3 访谈数据与原始数据整理：录音转文字、标注关键信息、建立访谈日志表
原始访谈数据通常以录音、视频或手写笔记形式存在，直接用作需求分析素材存在三个痛点：不可检索（音频无法被全文搜索）、不可定位（无法快速跳转到某位用户的某句话）、不可量化（难以统计同一问题被多少人提及）。本章将讲解如何把非结构化数据转化为结构化的访谈日志表，为后续用户场景抽取和需求拆解提供可靠的数据基座。
3.1 录音转文字——准度与效率的平衡
转写工具推荐：
- 讯飞听见：中文识别率高，支持多角色分离，适合长访谈（>30分钟）。
- 剪映/飞书妙记：免费且附带时间戳，适合快速粗转。
- Whisper（本地部署）：适合敏感数据，支持 GPU 加速。
最佳实践：先使用机器粗转，再人工校准关键术语（产品名、专业名词、数字）。校准阶段重点修正同音词（如“触达” vs “出达”），确保语义正确。
转写输出的原始文本示例（保留时间戳与人名缩写）：
[00:12:05] 王经理-产品负责人：
我们现在的审批流程平均需要 3.2 天，主要是因为每个节点都有 24 小时的默认超时，但其实很多审批 1 小时内就能完成。
[00:13:20] 李工-开发组长：
对，我们后端查过日志，约 70% 的审批在用户提交后 2 分钟内就被处理了，真正的瓶颈在超时策略太保守。3.2 标注关键信息——给原始数据“打标签”
在原始文本基础上，每一段发言都需要标注 4 类关键信息：
| 信息维度 | 说明 | 标注示例 |
|---|---|---|
| 话题标签 | 该段发言所属的业务领域 | 【审批效率】 |
| 用户角色 | 发言人身份（决策者/执行者/技术方） | 产品负责人 |
| 情感倾向 | 正面/中立/负面，用于判断痛点强度 | 负面（吐槽超时策略） |
| 可引用编号 | 唯一 ID，便于在 PRD 中追本溯源 | INT-20250403-012 |
常见错误：标注时“信息过载”——把每一句话都贴满标签，导致后期过滤困难。建议只标注与产品功能、业务痛点、用户期望相关的语句，非核心寒暄或背景介绍不标。
标注后的数据片段：
[话题标签：审批效率 | 角色：产品负责人 | 情感：负面 | 编号：INT-20250403-012]
我们现在的审批流程平均需要 3.2 天，主要是因为每个节点都有 24 小时的默认超时…
[话题标签：审批效率 | 角色：开发组长 | 情感：中立 | 编号：INT-20250403-013]
约 70% 的审批在用户提交后 2 分钟内就被处理了，真正的瓶颈在超时策略太保守。3.3 建立访谈日志表——结构化输出
访谈日志表（Interview Log Table）是将所有标注后的片段统一汇总的管理表，包含 元数据字段 和 内容字段 两大部分。建议在 Excel 或 Google Sheets 中管理，字段如下：
| 字段名 | 类型 | 说明 |
|---|---|---|
| ID | 文本 | 唯一编号，格式：INT-YYYYMMDD-NNN |
| 时间戳 | 文本 | 录音中的原始时间点 (HH:MM:SS) |
| 发言人 | 文本 | 姓名 + 角色（如 王经理-产品负责人） |
| 话题标签 | 列表 | 用逗号分隔，如 审批效率, 超时策略 |
| 情感倾向 | 选择 | 正面 / 中立 / 负面 |
| 原始发言（摘要） | 文本 | 保留核心语义，可做适当精简 |
| 转写置信度 | 百分比 | 若机器转写有修正，标注人工校准后的置信度（通常 > 95%） |
| 关联需求编号 | 文本 | 后续需求拆解后回填，初始为空 |
效率技巧：使用
表格公式 或 低代码工具（如 Airtable） 自动生成 ID 和格式校验，减少手工录入错误。日志表建好后，按照话题标签排序可以快速汇聚同一问题的所有用户观点。
3.4 数据整理流程全景图
3.5 检查清单：本章交付物验收标准
- ✅ 全部访谈录音已完成转写，并保留原始时间戳。
- ✅ 关键术语经人工校准，转写置信度 > 95%。
- ✅ 每段发言标注了话题标签、用户角色、情感倾向、引用编号。
- ✅ 访谈日志表包含完整 8 个字段，无空值。
- ✅ 日志表支持按话题标签排序，能快速定位同一主题的所有观点。
章节小结：高质量的数据整理是需求分析可信度的前提。不要跳过人工校准环节——机器转写的错误会在后续 PRD 中放大成业务误解。日志表建好之后，强烈建议做一次一致性检查：随机抽出 10% 的片段，由第二人复核标注标签是否准确。