大模型能像专业分析师一样提取用户需求吗？ - 链载Ai

用户洞察从业人员经常把探索/洞察用户需求作为自己的核心价值，而且是比定量研究更难、更能体现用研能力。

定性更能看出水平，对吧。

现在看来，因为大模型擅长语言、文本理解，对于用户洞察常用的定性和定量研究方法来说，大模型能先做好的反而是定性研究。而定量研究，则因为需要看的维度不统一、要生成表格、图的格式也不统一等，反而在工作流上不如定性研究那么顺畅。

今年 2 月份美国西北大学、MIT 预发表在arXiv 上的一篇论文，就对比了基础大模型、经过监督微调的大模型，以及专业分析师在提取用户需求上的质量差异

研究表明，通过监督微调（Supervised Fine-Tuning, SFT）的LLMs在提取客户需求方面表现优异，甚至在某些方面超过了专业分析师。这种方法不仅提高了效率，还能覆盖更广泛的客户需求范围，为产品开发、管理和营销策略提供了新的自动化工具。

来看他们是怎么做的。

研究是基于什么材料来评估提取的客户需求的质量的呢？

主要基于以下两类材料：

用户生成内容（UGC）
- 包括在线评论、博客、论坛等来源，这些内容被广泛用于挖掘客户体验和需求。
- 例如，木材染色剂产品的研究中使用了14,341条在线评论，其中筛选出1,000条具有信息价值的评论供分析师和LLMs提取客户需求。
访谈记录
- 包括客户的体验式访谈数据，例如与行业专家、研究人员和客户的对话记录。
- 在访谈数据应用中，研究使用了20份访谈记录，这些记录被分成语义相关的句子群组供LLMs和分析师提取需求。

可以看到，这两种材料的类型差别还是挺大的，UCG 内容很分散，而访谈记录的内容会更多，信息密度更大。

具体的研究设计是怎样的？

盲测方法：
- 评估过程中，专业分析师对提取的需求陈述进行了盲测，无法分辨这些需求是由LLMs还是其他分析师提取的。
样本构建（举例）：
- 木材染色剂产品：从1,000条筛选出的评论中随机选择150条进行评估，包括90条明确包含客户需求的评论（verbatims）、30条信息性评论（informative）、30条无信息评论（uninformative）。
- 口腔护理产品：从专业访谈研究中筛选出86个最终需求，并将UGC评论与这些需求进行匹配。

有哪些评估维度？

会有另外的评估专家，从三个方面对大模型和专业分析师提取的用户需求进行判定：

结果对比：

基础LLMs（Base LLM）：表现较差，提取的需求通常过于泛化或直接重述原始评论，缺乏专业标准。
监督微调LLMs（SFT LLM）：
- 提取的需求符合专业标准，且在准确性、细节捕捉和依赖原始文本方面表现优异。
- 能够从大规模数据中提取更广泛的需求，包括小众需求和情感需求。
专业分析师：表现稳定，但在某些方面（如覆盖率和效率）略逊于SFT LLM。

实际上，作者使用的基础模型是Vicuna 13B，只是一个小小的 13B 模型，有理由相信现在的 DeepSeek v3 的效果要比经过监督微调的Vicuna 13B 效果要好。

科研跟实际工作还是不一样，如果想要利用大模型比较好地提取用户需求，还是要根据你自己的工作情境，创建你自己的工作流。

后续的需求分层、优先级排序，这些事情依赖很多的背景信息，也仍然依赖人工完成。