Maze MCP 研究数据连接用法与最佳实践指南

自 Maze MCP 上线以来，研究人员以多种方式将其应用于实践：从整个研究中提取痛点、比较设计变体、检查研究数据质量，以及直接获取发现背后的参与者证据。一些团队甚至基于 MCP 构建自己的智能体。

如果您错过了相关信息，Maze MCP 将您的 Maze 研究与已使用的应用和智能体连接起来，使您能够更轻松地将团队已经学到的知识融入当前的决策中。您可以询问有关研究的问题、查看参与者反馈、比较结果、提取引用等——无需在工具之间手动移动研究数据。如果您是 Enterprise 客户，MCP 已为您的团队提供，无需申请流程或等待名单。

如果您已连接 MCP 并曾有过 “好吧……现在该做什么？” 的时刻，您并不孤单。我们整理了客户使用 MCP 的方式，以及最佳实践，帮助您从一开始就获得有用的结果。

通过提示词直达核心内容

您无需成为提示词专家即可熟练使用 MCP。养成几个习惯可以显著改善您提出的问题以及得到的回答。

包含研究链接：
如果您知道要处理哪个研究，请将其 Maze URL 粘贴到提示词中。这会将请求范围限定在正确的研究上，并使检索更可靠。

✏️ 提示词： “在这项研究 [link] 中，参与者对我们的新导航主要存在哪些问题？”

从小处着手，然后深入挖掘：
您可能不需要用每个会话来回答每个问题。首先询问研究的概况：其模块、会话数量和汇总结果。在此基础上，决定哪些部分值得进一步审视。

✏️ 提示词： “这是一项研究 [link]。在深入之前，请给我它的结构、收到的会话数量以及汇总统计数据。然后告诉我哪些领域看起来值得进一步调查。”

您可能会发现某个任务的误点击率异常高，或者某个开放式问题包含了比其他问题丰富得多的反馈。现在您有了下一步的明确方向。从摘要开始也意味着您只在需要时才将更多研究数据引入对话。

为提示词设置护栏：
无论样本大小如何，您的分析都应当诚实。虽然 MCP 向智能体提供了研究数据（如样本量和汇总结果），但对这些数据的解释取决于智能体，最终也取决于您。当处理较小的样本时，请告知您希望如何处理这些结果。

✏️ 提示词： “识别这项研究中的主要主题，但标记出仅来自单个参与者的内容，而不是将其呈现为更广泛的趋势。”

分享您试图理解的内容：
您提供的关于搜索目标的背景信息越多，响应就越有用。您可以要求智能体将反馈分组为主题、比较细分群体、从特定视角进行分析、保持参与者回复独立、按频率对问题进行排序，或围绕您接下来的工作塑造输出格式。

✏️ 提示词： “从产品团队决定发布前修复什么的角度审查这项研究 [link]。按主题对可用性问题进行分组，显示遇到每个问题的参与者数量，并为每个主题包含两条代表性引用。”

6 种让研究成果发挥作用的方法

在 Beta 测试期间，出现了一些反复出现的模式，从快速了解一项研究到深入挖掘单个会话。以下是团队利用 MCP 发挥作用的六种方式。

1) 发现隐藏在研究中的模式
这是我们在 Beta 测试中看到的最常见用例之一。研究人员不再逐字阅读转录稿以构建重复痛点列表，而是使用 MCP 纵观整个研究，识别重复出现的主题并获取其背后的参与者证据。

从以下开始：“这项研究 [link] 的主要痛点是什么？按出现频率排序，告诉我每个痛点的提及人数，并包含具有代表性的引用。”

更具体地：“根据这项研究 [link]，用户使用 [product] 的舒适度如何？向我展示他们反馈中的主要主题以及每个主题背后的证据。”

或者当你已经知道要找什么时：“基于这项研究 [link] 中的转录稿，关于 [topic] 最有力的引用有哪些？按主题分组，并包含每个引用的参与者 ID。”

2) 在深入之前了解研究概况
通常，第一个问题并不是关于某个发现，而仅仅是：我正在处理的是什么？在 Beta 测试期间，团队使用 MCP 在决定将注意力集中在哪里之前，先审查研究结构和汇总结果。这可能意味着检查使用了哪些模块、收到了多少会话、最有用的定性数据位于何处，或者研究是否包含你正在寻找的证据类型。

从以下开始：“这是一项研究 [link]。在我们深入分析之前，给我一个结构概览：它有哪些模块，收到了多少会话，以及汇总统计数据。”

然后你可以进入细节：“基于该摘要，哪些值得深入挖掘，哪些可以跳过？”或“这项研究 [link] 是否使用了 Figma 或 Lovable 原型模块？”

一旦你知道那里有什么，就问：“基于该摘要，哪些值得进一步调查，哪些可以跳过？”

3) 比较体验，而不仅仅是分数
如果你测试了设计的多个版本，你已经知道“变体 B 表现更好”只能提供有限的信息——重要的是理解结果背后的行为。MCP 可以帮助你提取每个变体的开放式文本回复和会话数据，并识别参与者在各个主题上的体验。

从以下开始：“在这项研究 [link] 中，分别提取每个变体的书面解释。识别每个变体的重复主题，然后进行比较。”

你也可以聚焦于一个版本：“对于这项研究 [link] 中的 [variant name] 变体，参与者说了哪些做得好的地方，哪些问题仍然存在？包括每个主题背后的参与者证据。”

4) 找出值得仔细查看的会话
并非每项研究任务都是为了发现主题；你还需要确定数据本身是否值得信赖。在 Beta 测试期间，团队使用 MCP 跨会话查找低质量参与的迹象，将筛选器响应与参与者后来的说法进行比较，并标记任何值得仔细查看的内容。

从以下开始：“查看本研究中的会话 [link]，并标记任何表现出低质量或注意力不集中的参与迹象的会话。解释每个标记的证据，而不是自动排除任何人。”

你也可以更具体：“在本研究的所有会话中 [link]，标记任何表明参与者分心、照稿宣读或与他人协调的内容。包括每个标记的参与者 ID 和证据。”

这里有一个重要的区别：标记，而非决定。虽然 MCP 可以帮助你在大型参与者群体中发现那些手动检查会很痛苦的迹象，但研究人员应始终运用人类判断来决定保留什么以及原因。

5) 获取数据概况
无论是完成率、流失率、筛选器成功率还是人口统计数据，MCP 都能快速呈现你需要的数字。这是一个直接的用例，这也是其吸引力的一部分。当有人要求进行研究健康检查时，你可以轻松地将数字整理成易于理解的格式，而无需手动组装它们。

从以下开始：“对于本研究 [link]，给我一份关于招募和完成数据的概览。包括完成率、流失率、细分群体、人口统计数据、筛选器成功率以及面板与自带参与者（BYOP）的情况。”

然后深入特定群体：“按 [受众细分群体] 分解这些结果。” 或 “比较回答 [X] 的参与者与回答 [Y] 的参与者之间的完成率和流失率。”

6) 回到参与者所说的内容
也许你想知道某个特定的人说了什么，或者在不将他们的回答扁平化为一个摘要的情况下，比较不同参与者如何谈论同一话题。阅读特定会话并比较个别参与者是我们在测试期间看到的另一个流行用例。

如果你知道你要找的参与者，从以下开始：“打开本研究 [link] 中参与者 [ID] 的会话，并提取他们关于 [话题] 的引语。包含足够的上下文以便我理解每个引语。”

如果你想保持人员独立：“在本研究 [link] 中，每位参与者关于 [话题] 说了什么？保持每位参与者独立，而不是对他们进行汇总。”

你还可以查看整个研究中针对一个问题的回答：“从本研究 [link] 的每位参与者中提取对 [具体问题] 的回答。保留参与者 ID。”

⚙️ 想要更进一步？构建你自己的智能体

因为 Maze MCP 是一个服务器，团队可以在其之上构建自己的智能体和内部工作流。我们看到了早期客户尝试使用自定义智能体的例子，这些智能体可以为组织内的其他人检索 Maze 研究资料。

这是一个更高级的用例，并非每个人的起点，但它很好地说明了你的研究不必局限于一个地方（特别是如果你的组织已经有现有的工作流）。

从一个研究和一个提示词开始

你不需要在第一天就建立复杂的 MCP 工作流。选择一个研究，看看你的提示词会带你走向何方。你的团队已经完成了最难的部分：与用户交谈并收集证据。但研究的价值取决于它所能达成的决策。Maze MCP 提供了另一种方式，将这些证据带入你的团队已经在使用的工具中，并且是在决策仍然活跃的时候。

准备好连接各个点了吗？

Maze MCP 在所有企业版套餐中均可使用。前往 个人设置 → 集成，找到 MCP，然后选择 与智能体连接 即可开始使用。之后，请按照您想要使用的应用的 设置说明 进行操作。MCP 会继承您现有的 Maze 权限，管理员可以控制 MCP 可访问的团队。它是只读的，因此连接应用并不会赋予其在 Maze 内创建、编辑或启动任何内容的权限。

祝您提示词编写愉快！别忘了说“请”和“谢谢”。

立即探索 Maze MCP

Maze MCP 让所有需要它的人都能获取研究结果，同时不会取代执行研究人员的判断力。