简答：概念测试访谈是让受访者对一个描述出来或做成原型的产品概念作出反应，并深入追问为什么的主持式对话。采用单一概念（monadic）设计，按购买决策而非人口统计特征招募，把反应与购买意愿区分开，并把陈述性偏好当作假设 — 而不是预测。
\n\n概念测试是指在动手开发之前，把一个想法 — 产品、功能、定位语、包装或广告 — 呈现给目标受众，观察他们如何反应。Contentsquare 的概念测试指南把它定义为收集对新想法的反馈，用以判断可行性并改进最终产品。
\n概念测试访谈是其中的定性一半。问卷告诉你 62% 的人给某个概念打了 4 分或 5 分；访谈则告诉你他们打 4 分是因为误读了定价模式 — 这是完全不同的产品决策。包括 Qualtrics 和 Looppanel 在内的多数实务指南都建议二者结合，而不是二选一。
\n\n概念测试最常见的失败，是做了一个什么都改变不了的研究。在起草任何问题之前，先写下这样一句话：
\n\"如果受访者的反应是 [X]，我们就 [做 A]；如果是 [Y]，我们就 [做 B]。\"
\n如果你无法用团队真正会采取的行动填满这两个分支，那你做的是自我安慰，而不是研究。要么砍掉这个研究，要么重新界定决策。
\n\n设计决定了你的数据能支撑什么、不能支撑什么。截至 2026 年 8 月 4 日，实务中常用的三种设计各有取舍：
\n| 设计 | 做法 | 最适合 | 主要风险 |
|---|---|---|---|
| 单一概念（monadic） | 每位受访者只看一个概念 | 对单个概念获得干净、无污染的读数 | 要比较多个方案需要更多受访者 |
| 连续单一概念 | 每位受访者按轮换顺序看多个概念 | 用较小样本比较 2–4 个方案 | 顺序与疲劳效应；靠后的概念得到的反应更浅 |
| 对比 / 选择式 | 多个概念并排呈现 | 明确的权衡决策与优先级排序 | 会逼出市场上其实并不存在的偏好 |
定性工作默认选单一概念设计。并排对比会制造出差异化：即使真实顾客在市场上单独遇到其中任何一个都察觉不到区别，受访者也一定会在两个概念之间找出差异。Decision Analyst 那份历史悠久的概念测试白皮书就\"独特性\"陷阱提出了相关论点 — 测试环境中的新奇感，与购买环境中的差异化并不是一回事。
\n\n\"B2B SaaS 公司的 UX 研究员，25–45 岁\"是人口统计。\"过去 12 个月内为团队选过研究工具的人\"才是决策。第二种甄别问卷得到的是你能据以行动的概念反馈；第一种得到的只是意见。
\n实用的甄别规则：
\n概念刺激材料应当中性、完整、平淡。三条规则：
\n下面是 Qualitati 概念追问阶梯 — 针对每个概念的五级追问序列。每一级都必须问透才能进入下一级；直接跳到第 4 级，正是团队最终只拿到客气而无用数据的原因。
\n| 层级 | 目标 | 示例提问 |
|---|---|---|
| 1. 理解 | 确认他们在无提示下理解了这个概念 | \"用你自己的话说，这是什么，是给谁用的？\" |
| 2. 相关性 | 把概念定位到他们真实的生活或工作流中 | \"你上一次遇到这个概念要解决的问题是什么时候？带我走一遍。\" |
| 3. 反应与理由 | 同时拿到评价和其依据 | \"你的第一反应是什么？具体是什么在驱动这个反应？\" |
| 4. 替代 | 识别真正的竞争集合 | \"如果它明天就存在，你会停止做什么？\" |
| 5. 采纳成本 | 暴露那些扼杀好概念的阻力 | \"在你能用上它之前，还需要谁点头同意？\" |
第 4 级是最少被用到、也最具诊断力的一级。一个反应热烈、却答不出\"你会停止做什么\"的概念，就是一个背后没有预算的概念。
\n\n概念测试访谈的分析单元是理由，不是分数。对每份访谈记录编码四件事：
\n然后统计频次。如果 8 位受访者中有 7 位误读了同一句话，这个发现的决策价值远高于 3.8 的平均分。
\n\n在正式执行之前给你的研究打分，满分 10 分。低于 7 分，产出的数据只会让团队争论，而不会让团队行动。
\n| # | 标准 | 通过条件 |
|---|---|---|
| 1 | 决策界定 | if/then 决策的两个分支都已写下，且团队都能接受 |
| 2 | 设计匹配 | 除非决策确实是在多个方案间做选择，否则采用单一概念设计 |
| 3 | 甄别有效性 | 按明确的近期时间窗内的行为甄别，而非按声称的兴趣 |
| 4 | 可证伪人群 | 至少纳入一个有可能拒绝该概念的细分人群 |
| 5 | 刺激材料中性 | 无推销性形容词；各概念保真度一致 |
| 6 | 呈现价格 | 展示了价格，或明确的价格占位说明 |
| 7 | 追问深度 | 每个概念的提纲都触及第 4 级（替代） |
| 8 | 样本下限 | 每个概念、每个明确细分人群 ≥ 5–8 位受访者 |
| 9 | 分析计划 | 编码框架在执行前写好，而不是事后补 |
| 10 | 定量跟进 | 对任何会牵动重大投入的定性信号，已有量化定级计划 |
对探索性概念工作而言，每个概念、每个有实质差异的细分人群 5 到 8 场访谈，是一个站得住脚的起点。这个逻辑借自可用性研究：Nielsen Norman Group 的五用户经验法则建立在同质用户群体内边际收益递减之上 — 而 NN/g 明确指出，该法则只是迭代的起点，并不适用于定量测量或异质受众。
\n这条注意事项在概念测试中比在可用性测试中更重要。可用性问题是界面的属性，会在不同用户身上重复出现；概念反应则是个人处境的属性，不会重复。如果你有三类买家，你就有三个研究，而不是一个。
\n\nQualitati 是一个面向产品、UX 与客户洞察团队的 AI 用户研究平台。具体到概念测试：
\n定价按 credit 公开列出，新账户注册即获 30 credits，无需信用卡。查看透明定价或用 30 credits 免费开始。
\n\n概念测试访谈有实实在在的方法论天花板，值得直说。
\n当概念测试访谈围绕一个决策来构建、采用单一概念设计、按行为招募、并一路追问到替代与采纳成本时，它才对得起自己的成本。在定量测试之前做它，编码理由而非评分，并对陈述性意愿的数字保持克制。
\n\n概念测试评估一个想法值不值得做；可用性测试评估做出来的东西能不能用。概念测试发生在设计投入之前，可用性测试在之后。二者的方法、样本逻辑和成功标准都不同。
\n在连续单一概念设计中测 2 到 4 个，并在受访者之间轮换顺序。超过 4 个，疲劳会把靠后的反应压平，数据也就不再可比。
\n可以。AI 主持访谈能对大量受访者同时执行一致的追问序列并作自适应追问，这很适合概念测试，因为其提纲高度结构化。敏感或情绪复杂的概念仍然更适合人类主持人。
\n应该，或者明确说明定价尚未确定。没有价格就被评价的概念，实际上是在零成本下被评价的，这会抬高之后的每一个信号。
\n就方向判断和问题诊断而言，往往够。但涉及重大投入的 go/no-go 决策则不够 — 请补一个样本量足以侦测到会改变你决策的差异的定量概念测试。
\n每个概念、每个明确细分人群 5 到 8 位受访者是合理的探索性下限。真正决定所需样本量的是人群异质性，而不是总人数。
\n\n在 Qualitati 上运行一次 AI 主持的概念测试、一份对话式问卷，或一个主题分析项目。用 30 credits 免费开始 — 无需信用卡 — 或比较透明的按 credit 定价。也可参阅我们关于撰写 AI 主持访谈提纲、为 AI 主持访谈设计甄别问卷以及开展持续发现访谈的指南。
\n\n最后更新：2026 年 8 月 4 日。本指南是对公开方法论资料的独立编辑性综述；文中产品描述仅涉及 Qualitati。
\n","related":[{"slug":"qualitative-methods-section-template-2026","title":"如何撰写定性研究的方法部分（2026 模板）","description":"如何撰写定性研究方法部分：九模块写作模板、COREQ/SRQR/JARS-Qual 选择表，以及报告 AI 使用的新 COREQ+LLM 清单（31 项）。","category":"操作指南","date":"2026-10-13","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"nps-follow-up-interviews-ai-2026","title":"如何用 AI 访谈跟进 NPS 评分","description":"如何用 AI 访谈跟进 NPS 评分：在三个群体中抽样，以客户原话开场，中立追问，并按群体对主题编码，让分数背后的原因真正落地。","category":"操作指南","date":"2026-09-22","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"how-to-write-user-research-plan-2026","title":"如何撰写用户研究计划（2026 模板）","description":"为 AI 主持访谈撰写用户研究计划：9 个模块的模板、就绪度评分表，以及人工判断必须保留的环节。","category":"操作指南","date":"2026-09-15","readTime":"9 分钟阅读","author":"Qualitati 研究团队"}]}