積累而非分散的研究。

生成訪談摘要。
每個錄製的研究會議都會被轉錄，並且關鍵發現、引用和觀察結果會被提取到結構化摘要中。研究人員專注於對話。記錄工作則在事後進行。

跨會議識別主題。
Fabric 會讀取您所有的訪談摘要，並識別出重複發生的主題、模式和矛盾。個人會議會合成為綜合發現，而無需任何人手動編碼轉錄文本或構建親和圖。

整理參與者洞察。
每個參與者的會議都會單獨記錄，但他們的洞察也會按主題、功能或問題領域進行匯總。一位參與者提到的發現會與其他參與者的類似發現聯繫起來，從而勾勒出某個問題或需求有多廣泛的畫面。

一個活生生的知識庫，而非靜態的報告。

發現隨著每次會議更新。
您的研究知識庫不是在研究結束時撰寫的報告。隨著新會議的進行，它會持續更新。進行五次訪談，您會得到新興的主題。進行二十次訪談，您將擁有具備數十名參與者支持證據的穩健模式。

與產品決策相連。
研究發現與其提供資訊的產品文件相鏈接。當一項功能決策引用用戶反饋時，這種聯繫是雙向的。產品文件引用研究，研究文件則引用它們所影響的決策。

團隊中的任何人均可搜索。
設計師、工程師、產品經理和領導層都可以搜索研究知識庫，並向 AI 助手提問關於用戶反饋的問題。研究不再是被鎖在研究人員檔案中的東西，而是成為共享的組織知識。

研究綜合瓶頸。

用戶研究會產生大量的原始資料。單次一小時的訪談就會產生數千字的轉錄文本、數十個觀察結果以及多個潛在的洞察。將其乘以十個、二十個或五十個會議，數量就會變得難以管理。研究本身並不是瓶頸，綜合才是。閱讀轉錄文本、識別模式、編碼發現、構建親和圖以及撰寫結果所花費的時間，比最初進行研究的時間還要長。

這就是研究積壓存在的原因。團隊進行會議的速度快於他們綜合會議的速度。上個月研究的發現還在撰寫中，下一輪研究就已經開始了。當報告完成時，產品已經有了新的進展，發現也顯得過時了。有價值的洞察存在於無人有空查看的未處理錄音中。研究已經完成，知識已經產生，但它從未轉化為任何人都可以使用的格式。

自動進行的綜合。

Fabric 通過在研究會議發生時進行處理，消除了綜合瓶頸。錄製訪談，轉錄文本就會自動生成。關鍵發現、值得注意的引用和參與者觀察會被提取到結構化摘要中。隨著處理更多會議，Fabric 會識別出在參與者之間重複出現的主題、不同用戶之間的矛盾，以及隨著附加數據而加強或減弱的模式。

輸出結果不是所有發言的粗糙堆砌。它是按主題、按參與者以及按與特定產品領域的相關性進行組織的結構化研究文件。產品經理可以查找用戶對特定功能的看法。設計師可以搜索與特定工作流程相關的痛點。工程師可以理解需求背後的用戶情境。研究對需要它的人來說是觸手可及的，以他們可以使用的格式，而無需等待正式的報告。

跨越研究的研究記憶。

單個研究研究固然有價值，但研究知識庫的真正力量來自於隨著時間推移跨研究的積累。六個月前在研究中標記的易用性問題，當它在不同的背景下再次出現時，就變得更加重要。在早期探索研究中識別出的用戶需求，與數月後進行的 Beta 測試研究的反饋相聯繫。手動維護這些縱向聯繫幾乎是不可能的，因為這需要有人記住先前研究的發現並將其與當前研究聯繫起來。

Fabric 會自動維護這些聯繫。新會議的發現會與現有的知識庫進行對比。當某個主題或洞察與先前研究的內容產生共鳴時，該聯繫就會被記錄下來。經過數月和數年的研究，您將建立一個代表您組織對用戶完整理解的知識庫，而不僅僅是您在最近一輪研究中所學到的內容。對於進行持續研究計劃的研究團隊來說，這種縱向記憶是具有變革性的。

從研究人員的檔案到共享知識。

當研究發現傳達到決策者手中時，它們最具價值。但在大多數組織中，研究都留存在研究人員的檔案中，並通過僅展示一次隨後便被遺忘的投影片進行分享。最需要這些發現的人——做出功能決策的產品經理、在不同方法之間進行選擇的設計師、理解用戶情境的工程師——必須直接詢問研究人員，或者寄希望於在某處能找到相關的投影片。

Fabric 的研究知識庫通過搜索和 AI 助手，讓整個團隊都能獲取發現。準備規格說明的產品經理可以搜索相關問題領域的用戶反饋。設計師可以向 AI 助手詢問用戶對特定交互模式的看法。研究不會被鎖在演示文稿背後。它是團隊共享知識庫的一部分，與引用它的產品文件和決策記錄相連。

產出的內容。

會議摘要
每次研究會議的結構化摘要，包含關鍵發現、值得注意的引用、參與者檔案和觀察結果。由錄製的會議和研究人員筆記自動生成。

主題分析
在多個會議中識別出的重複主題，並附有來自個人參與者的支持證據。隨著來自其他會議的新數據輸入，主題會得到加強或轉變。

參與者檔案
個人參與者頁面，記錄他們在參與的所有會議中的反饋、洞察和值得注意的引用。便於引用特定的用戶觀點。

功能級反饋
按功能或產品領域組織的用戶反饋。用戶在所有研究中對特定功能的看法，匯總在同一個地方。

研究時間線
所有研究活動的時間順序記錄，顯示何時進行了研究、涉及多少參與者以及每一輪研究中出現了哪些主要發現。

使用場景

持續的產品研究
建立一個隨著每次會議而增長的研究知識庫。隨著證據在參與者和研究中積累，新興的主題會變成穩健的模式。了解 Fabric 如何支持研究。

易用性測試
會議錄音會被轉錄，發現會自動提取。易用性問題會在參與者之間進行追蹤，並與其影響的產品領域相連。

客戶探索
模式仍在形成中的早期階段研究。Fabric 會在主題發展時識別它們，並通過每次新的對話來加強或挑戰它們。發現會直接匯入產品文件中。

學術與定性研究
進行基於訪談之研究的學生和研究人員可獲得自動轉錄、主題分析和整理好的發現。通常需要數週時間的綜合步驟會在會議進行時同步完成。了解 Fabric 如何支持學位論文。

非常適合

用戶研究人員
將您的時間花在進行研究上，而不是綜合研究上。Fabric 處理轉錄、摘要生成和主題分析，以便您可以專注於產生洞察的對話。了解更多關於 Fabric 用於用戶研究的信息。

產品經理
無需等待正式的研究報告，即可獲取按功能和主題組織的用戶反饋。搜索用戶對您正在解決的問題的看法，並立即獲得答案。了解更多關於 Fabric 用於產品經理的信息。

研究團隊
建立一個跨越研究人員、研究和時間跨度的共享知識庫。新團隊成員可以搜索您組織研究的完整歷史，而無需從頭開始。了解更多關於 Fabric 用於研究團隊的信息。

沒有專職研究人員的初創公司
當團隊中的每個人都做一些用戶研究時，擁有一個自動整理發現的中央知識庫特別有價值。不需要任何單個人來主導綜合工作。了解更多關於 Fabric 用於初創公司的信息。

與其他功能無縫協作。

產品文件
研究發現與其提供資訊的產品文件相鏈接。引用用戶反饋的功能決策會鏈接回產生該反饋的研究。

音訊和視訊轉錄
研究會議會自動轉錄，並帶有時間戳且可搜索的輸出。AI 助手可以引用參與者說出特定內容的確切時刻。

AI 助手
向您的 AI 助手提問關於您研究的問題。「用戶對新手導引有什麼看法？」「有多少參與者提到價格是一個令人擔憂的問題？」它會搜索您的整個知識庫並引用特定的會議。

註釋
用您自己的觀察來註釋會議轉錄文本和摘要。您的手動筆記將與自動生成的分析一起被保留。

常見問題

Fabric 使用哪些來源來構建研究知識庫？
知識庫是由您工作區中的錄製研究會議、研究人員筆記以及 Slack 或 Discord 中的相關討論組裝而成的。每個來源都提供不同類型的背景資訊。

Fabric 是否取代了手動定性分析？
Fabric 自動化了轉錄、摘要生成和初步的主題分析。研究人員可以審查、完善和深化 Fabric 產生的分析。它處理了耗時的第一輪篩選，以便研究人員可以專注於解釋和洞察。

Fabric 如何識別跨會議的主題？
Fabric 讀取所有會議摘要，並識別出在參與者之間重複出現的主題、觀察和反饋。主題會與來自個人會議的支持證據一起呈現，並隨著更多數據證實它們而得到加強。

我可以搜索用戶對特定功能的看法嗎？
可以。研究知識庫可以按功能、主題或關鍵字進行搜索。您還可以要求您的 AI 助手匯總參與者在所有會議中對特定主題的所有發言。

隨著我進行更多會議，知識庫會更新嗎？
會的。每個新會議都會添加到知識庫中。主題會被重新評估，新的模式會浮現，現有的發現會被附加的數據所加強或挑戰。知識庫是一個活生生的文件，而不是一個靜態的報告。

我可以查看發現背後的原始轉錄文本嗎？
可以。每個發現都會鏈接回其來源的會議摘要和完整轉錄文本。您可以點擊進入錄音中參與者發表相關評論的特定時間戳。

非研究人員可以訪問知識庫嗎？
可以。知識庫是您 Fabric 工作區的一部分，具有您設置的任何權限。產品經理、設計師、工程師和領導層都可以搜索和引用研究發現。

這如何處理參與者的隱私？
您控制知識庫中包含哪些信息。參與者姓名可以被匿名化，並且可以使用細粒度權限和密碼保護來限制對知識庫的訪問。

我可以將其用於學術研究嗎？
可以。同樣的功能也適用於學術定性研究。訪談轉錄、主題分析和整理好的發現適用於學位論文研究、文獻探討以及任何基於訪談的研究。了解更多關於 Fabric 用於學生的信息。

哪些方案包含用戶研究知識庫？
自動撰寫的用戶研究文件在團隊方案中可用。詳情請參閱團隊定價。