user-research-analysis — скилл для Claude Code: анализ интервью
Скилл для разбора интервью и опросов: вытаскивает темы, боли и цитаты, чтобы решения по дизайну опирались на данные.
npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a claude-codeЧто делает user-research-analysis
Скилл помогает превратить сырые записи интервью и ответы опросов в набор тем и выводов. Внутри — пример на Python: класс ResearchAnalysis с методами synthesize_interviews, identify_themes, extract_key_quotes, identify_pain_points и identify_opportunities. Темы он сортирует по частоте упоминаний, а не по громкости одного голоса.
Кроме кода в скилле есть четыре справочника в каталоге references/: методы синтеза, affinity mapping, документирование инсайтов и матрица валидации. Плюс список практик — триангуляция находок из разных источников, фиксация цитат и доказательств, отделение факта от интерпретации.
Скилл прямо предупреждает: не переинтерпретируйте маленькие выборки и не подбирайте цитаты под готовый вывод. Если у вас три интервью и уже есть любимая гипотеза, инструмент этого не исправит — он лишь покажет, что данных мало. Работает в Claude, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode.
Какие задачи решает
- свести интервью в список повторяющихся тем
- найти боли пользователей в расшифровках разговоров
- отделить наблюдения от собственных домыслов
- подкрепить вывод по дизайну цитатами и доказательствами
- проверить гипотезу на данных из нескольких источников
Примеры запросов агенту
- разбери эти расшифровки интервью и выпиши темы по частоте
- найди болевые точки в ответах опрошенных и подкрепи их цитатами
- собери матрицу валидации по этим находкам
Как установить user-research-analysis
1Через Skills CLI (Vercel)
npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a claude-code2Вручную: положить файлы
~/.claude/skills/user-research-analysis/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/user-research-analysis/
1Через Skills CLI (Vercel)
npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a codex2Вручную: положить файлы
.agents/skills/user-research-analysis/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a cursor2Вручную: положить файлы
.cursor/skills/user-research-analysis/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install aj-geddes/useful-ai-prompts user-research-analysis2Вручную: положить файлы
.github/skills/user-research-analysis/SKILL.md1Через Skills CLI (Vercel)
npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a gemini-cli2Командой платформы
gemini skills install https://github.com/aj-geddes/useful-ai-prompts --path skills/user-research-analysisВручную: положить файлы
.devin/skills/user-research-analysis/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Из того же набора118
Похожие
Рядом в теме «Наука и исследования»
Всё по теме «Наука и исследования» →Вопросы о user-research-analysis
Как установить user-research-analysis в Claude?
Выполните npx skills add aj-geddes/useful-ai-prompts --skill user-research-analysis -a claude-code. После этого файл скилла лежит в ~/.claude/skills/user-research-analysis/SKILL.md.
Что делает user-research-analysis?
Разбирает качественные и количественные данные исследований: выделяет темы, цитаты, боли и возможности, а затем сводит это в рекомендации для дизайна.
С какими платформами он совместим?
Claude, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode. Для каждой платформы своя команда установки, файл скилла кладётся в её каталог.
Исходный текст
SKILL.md · MIT
---
name: user-research-analysis
description: >
Analyze user research data to uncover insights, identify patterns, and inform
design decisions. Synthesize qualitative and quantitative research into
actionable recommendations.
---
# User Research Analysis
## Table of Contents
- [Overview](#overview)
- [When to Use](#when-to-use)
- [Quick Start](#quick-start)
- [Reference Guides](#reference-guides)
- [Best Practices](#best-practices)
## Overview
Effective research analysis transforms raw data into actionable insights that guide product development and design.
## When to Use
- Synthesis of user interviews and surveys
- Identifying patterns and themes
- Validating design assumptions
- Prioritizing user needs
- Communicating insights to stakeholders
- Informing design decisions
## Quick Start
Minimal working example:
```python
# Analyze qualitative and quantitative data
class ResearchAnalysis:
def synthesize_interviews(self, interviews):
"""Extract themes and insights from interviews"""
return {
'interviews_analyzed': len(interviews),
'methodology': 'Thematic coding and affinity mapping',
'themes': self.identify_themes(interviews),
'quotes': self.extract_key_quotes(interviews),
'pain_points': self.identify_pain_points(interviews),
'opportunities': self.identify_opportunities(interviews)
}
def identify_themes(self, interviews):
"""Find recurring patterns across interviews"""
themes = {}
theme_frequency = {}
for interview in interviews:
for statement in interview['statements']:
theme = self.categorize_statement(statement)
theme_frequency[theme] = theme_frequency.get(theme, 0) + 1
# Sort by frequency
// ... (see reference guides for full implementation)
```
## Reference Guides
Detailed implementations in the `references/` directory:
| Guide | Contents |
|---|---|
| [Research Synthesis Methods](references/research-synthesis-methods.md) | Research Synthesis Methods |
| [Affinity Mapping](references/affinity-mapping.md) | Affinity Mapping |
| [Insight Documentation](references/insight-documentation.md) | Insight Documentation |
| [Research Validation Matrix](references/research-validation-matrix.md) | Research Validation Matrix |
## Best Practices
### ✅ DO
- Use multiple research methods
- Triangulate findings across sources
- Document quotes and evidence
- Look for patterns and frequency
- Separate findings from interpretation
- Validate findings with users
- Share insights across team
- Connect to design decisions
- Document methodology
- Iterate research approach based on learnings
### ❌ DON'T
- Over-interpret small samples
- Ignore conflicting data
- Base decisions on single data point
- Skip documentation
- Cherry-pick quotes that support assumptions
- Present without supporting evidence
- Forget to note limitations
- Analyze without involving participants
- Create insights without actionable recommendations
- Let research sit unused
© aj-geddes · MIT · aj-geddes/useful-ai-prompts