用户访谈，
让 Agent 听见用户的声音。
在 Agentic Engine 中直接发起 AI 用户访谈：按行为圈人、在关键时刻触发，访谈结论附原话写回用户标签和知识库，所有 Agent 都可以调用。
100%
结论附原话
MCP
标准协议调用
7
类认证与合规
用户访谈
Voice of User
数据分析 Agent
A/B 实验 Agent
智能运营 Agent
用户标签
知识库
MCP / AE-CLI
数据分析 AgentA/B 实验 Agent智能运营 Agent用户标签知识库MCP / AE-CLI
行为数据讲结果，用户访谈讲原因
把行为数据和用户原话放进同一套上下文
只看行为数据
知道第 3 关流失率高、礼包页转化低，但不知道用户当时在想什么。
只做传统访谈
知道用户怎么说，但样本少、周期长，也对不上真实行为。
行为数据 + 用户访谈
按行为圈人、按行为触发访谈，再把说法和行为放在一起验证。Agent 拿到的是有原话支撑的原因。
按行为设置触发规则，访谈自动进行
在 Agentic Engine 里用事件和用户属性定义触发条件，访谈持续汇入同一项研究。
触发规则+
连续 7 天未登录
流失用户
申请退款
付费用户
查看首充礼包后未付费
新用户 · D1–D7
NPS 评分 ≤ 6
全部用户
频率上限：每位用户 30 天内最多邀请 1 次
事件 + 属性组合
用任意埋点事件、用户属性和分群定义触发条件，和其他 Agent 共用同一套数据。
邀请时机可控
设置延迟、时段和频率上限，避免打扰用户；受访者可以随时退出。
持续汇入研究
每次触发都进入同一项研究，结论随样本增加实时更新。
样本自动配额
按渠道、付费层级设置配额，各类用户都能访到，不只听最活跃的那批人。
闭环验证：用行为数据检验结论
改动上线后，用行为数据把每条结论标为已证实、待验证或被推翻，并写回知识库。
言行对照
把受访者的说法和真实行为放在一起看，找出说的和做的不一致之处。
关联业务指标
每条结论关联留存、付费等指标，改动上线后自动追踪变化。
结论标注状态
每条结论都有已证实、待验证或被推翻的状态，决策时一目了然。
写回知识库
验证过的结论回到知识库，下一次研究先查已有证据，不必重复访谈。
结论验证 · 低糖酸奶复购研究
顾客说的
「挺好喝的，就是我最近不怎么买酸奶了。」
行为数据显示
首购后 30 天没有复购，同期买了两次另一款无糖酸奶。
早餐场景嫌太甜，影响复购已证实
广告画面让人联想到健身，没联想到早餐待验证
价格是不复购的主要原因被推翻
从行为信号到行动，一条链路
用户访谈接入行动闭环：发现异常、问清原因、验证改动
行为信号
流失、退款、放弃付费等事件触发
AI 访谈
按提纲提问并实时追问
原因与原话
洞察附原话，研究员审核
写回标签
结论写回用户标签与知识库
Agent 行动
分析、实验、运营 Agent 接着执行
与各个 Agent 协同
用户访谈是所有 Agent 都能调用的一项能力
数据分析 Agent
发现留存下滑后，自动对流失用户发起访谈，把「哪里掉了」和「为什么掉」放进同一份分析。
A/B 实验 Agent
实验结束后分别访谈两组用户，解释胜出方案为什么更好，指导下一轮实验。
智能运营 Agent
按访谈得出的原因标签圈选人群，推送对应的引导、补偿或优惠。
自主创建 Agent
通过 MCP 服务和 AE-CLI 调用访谈能力，在自定义流程里发起研究、取回结论。
关于 heari.ai
用户访谈能力，由 heari.ai 提供
heari.ai 是 ThinkingAI 推出的 AI 用户研究平台：AI 设计调研、AI 实时访谈、AI 制作洞察报告。它可以独立使用，也可以与 Agentic Engine 打通，让行为数据和用户原话进入同一套上下文。
- 每一条结论都有原话作证
- 用各自的母语访谈全球用户
- 沿用 ThinkingAI 服务 1500+ 企业的部署与安全经验
“
每天光清日常就要四十分钟，下班回来根本没时间玩别的。
受访者 055 · 30 天未登录 · 02:36055
