Product Management
Đăng nhập
ESC

Nhập từ khóa để tìm kiếm

↑↓ Di chuyển
Enter Mở
ESC Đóng

Bài 3 — Discovery với AI: tổng hợp interview & feedback thành insight

Đã đọc 0/12 mục · còn khoảng 4 phút
Cách chúng tôi ghi nhận

Một mục được tính là đã đọc khi nó nằm giữa màn hình đủ lâu so với độ dài của nó (bảng và sơ đồ tính một nửa), bạn vẫn đang cuộn hoặc bấm phím, và bạn đã thấy tới cuối mục. Lướt nhanh hoặc để tab mở không được tính. Chúng tôi chỉ lưu thời gian đọc từng mục — không lưu gì khác.

Bối cảnh & vấn đề

Discovery là nơi PM dễ đuối nhất: 8 buổi phỏng vấn, mỗi buổi 45 phút transcript, cộng hàng trăm feedback rời rạc. Đọc hết mất cả tuần, và bạn dễ bị thiên kiến chỉ nhớ vài câu "hợp ý mình". AI giúp bạn đọc toàn bộ, phân cụm khách quan và tìm pattern — nhưng bạn phải kiểm soát để nó không bịa insight.

AI làm gì trong discovery

  • Tóm tắt transcript phỏng vấn theo cấu trúc (pain, mong muốn, workaround).
  • Phân cụm feedback thành chủ đề, đếm tần suất.
  • Trích quote nguyên văn làm bằng chứng.
  • Đặt câu hỏi phản biện: "insight này có bằng chứng đủ mạnh không?"
  • Sinh câu hỏi phỏng vấn/survey không dẫn dắt.

Ví dụ cụ thể

Bạn có 6 transcript phỏng vấn về tính năng onboarding. Bạn cần biết: đâu là pain lặp lại, có mâu thuẫn giữa các user không.

Prompt mẫu

Bạn là trợ lý nghiên cứu người dùng cho Product Manager.
Dưới đây là transcript 6 buổi phỏng vấn (đã đánh số P1-P6).
Nhiệm vụ:
1) Với mỗi người: liệt kê Pain / Mong muốn / Workaround họ đang dùng.
2) Tổng hợp các Pain lặp lại ≥2 người, kèm mã người (VD: P1,P3).
3) Nêu các điểm MÂU THUẪN giữa những người dùng.
4) Mỗi insight PHẢI kèm quote nguyên văn làm bằng chứng.
5) Nếu không đủ bằng chứng, ghi rõ "chưa đủ dữ liệu" — TUYỆT ĐỐI không suy diễn.

[dán transcript P1..P6]

Các bước làm

  • Chuẩn hóa dữ liệu: gộp transcript, đánh số người tham gia (P1, P2...).
  • Ẩn danh PII (tên, số điện thoại, email) trước khi dán.
  • Chạy prompt tổng hợp có yêu cầu quote bắt buộc.
  • Tự đọc lại từng quote để xác nhận AI trích đúng ngữ cảnh.
  • Xếp insight theo mức độ bằng chứng (mạnh/vừa/yếu) trước khi đưa vào roadmap.
  • Ghi lại insight bị loại và lý do — để minh bạch khi stakeholder hỏi.

Template tái dùng: Bảng insight có bằng chứng

InsightSố người nhắcQuote bằng chứngMức độ tin cậyHành động đề xuất
Onboarding quá dài4/6"Tôi bỏ giữa chừng vì..."MạnhRút gọn còn 3 bước
Cần import dữ liệu2/6"Nhập tay 200 dòng..."VừaĐiều tra thêm

Sai lầm thường gặp

  • Tin insight AI mà không có quote (ảo giác): AI có thể "tổng hợp" ra pain mà không ai nói. Bắt buộc mọi insight kèm quote nguyên văn; không quote = không tính.
  • Dán transcript có PII vào tool công cộng (rò rỉ dữ liệu): transcript thường chứa tên, công ty, email khách. Ẩn danh trước.
  • Để AI kết luận thay bạn (phụ thuộc quá mức): AI đếm được tần suất nhưng không hiểu tầm quan trọng chiến lược. Bạn quyết insight nào lên roadmap.
  • Prompt dẫn dắt: nếu bạn hỏi "tính năng X có được thích không", AI sẽ tìm bằng chứng ủng hộ. Hỏi trung lập: "user nói gì về X, cả tích cực lẫn tiêu cực".
  • Bỏ qua sample nhỏ: 6 người không đại diện toàn bộ; ghi rõ giới hạn mẫu.
<!--les-append-->

Ba cách AI bịa insight, và cách chặn từng cái

Cách bịaBiểu hiệnCách chặn
Suy diễn quá xa từ ít dữ liệu"Người dùng muốn X" khi chỉ một người nhắcBắt đếm: "có bao nhiêu người nói điều này?"
Trộn quote với diễn giảiCâu nghe như trích dẫn nhưng không ai nói vậyYêu cầu nguyên văn, có đánh dấu người nói
Làm mượt phần mâu thuẫnBản tóm tắt nhất quán hơn dữ liệu thậtHỏi riêng: "có ý kiến nào trái ngược nhau không?"
Cách thứ ba nguy hiểm nhất vì nó làm bản tóm tắt trông thuyết phục hơn sự thật. Dữ liệu người dùng thật luôn có mâu thuẫn; một bản tóm tắt gọn gàng quá mức là dấu hiệu cảnh báo.

Ba câu lệnh kiểm tra bắt buộc

Sau khi AI tóm tắt, chạy ba câu này trước khi dùng kết quả:

  • "Với mỗi kết luận, trích nguyên văn câu nói làm bằng chứng, kèm số hiệu transcript."
  • "Có ý kiến nào trái ngược với kết luận trên không? Trích ra."
  • "Kết luận nào chỉ dựa trên một người nói?"
Câu 1 là câu quan trọng nhất: nếu AI không trích được nguyên văn, kết luận đó là suy diễn.

Việc AI làm tốt và việc bạn phải tự làm

AI làm tốtBạn phải tự làm
Đọc hết 200 feedback (bạn không làm nổi)Quyết định insight nào đáng hành động
Phân cụm theo chủ đề, đếm tần suấtĐánh giá mức độ nặng của từng pain
Trích quoteNhận ra điều khách không nói ra
Đặt câu hỏi phản biệnBiết ai trong số họ là khách mục tiêu
Cột phải đều đòi bối cảnh mà AI không có. Và dòng thứ ba đáng chú ý: phần quan trọng nhất của discovery thường là điều người dùng không nói — và điều đó chỉ thấy được khi bạn ngồi xem họ làm việc.

AI không thay việc quan sát trực tiếp

Đây là ranh giới cần nói rõ. AI giúp bạn xử lý khối lượng lớn văn bản đã có. Nó không thay được việc ngồi xem một người dùng thật loay hoay — và trải nghiệm đó thay đổi mức độ ưu tiên theo cách không bản tóm tắt nào làm được.

Giữ hạn mức cứng: mỗi tháng, mỗi PM gặp một người dùng thật, một giờ, không có AI ở giữa.

Làm ngay

Lấy bản tóm tắt AI gần nhất bạn có và chạy ba câu kiểm tra. Đếm bao nhiêu kết luận không trích được nguyên văn — đó là số kết luận bạn đang tin mà không có bằng chứng. <!--/les-append-->

Học xong bài này rồi? Tạo tài khoản miễn phí để lưu lại — lần sau vào là biết ngay đang dở ở đâu, và học hết khóa thì có chứng chỉ. Lưu tiến độ của tôi