Skimle 是一個 AI 驅動的質性資料分析平台，能把非結構化文件（訪談、資料室檔案、客戶留言、公眾諮詢意見、法律文書等）整理成有序、可分析的資料集。與那些只擷取零散段落的聊天機器人不同，Skimle 會系統性地處理您的整個文件集：分析每一段落、擷取洞察，並將其組織成階層化的主題體系，且全程可追溯。完整介紹請見Skimle 的運作方式。
多數簡易的 AI 分析工具採用 RAG（檢索增強生成），在提問時才去擷取相關段落，這意味著同一個問題問兩次可能得到不同答案。Skimle 會預先系統性地處理您的整個資料集，建立穩定的結構，讓每個主題都連結到經查核的引述。您得到的是完整涵蓋、穩定一致的結果和全程可追溯，而不是黑箱式的答案。進一步了解為什麼基於 RAG 的工具難以支撐嚴謹的分析。
不需要。Skimle 是為研究者和分析人員設計的，而不是為程式設計師。介面直覺（可以理解為表格加文件閱讀器），所有 AI 處理都自動完成。會用 Google 文件和 Excel，就會用 Skimle。
多數使用者在 15 到 30 分鐘內就能上手。把檔案新增為資料來源，執行一次分析，然後複核並調整 AI 產生的主題，流程非常直接。傳統的質性分析軟體（NVivo、ATLAS.ti）可能需要數週才能掌握，而 Skimle 的介面就是為立即上手而設計的。
Skimle 支援 PDF、.docx、TXT、RTF、音訊檔案（MP3、M4A、WAV）和影片檔案（MP4、MOV）。您把每種類型新增為資料來源即可；對於音訊和影片，Skimle 會在分析開始前自動轉寫，讓整個流程集中在一處。同一個專案中可以混用多種格式。
可以。Skimle 內建的轉寫功能支援 MP3、M4A、WAV、MP4 和 MOV 檔案。把錄音新增為音訊或影片資料來源，Skimle 會在分析開始前完成轉寫，並可選擇先複核並修改逐字稿。引述始終可追溯到來源，因此無需另外購買轉寫服務。
每個專案最多支援數千份文件。大多數使用情境涉及 10 到 200 份文件（典型的研究專案、顧問專案、政策諮詢），但 Skimle 也能擴展處理大型文件集，例如資料室審查或全面的文獻分析。
支援 100 多種語言。您可以上傳任何語言的文件，Skimle 會以原文語言進行分析，同時建立統一的主題結構。這對歐盟範圍的公眾諮詢、全球市場研究或多語言學術研究尤其有用，無需事先翻譯。
可以。您可以把英文訪談、德文報告和西班牙文問卷回答放進同一個專案。Skimle 會建立跨語言的主題類別，同時保留原文引述以便查核。
Skimle 表格是一個可互動的表格：每一列代表一份文件（例如一場訪談），每一欄代表一個主題類別（例如「對定價的顧慮」）。儲存格中是擷取出的洞察，並直接連結到原文引述。這種結構便於發現文件之間的規律、比較不同群體，並深入到具體議題。
當然可以。Skimle 的 AI 會根據您的資料提出初始類別，但控制權完全在您手中：可以合併、拆分、重新命名、刪除，也可以從零新建類別。您還可以預先提供自己的類別結構（例如根據訪談大綱或理論架構），讓 Skimle 據此擷取洞察。
雙向透明意味著您可以在兩個方向上自由瀏覽：（1）點選某個主題，查看所有文件中支撐它的全部引述；（2）點選某份文件，查看從中擷取出的所有主題。AI 的每一步判斷都可追溯，沒有黑箱。正因如此，借助 Skimle 完成的分析才能在學術、商業和監管場合站得住腳。
Skimle 的對話介面了解您的結構化資料（主題、類別、元資料）。您可以提問，例如「企業客戶對定價怎麼看？」或「不同地區的意見有何差異？」AI 會同時依據結構化的主題資料和原始文件作答，因此比通用的 RAG 聊天機器人更準確、更貼合脈絡。
Skimle Ask 是一款 AI 驅動的訪談工具，協助您大規模收集質性資料。您在專案中把它新增為 Skimle Ask 資料來源，設定訪談大綱，Skimle 便會以非同步方式與參與者進行結構化對話。每一份回答都會成為同一專案中的一份文件，因此資料收集與主題分析在同一個環境中完成，無需在不同工具之間複製貼上。
可以。Skimle 在 https://skimle.com/api/mcp 提供 Model Context Protocol（MCP）端點。任何相容 MCP 的工具（Claude Desktop、Cursor、Windsurf、Claude Code 等）都可以連接並使用完整的讀寫工具集：瀏覽文件、搜尋洞察、重組類別等等。身分驗證可透過 OAuth（無需權杖）或在帳戶設定中產生的 API 金鑰完成。您可以自行決定開放哪些專案。積分與 Skimle 其他功能共用，無需另外計費。
可以。Claude Code 和 Cowork 都支援 MCP，您可以透過端點 https://skimle.com/api/mcp 將其連接到 Skimle。連接之後，智慧代理便能列出您的專案、跨文件搜尋、瀏覽類別階層、建立與更新洞察並儲存筆記，全部在您的程式設計或寫作環境中完成。詳細步驟請見 MCP 設定頁面，或閱讀我們的智慧代理工作流程逐步指南。
可以。Skimle Anonymise 提供 AI 驅動的假名化與匿名化處理，具備跨檔案一致性、六個類別的識別資訊（姓名、職稱與角色、地點、機構、日期及其他）、可設定的轉換強度，並產生 PDF 稽核報告。它在您的專案內執行：為某個資料來源開啟後，匿名化後的文件會直接進入分析，無需另外的工具。這既符合 GDPR 與 HIPAA 的要求，也能產出倫理委員會所期待的書面資料。
可以。Skimle 由學者為學術用途打造。我們的共同創辦人 Henri Schildt 是一位教授，發表過 30 多篇採用質性方法的論文。Skimle 的方法借鏡成熟的方法論：主題分析（Braun & Clarke）、紮根理論（Glaser & Strauss；Strauss & Corbin）以及 Gioia 方法（Gioia, Corley & Hamilton），系統、透明、可重現。請參閱我們的學術研究者應用情境和學術質性研究中的 AI 使用指南。
越來越多的情況下可以，只要如實說明。請透明地陳述方法：「使用 Skimle 進行 AI 輔助的質性編碼，並經人工驗證與修訂。」Skimle 完整的稽核軌跡讓您能以文件準確記錄主題是如何得出的，足以符合同儕審查對方法嚴謹性的要求。我們的學術質性研究中的 AI 使用指南介紹了如何在方法章節和倫理申請中表述這一點。
如有需要，我們可以提供建議的引用表述。
可以。匯出您的編碼矩陣，請第二位編碼者人工複核部分文件，再計算一致性（Cohen's kappa 等）。研究者可以用 Skimle 完成初始編碼（約九成工作量），再透過人工複核進行品質校驗（約一成）。
可以。Skimle 支援歸納式編碼，主題從資料中產生，而非事先設定。先進行開放式編碼（Skimle 提出初始類別），再透過主軸編碼逐步細化（合併或重組類別），進而發展理論架構。整個過程與人工紮根理論一致，只是把機械性的環節加快了。
AI 產生的每一條引述都會與原始文件比對查核。如果 AI 產生的文字在您的文件中並不逐字存在，系統會標記出來並要求重新處理，直到取得經查核的引述為止。此外，由於結構是系統化的，您可以隨時抽查任一主題，查看支撐它的引述。
Skimle 的系統化處理會分析每一份文件的每一個段落，相較於人工編碼（疲勞與偏見會影響涵蓋範圍）更不容易遺漏主題。不過我們仍建議以批判的眼光複核 AI 產生的主題。AI 負責建議，您負責確認。
可以。Skimle 支援 REFI-QDA 匯出，這是 NVivo、MAXQDA 和 ATLAS.ti 都認可的互通標準。您可以先在 Skimle 中開始分析，再到傳統 QDA 工具中繼續人工編碼；也可以用 Skimle 先完成預編碼，再交給使用 NVivo 的團隊。
有的。免費方案可分析至多 400 頁，用於試用平台。非常適合在決定付費之前，先用一個試行專案體驗 Skimle。查看全部方案。
文件分析依文件長度消耗積分。一個積分約可上傳 2,000 個字元的文字，大致相當於一頁。訂閱方案包含按月或按年發放的積分額度，如有需要也可以額外購買。
價格從可供試用的免費方案開始。查看完整價格。企業與機構授權提供客製報價，詳情請與我們聯絡。
可以，隨時在帳戶設定中變更。升級時按比例補收差額；降級則在下一個計費週期生效。
您可以隨時加購積分，或升級到更高等級。既有專案仍可存取，只是在補充積分之前無法分析新文件。
有提供。我們為大學、研究機構、顧問公司和政府機關提供整體授權。團隊授權包含協作功能、集中計費、資料處理協議以及大量採購折扣。機構報價請與我們聯絡。
可以。所有付費方案都會自動開立發票。若機構採購需要採購單或特定的計費安排，請與我們的業務團隊聯絡。
是的。存取需經身分驗證並留有紀錄。我們遵循業界標準的安全實務，也樂於為企業客戶填寫安全問卷。
所有資料都儲存在歐盟境內（位於歐盟區域的雲端伺服器）。您的資料絕不會離開歐盟，從而確保符合 GDPR 並滿足歐洲客戶對資料主權的要求。
完全符合。我們滿足 GDPR 的全部要求：合法處理、資料最小化、目的限制、儲存期限限制以及資料主體權利。我們為機構客戶提供資料處理協議（DPA）。涉及參與者資料的專案，可借助 Skimle Anonymise 在分析前完成假名化或匿名化，進一步降低法遵風險。
不會。您的文件和資料絕不會用於訓練 AI 模型。您的資料始終保持私密，僅用於您自己的分析。
可以。您隨時能在設定中刪除單一專案或整個帳戶。刪除是永久且即時的。刪除後我們不保留任何副本（法律與會計紀錄如發票除外）。
可以，適用於有特定安全或法遵要求的企業客戶。我們可以在專屬雲端環境中部署 Skimle，也可以商討地端部署方案。詳情請與我們聯絡。
研究者可以在倫理審查申請中把 Skimle 列在「資料分析工具」項下，就像列出 SPSS 或 NVivo 一樣。我們可以提供關於資料處理、安全性與 AI 流程的說明資料，支援您的倫理申請。Skimle Anonymise 還會產生附簽章的 PDF 稽核報告，記錄所套用的每一次轉換，倫理委員會越來越期待以此作為嚴格匿名化的證據。
傳統工具要求逐段人工編碼，系統但極耗時間（數週到數月）。Skimle 用 AI 自動完成編碼過程，同時維持同樣系統、透明的方法論。您得到的是 NVivo 等級的嚴謹與 AI 等級的速度。Skimle 的介面也更直覺、原生於雲端，並支援匯出 REFI-QDA，專案因此可以在工具之間自由轉移。查看我們對 QDA 工具的完整比較。
Dovetail 適用於進行輕量級 UX 研究的產品團隊，AI 功能是後來加上的。Skimle 從一開始就是為嚴謹的質性分析而生，採用學術等級的方法論。如果您需要在同儕審查中為結論辯護、向抱持懷疑態度的主管報告，或在符合 GDPR 的前提下處理機密資料，Skimle 提供的正是這些場合所要求的結構與透明度。閱讀 Skimle 與 Dovetail 的完整比較。
可以，但很快就會碰到限制：答案不穩定（同一個問題問兩次，得到兩種回答）、沒有系統性涵蓋（與您的提問在語意上不相符的洞察可能被漏掉）、沒有可追溯性（無法說明結論從何而來），以及有限的上下文視窗，面對 20 份以上文件就吃力。若只是快速摘要一兩份文件，通用 AI 工具已足夠；要進行系統分析，請使用 Skimle。進一步了解基於大型語言模型的分析在哪些場合有效、在哪些場合會失靈。
對小型專案（不到 10 場訪談）而言，人工閱讀完全夠用。但隨著規模擴大：（1）時間成本暴增：20 場訪談意味著 40 小時以上的人工編碼；（2）一致性下降：疲勞與偏見對後面文件的影響不同於最初幾份；（3）規律辨識受損：同時把 50 場訪談記在腦中幾乎不可能。Skimle 能在規模擴大時維持品質，把您的時間釋放給真正的分析，而不是機械編碼。