AI 模擬讀者能（與不能）告訴你關於寫作的哪些事
如果你正在修改網頁、指南或操作說明，語言模型可以協助你找出可能會讓讀者感到困惑的措辭。它可以指出不明確的片語、描述可能的誤解，或檢查初稿是否回答了既定問題。然而，模擬出來的反應並不能證明你的目標讀者真正理解了文本、具備相應的背景脈絡，或順利完成了文本所描述的任務。要驗證這些，你需要觀察幾位來自目標受眾的真實使用者嘗試執行任務，並聽他們解釋自己理解了什麼。
模型能在初稿中提供哪些有價值的審查
模型可以檢視你提供的文字與結構。你可以請它找出可能令人陌生的詞彙、看似遺漏的步驟、具有多種合理解釋的說明，或是初稿中未解答的疑問。你也可以請它說明文字中的哪些依據促成了每項觀察。這適合作為第一輪編輯檢查：它能為你提供值得深入調查的候選問題，而非關於真實讀者的定論。
請保持任務具體。例如，對於一個介紹如何選擇一日遊行程的頁面，你可以請模型指出讀者比較各選項時需要哪些細節，以及這些細節出現在何處。請它給出具體段落並指出潛在的誤解，然後對照你的寫作目的與內文來檢驗每項建議。模型給出流暢的回答，並不代表任何人閱讀該段落時都會產生同樣的理解。
設定人設提示詞（persona prompts）可能會增加一些有用的結構，但像「匆忙的初訪者」這樣的描述並不會讓模型真正變成那位訪客。針對人設提示詞的研究發現，其效益取決於人設變數是否與人工標註中的模式相吻合；在許多主觀數據集中，這些變數對結果變化的解釋力微乎其微。請將基於人設的反應視為假設，而非受眾觀點的代表性樣本。Hu 與 Collier，《量化大型語言模型模擬中的人設效應》（Quantifying the Persona Effect in LLM Simulations）
模擬反應無法證明的盲點
模型的回答無法證明某位特定讀者注意到了什麼、推論出了什麼、記住了什麼或實際做了什麼。它接收文字與提示詞，然後生成回答。然而，真實讀者接觸內容時，帶有自身的知識背景、目標、分心事物、預期與當下情境。這些因素決定了某個句子是否講得通，以及該讀者是否能據此採取行動。
當涉及行為層面的問題時，這種差異最為關鍵：讀者能否找到正確資訊？他們是否能如預期般理解指示？他們是否能不靠提示完成任務？模型可以對這些問題進行推理，但它對「自己會怎麼做」的敘述終究只是生成的文字。它並沒有親自瀏覽頁面，也無法證明目標受眾中的真實人類能夠順利使用它。
針對模型模擬的研究也告誡，不要將生動或多元的回答視為真實度高的證據。一項 2025 年關於問卷回覆模擬的研究發現，受測方法很難精確重現使用者的真實回覆；模型可能會在不同的人口統計背景變化下維持相同觀點，且難以適應不同輪廓之間的細微差異。該研究雖然並未直接測試每種寫作審查或易用性任務，但它確立了一條實務界線：聽起來合情合理的模擬讀者，並不能作為真實受眾將如何反應的驗證。Yu 等人，《大型語言模型用於模擬問卷調查使用者回覆之分析》（An Analysis of Large Language Models for Simulating User Responses in Surveys）
小規模真實讀者測試能揭示什麼
小規模的質性測試可以展現真實參與者在哪裡猶豫、忽略了什麼、如何解讀某個片語，以及是否達到了預期目標。你可以給每個人一項貼近現實的任務，讓他們使用草稿或頁面，並觀察過程中的表現。後續的追問可以釐清他們認為某個詞代表什麼意思，或者為何選擇了特定步驟。這將可觀察的行為與參與者自身的解釋結合在一起。
針對內容任務，在測試開始前就應先定義何謂成功。舉例來說，如果文本是一日遊指南，你可以請參與者挑選一個符合指定偏好的選項，並解釋是哪些資訊促成了該選擇。記錄他們是否找到了相關細節、哪些字詞或章節讓他們停下思考，以及他們的解釋是否符合指南原本想傳達的差異。此例只是一種建議的測試設計，並非針對任何特定指南或結果的主張。
政府關於質性易用性測試的指引建議：招募潛在使用者、指派任務、避免過度指導，並在事後檢視任務完成情況與常見錯誤。尼爾森諾曼集團（Nielsen Norman Group）同樣將易用性研究描述為一種探究內容是否易於尋找和理解、或者人們能否完成任務的方法。兩者都強調觀察參與者的實際行為；這是模擬反應所無法提供的證據。GOV.UK，《易用性測試：質性研究》（Usability testing: qualitative studies），尼爾森諾曼集團，《易用性研究規劃檢查清單》（Checklist for Planning Usability Studies）
如何執行有效的小規模測試
從文本旨在支援的一項決定或任務開始。招募在相關面向（尤其是對該主題的經驗）與目標受眾相似的受試者。接著編寫一個情境，讓他們有理由去使用這些內容，但不要透露答案在哪裡或應該尋找哪些詞彙。如果任務題目直接重複了頁面上的標籤，可能會不自覺地演變成字詞比對測試，而非測試內容能否協助他人達成目標；NN/G 建議撰寫具體的任務，避免提供會引導行為的線索。
在測試過程中，讓參與者在最少引導的情況下自行操作。記錄他們的行為、停頓的位置、他們用自己的話所說的內容，以及是否完成了任務。如果他們請求協助，請記錄他們需要協助的時間點。測試結束後，請他們描述自己理解了什麼以及接下來會做什麼。GOV.UK 指引建議質性易用性測試招募五到六位參與者；NN/G 通常建議傳統質性研究採用五位。這些是發現問題的實用起點，並非足以讓結論代表整個母體的樣本數。如果你需要百分比或可推廣的比較數據，你需要的是具備更大樣本與對照措施的量化設計。GOV.UK，《易用性測試：質性研究》，NN/G，《量化 vs. 質性易用性測試》（Quantitative vs. Qualitative Usability Testing）
將觀察轉化為修改方向，而非泛化的結論
在進行幾次測試後，尋找重複出現的障礙以及具重大影響的單次失敗。如果有多位參與者誤解同一個片語，那就是強烈的修改候選處。如果有一位參與者無法完成任務，請檢視當時的條件並思考此失敗對目標受眾是否重要；不要將單一場次當作涵蓋整個母體的比例。小規模質性研究的目的是揭露問題並指導修改，而非估算更廣泛受眾中有多少人會遇到這些問題。NN/G 指出，質性研究結果取決於參與者樣本和研究員的詮釋，而數據化的易用性主張則需要適當規模的量化研究。
修改文本，並在可能的情況下與新的讀者測試修改後的版本。在各輪測試之間，模型可以協助你探索替代措辭或標記新的歧義。在筆記中請明確區分證據類型：「模型預測這可能會令人困惑」是進行調查的提示；「兩位參與者對此步驟有不同理解，且有一位未達到最終目標」則是來自測試的觀察。兩者都無法單獨證明每位讀者都會有相同的體驗，但後者告訴了你在觀察到的任務中實際發生了什麼事。
實務上的分工方式
利用模型針對初稿提出疑問。利用真實讀者來回答有關實際理解與任務執行表現的問題。當任務依賴特定受眾、環境或先備經驗時，應針對這些條件進行招募，而不是要求模型憑空捏造。當你需要可靠的比率或比較時，請設計量化研究，而不是將少數質性測試的結果牽強地擴展為統計學主張。
這種分工既能利用模擬審查加速修改流程，又不會將看似合理的反應誤認為讀者成功的證據。決定性的問題不在於模型能否產生令人信服的讀者口吻，而在於目標讀者能否理解內容，並做到文本旨在協助他們完成的事情。