用户反馈一多就只剩“体验不好”？用 AI 建一份可复核的主题码本
几十条反馈交给 AI，常会得到“提升体验、优化性能、完善功能”三个大筐。它们听起来合理，却不能告诉团队下一步调查哪里。更有用的任务是建立一份主题码本：为每个标签写清定义、纳入条件和排除条件，让别人能沿着原句检查分类是否站得住。
AI生成概念配图
先把一句反馈拆成可判断的片段
英国政府用户研究指南建议先记录实际看到或听到的内容，再按相似主题整理，随后讨论发现与行动。本文把这一思路改造成 AI 辅助编码流程；模型给出的是候选分类，研究者仍负责解释。处理真实材料前，移除与问题无关的身份和联系方式，并确认所用工具适合接收这些内容。
虚构应用“纸舟笔记”收到三条反馈：甲说“保存很快，但我不知道它有没有同步”；乙说“我能找到导出入口，只是格式没有我要的”；丙说“每次找上周的笔记都要翻很久”。不要把乙归成入口难找，也不要把甲归成速度慢。每条原文保留编号，长句可拆成片段，但不能拆掉“但是”“已经”等改变含义的词。
用纳入与排除规则固定边界
第一版码本可以设三个主题：“状态不明确”收录无法确认当前结果的表达，排除明确抱怨耗时；“输出格式不足”收录格式缺少或不合要求，排除找不到导出位置；“历史内容定位困难”收录搜索、筛选或翻找问题，排除内容本身已丢失。标签名称应描述材料里的问题，不直接写成“增加红色提醒按钮”这类解决方案。
按这份规则，甲对应状态不明确，乙对应输出格式不足，丙对应历史内容定位困难。一条反馈若同时提到两个问题，可以多标签；一句“用起来总觉得怪怪的”则进入待澄清，不能为了填满分类而自动解释成界面难看。
先校准少量样本，再扩大范围
先选十条包含明确、模糊和跨主题表达的样本，让人和 AI 分别归类，再逐条比较分歧。分歧可能来自定义重叠、片段拆分不当，也可能是信息不足。修改码本时记录版本及理由，并回查受影响的旧条目，避免前半批与后半批采用不同标准。
可复用模板：以下是带编号的反馈和主题码本。请逐片段给出候选主题、支持该主题的原句、适用规则及疑点。允许多标签与待澄清；不推断用户身份、动机或未提到的功能。遇到现有定义无法容纳的材料，提出新增主题建议，先不要合并进正式统计。最后列出最需要人工复核的条目及原因。
统计出现次数，不冒充总体比例
假设一份虚构材料中有二十条反馈，八条提到状态不明确，可以报告“本次材料中八条提及”，不能直接写成“四成用户都需要同步提示”。反馈渠道可能偏向主动投诉者，同一人也可能提交多次。还要说明计数单位是人、反馈还是片段；多标签合计超过总条数并不一定是错误。
交付时附上主题定义、原句编号、反例和待澄清清单。抽查高频主题，也抽查被模型留空和只出现一次的内容，避免少数重要问题被平均掉。归类最终要帮助提出可验证的问题，例如“用户通过什么判断同步完成”，而不是把模型生成的整齐标题当成已经证实的产品结论。
