Dscout 演示 MCP 在用户研究工作流中的三种应用

谈到 AI 在 UX 工作中的具体应用，Dscout MCP 正在简化那些过去需要数小时高强度手动操作的繁琐任务。 

抽象地了解这些功能是一回事，知道如何实际将其应用于日常用例则是另一回事。 

这就是为什么我们组织了一场 AI Show and Tell 小组讨论，以确切展示这些功能如何改变你的工作流程，并带你进入 UX 研究的下一个时代。 

小组成员包括：

• Michael Winnick，Dscout 创始人兼首席执行官 
• Charley Olman，Dscout 高级研究顾问
• Laura Oxenfeld，SiriusXM UXR 负责人

许多用例观看比阅读更容易理解，因此我们在下方附上了一些关键部分。如果你想观看整个网络研讨会，请点击此处查看。

在深入探讨之前，什么是 MCP？

解释技术概念可能很棘手，但可以将 MCP（Model Context Protocol）视为 API（Application Programming Interface）的对话式、易用版本。

虽然传统 API 使用僵硬的代码命令连接软件系统，但 MCP 为 AI 模型提供了关于工具内部存在什么的上下文和描述。 

这允许用户使用自然、日常的语言连接不同的应用程序并检索或移动数据——比如要求 AI 提取“我昨天做的那个关于风扇的项目”——而不是输入复杂的数据库查询或手动文件导出。

Dscout MCP 的工作原理

Dscout MCP 直接将 AI 工作区（如 Claude 或 Microsoft Copilot）链接到存储在 Dscout 内的研究数据。它基于平台特定知识和护栏构建，能够理解 Dscout 独特的问题类型、项目历史和账户结构。 

这使得研究人员可以在主要工作区中直接要求 AI 助手提取项目数据、分析转录稿或起草可启动的研究项目，而无需手动 CSV 导出或频繁切换平台。

虽然 MCP 有无数用例，但在网络研讨会期间，Laura、Charley 和 Michael 介绍了他们使用该工具的三种方式：

用例 1：从模糊的研究简报加速到项目启动

研究人员经常收到混乱、临时的请求，其中包含相互冲突的利益相关者评论、模糊的目标和紧迫的截止日期。Charley Olman 演示了如何将自定义 Claude 技能与 Dscout MCP 结合，在不到十分钟内将一份杂乱无章的草稿简报转化为完全编程化、方法论严谨的研究项目。

通过将研究最佳实践直接嵌入 AI，系统清理了冲突的要求并将研究直接推送到 Dscout。

此功能的使用示例：

1. 上传草稿简报：将杂乱或冲突的研究简报直接拖入 Claude 聊天窗口。
2. 应用专门的 Claude 技能：提示 Claude 使用预建的研究技能评估简报，该技能融入了你团队的具体方法论、质量标准和护栏。
3. 审查标记的问题并生成文档：审查自动标记的冲突（如冗余的评分量表、参与者上限不匹配或设备不兼容），并生成一份干净、可共享的研究计划。
4. 通过 Dscout MCP 构建研究：使用 Dscout MCP 指示 Claude，根据优化后的研究计划自动编程一个完整的可用性研究——包括筛选问卷、原型链接和多样化的问题格式——直接在 Dscout 内部完成。

用例 2：直接在您的设计上获取实时反馈

研究人员和设计师无需在访谈后花费数天手动整理笔记，而是可以使用 MCP 在会话结束后几乎立即直接在原型框架上查看参与者的反应。 

Laura Oxenfeld 分享了如何将 Dscout MCP 与 Figma MCP 配对，使研究人员能够将实时访谈反馈直接映射到视觉设计文件中，为产品团队提供即时的可视化洞察。

如何使用此功能的示例：

1. 记录带时间戳的实时笔记：在访谈期间使用 Dscout 的实时笔记功能记录观察结果，以帮助 AI 理解哪些引语和主题最为重要。
2. 设置 Figma 画布：将原型屏幕复制到 Figma 中专门用于放置反馈的框架内。
3. 生成反馈标注：提示 Claude（使用 Dscout MCP 和 Figma MCP）阅读转录文本和笔记，然后将便签和引语直接放置在对应的原型元素上，并按情感分组（例如，正面、负面、不清楚或新想法）。
4. 完善并训练 AI：审查生成的框架，调整任何错位的标注，并将这些修正反馈给 Claude，以持续教会它您特定的研究标准。
5. 汇总所有参与者数据：在所有会话结束后，指示 Claude 在 Figma 中生成跨参与者的聚合视图，直接在屏幕设计上综合整体反馈，以便团队进行协作审查。

用例 3：将洞察与业务举措挂钩

将定性发现与更广泛的公司目标联系起来是研究团队的持续目标。

为此，Laura 演示了如何通过企业搜索工具（如通过其 MCP 使用的 Glean）运行 UXR 报告（或原始访谈转录文本），使研究人员能够将用户洞察与组织的整个内部知识栈进行交叉引用——包括 Slack 线程、Jira 工单、Confluence 页面和战略文档。

如何使用此功能的示例：

1. 分析研究发现：将完成的 UXR 报告或原始会话转录文本输入 Claude，并使用 Dscout MCP 验证是否遗漏了核心主题。
2. 查询企业知识栈：使用企业搜索 MCP（如 Glean）提示 Claude 扫描内部工具，查找与您发现相关的重叠业务举措、活跃的路线图项目或现有指标。
3. 按业务影响分类：允许 AI 根据战略相关性组织发现——例如阻碍当前决策、塑造正在进行的项目或提供方向性战略输入的条目。
4. 将上下文整合到交付物中：将浮现的业务背景、战略联系和跨职能团队举措直接添加到您的最终报告中，以展示与企业优先事项的清晰对齐。

总结 

适应新工具和工作流有时会让人感到不知所措（每天都有太多新事物！），但掌握新技能是确保您的研究在这个 AI 新时代保持新鲜和相关的一种方式。 

有兴趣做你自己的 AI Show and Tell 吗？我们很乐意听取你的意见！

好奇如何将 Dscout MCP 融入你的工作流程？ 在这里了解更多！ 在这里了解更多！