01

60 秒回答模板

我会把信任建立看成一个随使用次数变化的过程，而不是一次问卷分数。研究上先用定性方法理解信任来源：访谈用户在第一次尝试、遇到错误、被系统纠正、完成关键任务后的感受；也可以用日记研究记录连续使用中信任如何上升、下降或修复。基于定性发现，再设计定量量表和行为指标。量表可以覆盖能力信任、善意感、可解释性、可控感、边界清晰度和风险感知；行为指标可以看复用率、建议采纳率、遇错后是否继续使用、是否主动给更多上下文、是否愿意让 AI 处理更高风险任务。日志分析要按新用户、熟练用户、任务类型和错误经历分层。最后用三角互证：访谈解释为什么，问卷衡量程度，行为日志验证是否真的影响使用。结论应输出信任形成路径、关键破坏点和可验证的产品改进假设。

考点 时间路径
难度 真实面经题
回答目标 设计混合方法研究闭环
02

深入解析

01

信任是随使用变化的过程

AI 助手的信任不是用户第一次打分就能说明的。用户会先形成初始期待，随后通过成功任务、失败体验、解释方式、纠错能力和长期一致性来调整信任。回答时要把研究对象定义成信任建立、破坏和修复的动态过程。

02

定性研究负责发现信任机制

可以用深度访谈、可用性测试、任务回放和日记研究，追问用户在哪些瞬间开始相信、犹豫或放弃 AI 助手。重点不是问“你信不信”，而是让用户复盘具体场景：系统答对了什么、错在哪里、是否承认不确定、是否给出可验证依据。

03

定量研究负责验证影响强度

定量部分可以设计信任量表，覆盖能力、稳定性、可解释性、控制感、边界清晰度、隐私担忧和风险感知。再结合实验或大样本问卷，验证不同交互策略、任务类型和错误经历对信任分数的影响。量表条目要来自前期定性锚点，并做一致性和区分度检查。

04

行为日志验证用户是否真的信任

信任最终要落到行为上。可以观察复用率、连续使用间隔、建议采纳率、主动补充上下文、遇到错误后是否继续尝试、是否把更复杂或更敏感任务交给助手。行为指标能弥补问卷里的礼貌性回答和回忆偏差。

05

三角互证产出可迭代结论

混合方法的价值是把“为什么”和“有多大影响”连起来。访谈发现信任破坏点，问卷衡量人群规模，日志验证实际行为，再按任务类型和用户阶段分层。最终输出的不是一组分数，而是信任形成路径、关键风险点和下一轮产品实验假设。

03

易错点

  • 把混合方法答成满意度问卷加 DAU，看不出信任建立过程。
  • 只讲定性访谈，没有说明如何量化和验证发现。
  • 只看用户自述信任，不看实际采纳、复用和遇错后的行为。
  • 没有按使用阶段、任务风险和用户类型分层分析。
  • 把信任提升写成单向目标，忽略合理不信任和能力边界。
04

面试官追问

为什么不能只用问卷研究信任？

问卷能量化态度，但很难解释信任变化的具体原因，也容易受回忆偏差影响。需要访谈和行为日志互相校验。

信任和满意度有什么区别？

满意度偏一次体验评价，信任更强调未来是否愿意继续依赖系统，尤其在有风险或不确定任务中是否愿意采纳建议。

如何研究 AI 出错后的信任修复？

可以比较不同错误处理方式，比如承认不确定、解释原因、给出校验路径、建议人工处理，再观察后续使用和采纳行为。

行为日志里哪些信号能代表信任？

复用、建议采纳、主动提供更多上下文、遇错后继续使用、把更复杂任务交给系统，都比单纯打开次数更接近信任行为。