产品分析工具或客户支持平台中提取。这将使团队能够基于行为数据立即针对真实的用户，而无需争论出口或通过研究协调员工作。在某些情况下，该平台应支持向用户自动向做出合格行动的用户进行AI面试的能力。
- 使用AI筛选人员在外部招募优质参与者正如Mercor和其他人类数据人员配备创业公司等公司所看到的。这些系统应用过滤器，浏览前检查以及实时AI筛选人员的范围从传统调查到对话文本流或口语音频提示。该模型应评估资格，取消低质量受访者的资格，并自动将参与者自动将参与者路由到右流，以确保高质量的输入规模。
- 明智地管理外展和定位规则，包括自动重复数据删除，以避免反复向同一用户发送采访，基于面板可用性的动态激励结构以及测试不同的外展或复制的能力。这样可以确保参与者的新鲜感，增加响应多样性，并减少疲劳或过度采样偏见。
- 支持动态脚本和多种访谈模式
在这个新范式中，最强大的解锁之一就是AI处理脚本。在进行面试之前，该产品应产生基本问题流，然后实时决定何时询问后续活动，该随访应该是什么，以及根据用户的回答与脚本相差多远。这将使团队能够自定义结构级别：要么使用开放式的，动态的探索或执行具有定义的提示和有限分支的更紧密的脚本。无论哪种方式，AI都会将访谈从静态问题列表转换为自适应对话引擎，同时仍然保持对话相对一致，以便能够准确比较用户之间的反应。用户研究平台应该能够至少支持以下三类访谈：- 上下文访谈：这些将是传统的 - 与用户会议交谈，但通过文字或声音进行异步进行，并与动态的AI访调员一起决定何时以及要问的后续问题。
- 原型演练：当模型提出后续问题，观察行为并动态调整时，用户应该能够与嵌入式无花果设计进行交互。
- 实时产品测试：在模型手表，提出问题并实时记录反应时，用户应该能够共享他们的屏幕并完成真实的流程。
此外，该平台应支持人类参与者与AI访调员之间的一系列沟通方式。至少，这将包括文本到文本，音频到文本和音频到音频交换。更高级的配置可能包括视频对文本或视频对审计，尽管我们发现完整的视频与视频设置在实践中的关键不太关键。这种灵活性将确保面试体验可以适应不同的用户偏好，可访问性需求和研究目标，而不会损害洞察力的质量。
- 自动生成洞察力，并使每次面试立即可查询
传统的研究工具输出需要手动合成的原始成绩单和视频文件。研究人员花费数小时标记主题，提取报价和编译报告的工作，这些报告很少被重复使用。获胜的AI-NED用户研究平台将通过将访谈作为实时数据管道来改变这种情况。平台应：- 自动生成摘要，主题和结构化报告每次会议之后，立即将后处理时间减少到接近零。
- 通过聊天界面公开面试，允许团队提取报价，综合情感并跟进特定主题，而无需阅读完整的成绩单。
- 索引和链接跨会议的见解，使团队能够按主题，角色或模式搜索和聚类，将访谈转变为可查询的存储库。
- 每个参与者的表面先验背景，允许团队看到与该用户相关的历史访谈，过去的调查和产品活动。这使得可以更丰富的后续行动，并确保AI采访以先验知识为基础，而不是从头开始。
- 建议哪些参与者安排人类跟进，使研究人员能够更有效地花时间与用户一起度过，这些用户对痛苦点和其他用户体验有更多细微的见解。
结果：访谈变得结构化，可重复使用的投入，这些输入支持跨产品，设计，营销和客户体验团队的决策，而无需专门的研究人员来解释它们。
- 符合治理，安全和控制的企业标准
为了在大型，受监管的企业中可行，必须为治理构建AI本地研究平台。安全性，控制和可审核性功能；他们是桌子。从Infosec审查到隐私政策，需要以下功能：- 隐私与安全：正确处理个人身份信息，录音的用户同意，安全数据存储以及与CRM和内部工具的安全集成。
- 偏见与幻觉：防护仪以防止AI脱离题材，提出不适当的问题或将虚假结论注入成绩单。人类监视多次正在进行的访谈并在出现问题时跳入的能力也可能是令人信服的功能。
- 自定义：在提出问题以及如何编写摘要方面，对品牌语音，音调，格式和合规性语言的控制。
- 可审核性：关于谁问什么，说了什么以及如何产生的见解以实现下游审查和可追溯性的完整日志。
企业买家将不会采用本地研究平台，除非他们可以信任系统的行为能够预测，符合政策标准并干净地集成到现有的安全架构中。该领域的获奖者将把治理视为一项功能，而将其视为核心基础设施。
- 根据交付给客户的使用和价值的价格
从定价的角度来看，我们看到了一些模型。大多数平台都使用基于分层的定价的平坦软件费用，一旦超过限制，就会应用超额费用。用法通常由以下方式测量：- 来源小组参与者的数量
- 进行的访谈数量
- 用于进行访谈的座位数量（通常有无限的观众座位以消费见解）
但是，鉴于用AI用户研究代理代替用户研究人员是一种新兴的购买行为，因此可能有机会重新考虑围绕劳动力投资回报率的定价，而不仅仅是软件使用情况。
从传统用户研究的转变是逐步的变化。该表总结了整个过程的每个阶段的转换。
AI本地用户研究的相邻但新兴的类别是使用合成用户角色，AI代理，它们可以模拟用户行为，偏好和决策制定。该空间中的早期舞台公司展示了使用自主代理对复杂用户交互并产生合成反馈的力量。
尽管很有希望，但这种方法仍然很早，因为当今大多数买家都优先考虑来自真实用户的见解。也就是说，综合角色可能在原型，压力测试思想或增强未来的人类反馈循环和研究中起互补的作用。
结论
用户研究是一个广泛而根深蒂固的类别，它几乎触及了B2B和B2C组织中的每个功能。曾经由集中研究团队拥有的曾经拥有的产品，增长，设计，客户体验，市场见解和消费者洞察力团队都扩散了。该功能性蔓延使购买工具的买家表面积明显更宽，机会大大更大。
语音和推理模型的结合正在重写从面试的方式到消耗洞察力的方式。用户研究项目过去花费数周的时间需要几天。现在需要专门的研究人员可以由产品经理，设计师或其他非研究人员来完成。
市场很大。任职者已经验证了它。而且，主要的AI用户研究平台尚未加冕。
如果您在此空间中构建某些内容，无论是基础架构，最终用户应用程序还是适合用户研究堆栈中的工具，我们很乐意与您见面。我们正在积极寻求与定义这个新类别的初创公司见面。
shootsophia@greylock.com。我们很高兴交谈。
感谢Aatish Nayak，Bihan Jiang，Sara Xiang，Kevin Hou，杰里·陈，，，，科琳·莱利， 和克里斯汀·金（Christine Kim）为了他们的思想伙伴关系。