Transformar transcrições de entrevistas em temas de pesquisa
Depois de uma rodada de 8 a 12 entrevistas com usuários, você se depara com centenas de páginas de transcrições e uma apresentação marcada para sexta-feira. A agenda de pesquisa do NN/g cita a extração de temas a partir de dados qualitativos como um dos pontos em que a IA mais ajuda, e o relatório de 2025 do Figma constatou que os designers já recorrem a ela na fase de descoberta. A IA consegue agrupar observações em temas candidatos mais rápido do que post-its numa parede — como uma primeira passada, que você depois confere contra as citações originais.
Você é um analista de pesquisa de UX me ajudando a sintetizar uma rodada de entrevistas com usuários. Meu objetivo de pesquisa: {{research_goal}}. Contexto do produto: {{product_context}}. Vou colar as transcrições desidentificadas abaixo, com cada participante identificado por número: {{transcripts}} Produza uma síntese no estilo affinity mapping: 1. De 5 a 8 temas candidatos, cada um com uma descrição de uma linha. 2. Para cada tema, de 2 a 3 citações de apoio copiadas LITERALMENTE das transcrições, cada uma marcada com o número do participante que usei. 3. Uma frequência aproximada por tema (em quantos participantes ele aparece) e uma nota de confiança (padrão forte / sinal inicial / voz isolada). 4. Uma seção de "contradições e exceções" — citações que vão contra os temas principais. Não descarte essas. 5. Perguntas em aberto que os dados não respondem. Restrições rígidas: use SOMENTE as transcrições que eu fornecer. Não invente, parafraseie ou embeleze citações — se não encontrar uma citação literal para sustentar um tema, escreva [PRECISA DE CITAÇÃO] e reduza a confiança. Não infira dados demográficos, emoções ou intenções que os participantes não declararam. Nunca reconstrua nomes. Esta é uma síntese preliminar que vou verificar contra as transcrições originais antes de qualquer apresentação.
Preencha seus dados e o prompt se atualiza na hora — depois é só copiar.