用途定位
UX Researcher 是一套用于用户研究的技能说明，目标是通过定性与定量方法理解用户行为、需求与动机，产出可执行的产品洞察，支撑以用户为中心的设计决策。资料明确其可用于规划与执行用户访谈或情境调查、开展有主持或无主持的可用性测试、分析定性数据（主题分析、亲和图）、制作人物画像（Personas）、用户旅程图（User Journey Maps）与同理心地图（Empathy Maps）、验证产品市场契合度或功能需求，以及设计问卷并分析量化回答。
方法选择与决策框架
资料提供了一套按研究目的选择方法的决策框架，将研究需求划分为态度性（用户说什么）与行为性（用户做什么），并进一步区分定性与定量：
- 态度性—定性：发现阶段用用户访谈或日记研究；概念阶段用焦点小组；信息架构用卡片分类。
- 态度性—定量：总体意见用问卷；功能优先级用 Kano 分析或 MaxDiff。
- 行为性—定性：界面问题用有主持可用性测试；使用情境用田野研究或情境调查；导航用树测试。
- 行为性—定量：性能表现用 A/B 测试或分析工具；易用性用无主持可用性测试；注意力用眼动追踪或热图。
样本量与招募
资料给出 Nielsen Norman Group 的样本量参考：定性可用性测试以 5 名用户发现约 85% 的可用性问题；用户访谈 5-10 人，通常 8-12 次访谈达到饱和；卡片分类 15-20 人；定量可用性基准 20-40 人；问卷 100+ 人（如需 ±5% 误差约 N=385）。招募策略按受众难度区分：B2C 可用 UserTesting、Maze 等测试平台；B2B 可用 LinkedIn 或行业论坛并提供酬金；企业或小众受众可从客服、销售名单内部招募；内部用户可通过 Slack 或邮件进行「吃自家狗粮」式测试。
核心工作流
资料给出多个标准化工作流，包括：
- 有主持可用性测试：制定测试计划（如目标为用户能否以访客身份完成购买）、开发脚本（强调「测试的是网站不是你」并要求出声思考）、执行并录制（记录错误、成败、原话与情绪反应）、综合（用「问题 | 频次 | 严重度」矩阵记录，例如 3/5 用户因「访客结账」按钮看起来像次要链接而错过）、汇报（Top 3 关键问题 + 视频片段 + 建议）。
- 卡片分类（信息架构）：内容审计（列出 30-50 篇帮助文章）、在 Optimal Workshop 或 Miro 中设置开放或封闭分类、招募 15 名参与者执行、分析标准化网格或树状图、识别 80%+ 一致配对与「孤儿」条目、提出新导航结构（站点地图）。
- 日记研究（纵向研究）：平台可用 dscout 或 WhatsApp/邮件，要求记录每次点餐，每日提示触发原因、共餐对象与餐食照片，分析长期模式与行为改变的「临界点」。
- AI 辅助用户研究：用 Otter.ai 或 Dovetail 转写访谈，用大模型做主题分析（如从 5 份转写中提取 Onboarding 的 Top 3 痛点并引用原话），但必须人工复核引用语境（大模型可能产生幻觉），合成用户测试仅用于初稿批评，不可替代真实用户。
反模式与风险
资料列出多类反模式，包括：提出诱导性问题（如「你喜欢这个功能吗」）会引发社会赞许偏差；焦点小组陷阱导致群体思维；把用户的功能请求字面执行（亨利·福特谬误），应追问「为什么」以发现真实 Job To Be Done；以及「验证式走过场」（仅用员工或朋友测试、代码写完后才测试、忽视负面反馈）。此外还列出研究设计、分析、沟通与流程层面的反模式，如便利抽样、小样本外推、确认偏误、轶事证据、洞察过载、分析瘫痪、术语堆砌、PowerPoint 轰炸、洞察囤积、研究真空、一次性研究与时机错配。
质量检查与限制
质量清单覆盖研究严谨性（参与者匹配目标画像、签署同意书、问题中立开放、样本量充足、先做 1 人试点）、分析与汇报（每个洞察关联证据、建议明确可执行并排序、去除 PII、混合方法三角验证、制作高光视频）、影响力（向 PM/设计/工程汇报、建议进入 Jira 待办、跟进实际效果、洞察存入 Dovetail 或 Notion 等可检索库）。资料未提供该技能的具体安装命令、集成方式、价格或收费信息，暂未提供。