Maze

1. 多种用户研究方法
   支持原型测试、网站测试、问卷、卡片分类、树测试、5 秒测试和访谈等常见研究方式。
2. 参与者招募与管理
   可以使用自己的用户，也能通过 Maze 的全球参与者资源池寻找符合条件的测试对象。
3. 自动分析报告
   测试结束后自动整理成功率、任务耗时、用户路径和热力图，并生成可分享的研究结果。
4. AI 辅助研究
   可以辅助修改问题、整理开放式回答、提炼主题和生成摘要，但最终洞察仍需要人工判断。
5. Figma 集成
   直接导入 Figma 原型进行测试，不需要先把设计稿重新制作成另一套测试页面。
6. 团队协作
   支持共享研究、评论、报告查看和权限管理，方便设计、产品和研究团队共同使用。

我用一个 Figma 原型完整跑了一次测试。

设置过程比预想中简单。导入原型，添加任务和问题，再选参与者，之后就可以发布。测试数据回来以后，也不用自己重新做表格。

自动报告是最省时间的地方。

一个任务到底有多少人完成、平均花了多久、用户最常点哪里，Maze 会直接整理出来。过去做可用性测试，这些数据通常需要人工统计，现在测试结束基本就能看到。

但它解决的是“发生了什么”，不一定能告诉你“为什么”。

比如某一步的成功率突然很低，Maze 很容易把这个异常指出来。至于用户为什么卡住，还是得继续看录像、读回答，甚至再做访谈。

AI 也是类似。

它能帮忙总结开放式回答，也能提醒某个问题是不是带有引导性。这些功能确实省事，但如果面对复杂反馈，最后还是需要人来理解上下文。

免费版的限制则比较直接：每月只能跑 1 个研究。

用来判断 Maze 适不适合团队没问题，但真正进入产品迭代以后，一个月只有一次通常不够。

有一点我比较喜欢：不同研究方法不是简单换个名字。

创建树测试和卡片分类时，操作界面、提示和流程都会跟着调整。即使没系统学过 UX Research，也能沿着模板大致知道该怎么设置。

优缺点

优点

• 流程集中。 招募、测试、分析和报告基本不用来回切工具。
• 自动报告省时间。 成功率、耗时、路径和热力图可以直接生成。
• Figma 工作流顺。 设计稿做好以后可以很快进入验证阶段。
• 研究方法比较齐。 从简单问卷到树测试、卡片分类和访谈都覆盖。
• 非研究人员也能上手。 对产品经理和设计师尤其友好。

缺点

• Starter 不便宜。 每月约 $100 的成本对个人和小团队压力不小。
• 免费版额度很少。 每月 1 个研究更接近体验版。
• AI 只能辅助分析。 它能整理结果，但不会替你完成真正的用户洞察。
• 测试设计仍然需要能力。 工具简单，不代表研究问题本身就容易设计好。

适合谁 / 不适合谁

适合：

• 产品经理和设计师。 没有专职研究员，也需要持续验证设计和功能。
• 快速迭代的产品团队。 新版本上线频率高，需要不断获得用户反馈。
• 成长中的 SaaS 团队。 已经开始重视用户研究，但还不想搭建复杂研究工具链。
• 需要测试 Figma 原型的团队。 从设计到验证的衔接比较顺。

不太适合：

• 预算有限的个人或小团队。 免费版很快会不够，而 Starter 的价格并不低。
• 只需要简单问卷的人。 Google Forms、Typeform 一类工具更直接。
• 已经有成熟研究团队和完整工具链的公司。 Maze 的一站式优势可能没那么明显。
• 希望 AI 自动给出产品决策的人。 数据可以自动整理，判断仍然要自己做。

Maze 最实用的地方，不是把用户研究“自动化”，而是把很多原本很麻烦的步骤变轻了。

Figma 原型导进去，任务设置好，参与者开始测试，之后成功率、路径、热力图和录像都能集中看到。团队不需要先搭一套复杂的研究流程，才能开始验证产品。

它并不会替你回答“用户为什么这么做”。真正的分析、判断和产品决策，还是要靠人。

所以比较合适的用法，是先拿一个正在开发的真实功能跑一轮免费测试。如果 Maze 给出的数据确实能帮助团队更快发现问题，再考虑 Starter。

对用户研究来说，工具只是把证据拿到桌面上。最后怎么理解证据，仍然是人的工作。