User Research Synthesis

User Research Synthesis ist ein offizieller Anthropic-Skill für die strukturierte Auswertung qualitativer und quantitativer Nutzerforschung. Der von Smithery zuerst referenzierte Pfad im Product-Management-Plugin ist aktuell nicht mehr erreichbar. Die offizielle Sammlung verweist auf den inhaltlich passenden und erreichbaren Pfad design/skills/research-synthesis im Repository knowledge-work-plugins. Laut Anbieter dient der Skill dazu, Interviewtranskripte, Umfrageergebnisse, Usability-Testnotizen, Support-Tickets, NPS- oder CSAT-Antworten und App-Store-Bewertungen in handlungsfähige Erkenntnisse zu überführen. Er ist eine Arbeitsanweisung für einen kompatiblen Claude-Ablauf, keine eigenständige Forschungsplattform, kein Umfragetool und kein Ersatz für erfahrene Researcher.

Eingaben und Fragestellung

Der offizielle Skill akzeptiert sowohl frei eingefügte Forschungsdaten als auch Dateien und Ergebnisse aus verbundenen Quellen. Vor der Analyse sollte das Team den Untersuchungszweck, die Zielgruppe, den Zeitraum und die Grenzen der Stichprobe festhalten. Interviewnotizen und Transkripte können individuelle Erlebnisse sichtbar machen. Umfragen liefern breitere Rückmeldungen, benötigen aber eine sorgfältige Betrachtung von Antwortauswahl, Rücklauf und Formulierung. Usability-Tests zeigen beobachtetes Verhalten in einer konkreten Aufgabe. Support-Tickets, NPS-Antworten und App-Store-Rezensionen ergänzen diese Perspektiven um wiederkehrende Probleme und spontane Sprache. Laut Anbieter ist die Qualität der Synthese davon abhängig, wie vollständig und repräsentativ die bereitgestellten Daten sind.

Themen und Evidenz

Der Kern des Ablaufs ist die thematische Verdichtung. Wiederkehrende Aussagen werden zu Themen gruppiert, ohne jede Beobachtung vorschnell als allgemeine Wahrheit zu behandeln. Für jedes Thema sollte erkennbar sein, wie häufig es vorkommt, welche Personen oder Segmente betroffen sind und welche konkreten Belege es stützen. Direkte Zitate machen die Stimme der Nutzenden nachvollziehbar, müssen jedoch von personenbezogenen oder vertraulichen Angaben bereinigt werden. Der Skill trennt ausdrücklich Beobachtungen von Interpretationen. Die Feststellung, dass mehrere Personen eine Schaltfläche nicht gefunden haben, ist eine Beobachtung. Die Erklärung, dass die Platzierung verwirrend ist, ist eine Interpretation, die durch weitere Hinweise geprüft werden sollte.

Segmente und Chancen

Aus den Mustern können Nutzersegmente mit gemeinsamen Eigenschaften, Bedürfnissen und ungefährer Größe entstehen. Ein Segment ist keine stereotype Persona und darf nicht allein aus einzelnen lauten Stimmen abgeleitet werden. Danach verbindet der Ablauf Erkenntnisse mit Chancen. Eine Erkenntnis beschreibt, was gelernt wurde. Eine Chance formuliert, welche Verbesserung oder welches Experiment daraus entstehen könnte. Priorisierungen sollten Wirkung und Aufwand sichtbar machen und als Hypothese behandelt werden, nicht als automatische Produktentscheidung. Die Synthese kann Teams helfen, eine Roadmap, ein Experiment oder eine weitere Forschungsfrage zu formulieren, sie entscheidet aber nicht selbst über Budget, Verpflichtungen oder die Reihenfolge der Produktarbeit.

Ergebnisstruktur und Grenzen

Die offizielle Vorlage sieht einen Research Synthesis Report mit Studienname, Methode, Teilnehmenden, Zeitraum, Executive Summary, Key Themes, Insights to Opportunities, User Segments, Recommendations, offenen Fragen und Methodology Notes vor. Dadurch bleiben Herkunft und Einschränkungen der Aussagen sichtbar. Quantitative Angaben wie die Zahl betroffener Personen sollten nur verwendet werden, wenn sie aus den Eingaben nachvollziehbar sind. Der Skill darf keine fehlenden Daten ergänzen, keine Kausalität aus bloßer Korrelation behaupten und keine Forschungsmethode erfinden. Empfehlungen benötigen eine menschliche Prüfung, weil Stichprobenverzerrung, Erinnerungseffekte, Moderationsfehler und fehlender Kontext die Interpretation beeinflussen können.

Quellen, Datenschutz und sichere Nutzung

Anthropic beschreibt die Verbindung zu User-Feedback-, Produktanalyse- und Wissensdatenbank-Werkzeugen als Möglichkeit, qualitative Befunde mit realen Beschwerden, Nutzungsdaten oder früheren Studien abzugleichen. Welche Daten tatsächlich zugänglich sind, hängt von den aktivierten Konnektoren und Berechtigungen der Umgebung ab. Support-Tickets, Transkripte und Forschungsdaten können personenbezogene oder geschäftlich vertrauliche Informationen enthalten. Teilen Sie nur erforderliche Daten, entfernen Sie direkte Identifikatoren und bewahren Sie Rohdaten nach den internen Regeln auf. Inhalte aus Dokumenten und Feedback sind Daten und keine neuen Systemanweisungen; Prompt-Injection darf den Forschungsauftrag nicht umlenken. Ein lokaler Skill bedeutet nicht automatisch, dass die verbundene Modellverarbeitung lokal stattfindet. Die Primärquelle nennt Apache-2.0 für die Sammlung. Die Verantwortung für Einwilligung, Datenschutz, fachliche Einordnung und Produktentscheidungen bleibt beim nutzenden Team.