01 · AI 在研究中的真正价值
很多人误解了 AI 在研究中的作用。他们以为 AI 是用来给答案的，就像百度搜索一样。但其实不是。
百度搜索的逻辑是：你问"什么是供应链"，它给你一堆相关网页链接。你自己去读。AI 的逻辑完全不同：你问"现在的供应链管理存在哪些痛点"，AI 可以把公开知识、业界观点、最佳实践综合整理成一份结构化的分析。
换句话说，AI 最擅长的不是找答案，而是压缩信息。把 50 篇相关文章的要点压缩成一份 2000 字的综合分析。这种能力，是 Google 搜索无法做到的。
核心转变：不要问 AI "答案是什么"，而要问 AI "现有信息结构是什么"。你的判断才是研究的核心。AI 只是帮你快速整理信息。
真正的研究流程应该是这样的：定义问题 → 引导 AI 有针对性地整理信息 → 组织成框架 → 你来提炼洞察和结论。AI 做的是 Step 2，你做的是 Step 1、3、4。
02 · 四步研究法
这套方法可以应用到任何研究任务：从行业研究到竞品分析到用户研究。
定义问题
不是"研究 SaaS 行业"。那太宽泛了。而是"2025-2026 年中国 B2B SaaS 的融资难度是否在上升？主要原因是什么？"——这是一个具体的问题。有了具体问题，你的研究才有方向。列出 3-5 个核心问题清单，这就是你的研究范围。
💡 AI 可以帮
帮你把模糊的研究需求变成精准的问题清单。但问题本身必须是你定义的。
信息收集
现在你知道要找什么了。告诉 AI：请基于这些问题，从以下角度整理相关信息——市场趋势、融资数据、典型案例、专家观点。AI 会根据它的训练数据综合归纳。但这里有个限制：AI 只能用它能获取到的公开信息。最新一周的融资新闻、你公司内部的数据、非公开的用户反馈，AI 都不知道。所以你需要补充。
💡 AI 的职责
综合公开信息，指出信息空缺。你来补充内部数据和实地反馈。
结构化整理
AI 给了你一堆信息。现在你需要用一个框架来组织它。可能是矩阵：用户类型 × 痛点维度。可能是时间线：过去五年发生了什么。可能是因果链：原因 → 中间过程 → 结果。让 AI 帮你设计这个框架，然后用框架去重新组织信息。
💡 AI 的作用
提议合理的组织框架。但框架的选择权在你。不同的框架会突出不同的重点。
洞察提炼
现在你有了一份结构化的信息整理。但这还不是研究成果。最关键的一步来了：你来从信息中找洞察。融资难度确实在上升吗？是什么导致的？你赞同这个现象吗？会怎样？这些判断和结论，AI 无法替你做。这是研究最有价值的部分。
💡 AI 的限制
AI 可以帮你整理论点，但不能替你做深度思考和判断。
03 · 研究报告的两个陷阱
陷阱一：直接信 AI 的"结论"
AI 综合了信息，最后给你一个结论："基于上述分析，融资难度在上升的主要原因是宏观经济压力和投资人风险偏好变化。"这听起来很专业，但问题是——这是 AI 的理解，不是你的理解。你必须自己验证。问自己：这个结论符合我看到的事实吗？还有其他我知道的因素吗？我是否同意这个因果关系？
陷阱二：把框架当成终点
有些人用 AI 生成了一份漂亮的矩阵或时间线，然后觉得"研究完成了"。但框架只是工具。重点不在框架本身，而在于框架帮你看到了什么。如果你用框架只是为了证实已有的观点，那框架就没有意义。框架应该是帮你发现新东西的工具。
警惕：信息整理得很漂亮 ≠ 研究做得很深。漂亮的报告如果没有新洞察，就只是信息的重新包装。
04 · 竞品分析实战案例
让我们用四步研究法做一个完整的竞品分析。假设你在做一个项目管理工具，需要分析竞品。
第一步：定义问题
问题定义
• Asana、Monday.com 和 Notion 在功能、定价、用户体验上的主要差异
• 它们各自的核心优势和劣势
• 它们分别针对哪些用户类型
• 它们的市场地位和融资情况
• 它们的产品迭代方向
第二步：信息收集与整理
信息收集提示词
基于以下问题，请整理关于 Asana、Monday.com、Notion 的信息：
1. 功能对比：它们的核心功能、特色功能、扩展能力分别是什么？
2. 定价策略：付费版本、价格点、目标用户等级分别是什么？
3. 用户体验：学习曲线、界面设计理念、自定义程度各是如何？
4. 市场地位：融资金额、用户规模、客户类型各如何？
5. 产品方向：最近的更新、公开的产品规划分别是什么？
请用矩阵形式整理，每个维度用 100-150 字总结。
第三步：框架组织
框架设计
现在请用以下框架重新组织上述信息：
小团队（1-10人） | 中型团队（10-100人） | 大型企业（100+人）
• 易用性优先的（学习成本低）
• 功能丰富的（定制化能力强）
• 平衡型的（易用+功能）
• 专业版本定价
• 按座位数计费
• 按功能计费
对每个竞品标注它的位置。
第四步：洞察提炼
现在轮到你了。看着这个矩阵，问自己：
- 有没有一个市场空隙是这三个都没有覆盖的？
- 它们的差异化是否真的足够清晰？还是陷入了同质化竞争？
- 如果我进入这个市场，我的独特卖点应该是什么？
- 这三个产品的发展轨迹说明了什么？市场在往哪个方向演变？
这些问题的答案，就是你真正的研究成果。
05 · 研究结果的验证策略
完成了分析，但不要直接相信。验证很关键。
- 交叉核查：从多个独立来源核实关键数据。如果只有一个来源说"Asana 有 100 万用户"，要找另一个来源确认。
- 第一手资料：自己试试这三个产品。2 小时的实际体验，比 10 小时的研究资料都更可信。
- 时效性判断：AI 的训练数据是有时间限制的。如果你的研究涉及最近 6 个月的发展，必须手动补充最新信息。
- 专业人士访谈：如果有预算，采访 2-3 个该领域的专家或重度用户。他们的观点往往比任何研究报告都有洞察。
- 反证寻找：积极寻找与你结论相反的证据。如果你不能解释这些反证，你的结论可能不完整。
练习：完整的研究项目
选择一个你感兴趣的研究课题，用四步法完成一份研究报告。
- 定义问题（20 分钟）：写下 3-5 个具体问题。尽可能精准。
- 信息收集（60 分钟）：用上面的提示词模板，让 AI 整理相关信息。补充你自己知道的内容。
- 框架设计（30 分钟）：选择或设计一个合理的框架。用框架重新组织信息。
- 洞察提炼（45 分钟）：问自己"那又怎样？"。从信息到洞察的跳跃。记录 5-10 条新发现或新观点。
- 验证（30 分钟）：选择最重要的 2-3 个结论。找资料或亲身验证。
反思：AI 在哪一步最有帮助？哪一步只能靠你自己？