Section 01 · AI 辅助研究的核心原理
很多人觉得研究工作 AI 帮不了忙，因为它会 "编造数据"。但这个观点有一个根本的误解：AI 不是替你做研究，而是加速研究过程中的每一个环节。
研究工作的标准流程
无论是市场调研、竞品分析还是数据整理，都可以分成 4 个阶段：
研究流程的 4 个阶段
① 信息收集
找到可靠的数据源（官方报告、论文、新闻、用户反馈等）。这是基础，决定了后续分析的质量。
② 整理分类
把零散的信息按照某种结构（维度、时间线、分类）归类，让混乱变有序。
③ 深度分析
从数据中发现模式、趋势、异常和关键驱动因素。这是最耗脑力的部分。
④ 输出结论
用清晰的语言、图表、推荐，把分析结果呈现出来。
AI 在每一步的角色不同：
• 信息收集：AI 无法主动上网搜索（除非配合搜索工具），但可以帮你组织搜索策略。比如 "我要研究 AI 大模型领域，有哪些必看的信息源和维度？" AI 可以给你一份完整的清单。
• 整理分类：AI 擅长。把你收集的 Excel 数据、竞品信息、用户反馈这些原始材料，让 AI 按照你想要的结构重组。
• 深度分析：AI 半擅长。AI 可以快速给出模式识别（"这些企业的共同特点是"）、对标建议（"对标友商，我们的差距在"），但你需要判断这些分析是否在理。
• 输出结论：AI 非常擅长。给定数据和视角，AI 可以快速整理成逻辑清晰的报告。
核心原则
AI 的作用是 "加速" 和 "补充"，而不是 "替代"。你的判断力、领域知识、审美标准始终是决定性的。
Section 02 · 市场调研报告完整流程
第一步：明确调研目标和维度
不要漫无目的地让 AI 生成报告。先明确你要了解什么。
PROMPT
我需要做一份关于"宠物食品行业"的市场调研报告。
调研目标：我们是一家初创企业，想进入这个市场，需要理解现状和机会。
希望覆盖的维度：
1. 市场规模和增长趋势（过去 5 年和预测未来 3 年）
2. 主要参与者和竞争格局（头部 5-10 个品牌分析）
3. 消费者需求和痛点变化
4. 细分市场机会（高端、健康向、小众等）
5. 渠道分析（线上 vs 线下，主要平台）
我能提供的资料：
- 我自己收集的 5 份行业报告链接
- 3 个头部品牌的官网信息
- 10 个用户访谈笔记
- 某电商平台的销售数据节选
第二步：让 AI 生成结构化框架
PROMPT
基于上面的背景，请为我生成一份市场调研报告的框架（不用写内容，只要目录结构和每部分 2-3 句的说明）。
框架要求：
- 执行摘要（管理层需要的关键数字和结论）
- 市场概览（规模、增长、趋势）
- 竞争格局（主要玩家分析）
- 消费者分析（谁在买，买什么，为什么）
- 机会和风险（细分机会、进入壁垒）
- 建议（基于以上，我们应该如何定位）
第三步：关键数据部分，AI 帮你整理（人工验证）
PROMPT
我提供以下原始数据，请帮我结构化整理成一个表格：
数据输入：
[你从各个来源收集的原始数据，比如"2020 年市场规模 500 亿，2021 年 650 亿……"]
整理要求：
- 列：年份、市场规模（亿元）、增长率、数据来源
- 将数据按时间排序
- 标注哪些是官方数据，哪些是第三方估算
- 如果数据冲突，列出不同来源的版本
完成后我会：逐个验证数据来源，确保准确性
第四步：竞争分析部分
PROMPT
基于以下关于头部 5 个宠物食品品牌的信息，生成一份对标分析表格。
维度：
- 品牌、成立年份、融资阶段
- 主要产品线（干粮、湿粮、保健品等）
- 定位和价格区间
- 主要销售渠道
- 已知的市场占有率或销售额
- 差异化特点（比如"有机""科学营养""社群运营"）
输出格式：一个 6 行 8 列的表格，便于对比
第五步：合并和输出最终报告
现在你有了框架、数据表格、竞争分析。把这些拼在一起，让 AI 写成连贯的报告文本。
PROMPT
根据以下信息，生成一份完整的市场调研报告文本。
[粘贴框架 + 数据表格 + 竞争分析表]
报告要求：
- 字数：3000-4000 字
- 在数据表格之前有 1-2 段说明文字
- 关键数字要有具体来源（"根据 XXX 报告，2022 年市场规模为……"）
- 竞争分析后加 1 段"总结对手特点"
- 最后部分是"我们的机会窗口"（3-4 个可行的切入角度）
- 每个部分后加"进一步深化的方向"（如果还需要更多信息）
效率对比
传统做法（你手工整理数据，写报告）：15-20 小时。AI 协作做法（AI 帮整理和初稿，人工验证和修改）：5-7 小时。提升 60-70%。
Section 03 · 竞品分析深度指南
五维竞品分析框架
竞品分析最常见的方式是 SWOT，但更实用的框架是"五维分析"：战略定位、产品能力、市场表现、用户体验、团队实力。
五维竞品分析框架
战略定位
竞手目标用户、主打卖点、长期方向。理解他们想成为什么。
产品能力
核心功能、功能深度、特色功能、迭代速度。客观的产品审视。
市场表现
融资情况、团队规模、营收规模、市场占有率、增长趋势。
用户体验
用户评论情感、常见投诉、用户粘性指标、满意度。
生态和拓展
合作伙伴、营销策略、社群运营、生态野心。
提示词：让 AI 协助竞品分析
PROMPT
请基于以下关于竞品 X 的信息，生成一份五维分析报告。
我提供的竞品信息：
[官网首页截图描述、融资新闻、用户评论摘要、产品演示笔记等]
分析维度：
1. 战略定位：他们的目标用户是谁？核心卖点是什么？
2. 产品能力：3-5 个核心功能描述、差异化特性、缺失的功能
3. 市场表现：融资阶段、团队规模、估计的市场占有率
4. 用户体验：用户反馈的 Top 3 优点、Top 3 痛点
5. 生态拓展：他们在做什么市场开拓？有哪些合作？
输出格式：5 个小节，每节 300-400 字，最后加一段"对我们的启示"
功能对比矩阵（数据驱动）
如果你要和多个竞手对标，生成对比矩阵会很有帮助。
PROMPT
基于以下竞品信息，生成一份功能对比矩阵。
竞品：A（我们）、B、C、D
对比维度（15-20 个）：
产品层面：核心功能、高级功能、AI 能力、定制化、集成能力
商业层面：价格、付费模式、免费额度、企业版
用户体验：界面易用性、学习成本、文档完整性
市场信号：融资轮数、用户规模、增长速度
矩阵填法：
- 有该功能：✓
- 部分有：◐
- 没有：✗
- 未知：？
关键提示
竞品分析矩阵最容易出现的问题是：信息过时。尤其是融资、团队规模这类数据，AI 的训练数据可能是 6 个月前的。一定要自己核实最关键的数据点。
Section 04 · 数据清洗与整理
场景：你有一个混乱的 Excel 文件，需要整理
实际工作中经常遇到这种情况：收集了很多原始数据（用户信息、交易记录、竞品数据等），格式不统一、有缺失值、有脏数据。
PROMPT
我有一个 Excel 文件，包含 500 条用户记录，需要清洗和标准化。
现有问题：
- "加入日期"列格式混乱（2022-01-01、2022/01/01、1/1/2022 混在一起）
- "城市"列有拼写错误（"北京"被写成"北京市""北京市区""BJ" 等）
- "消费金额"列有文本符号（"¥100""100 元""100.00CNY"）
- 有 30 条记录缺少手机号
- 某些字段有前后空格
清洗要求：
1. 日期统一为 YYYY-MM-DD 格式
2. 城市字段去重和标准化（给我一个城市映射表，"北京市"→ "北京"）
3. 消费金额提取数字，统一为整数
4. 标记缺失值（用 N/A）
5. 删除全重复行
6. 给我一份清洗日志（删除了多少行，修改了多少条记录）
AI 如何帮助：给出数据处理建议
如果你用的是 Excel，AI 可以教你用公式或 VBA 脚本。如果你用的是 Python，AI 可以给出 pandas 代码。但核心是：你负责理解和检查，AI 负责提供方案。
PROMPT
我用 Python 处理数据，以下是我的原始数据结构：
```
import pandas as pd
df = pd.read_excel('users.xlsx')
# df 有 500 行，列名：id, name, city, phone, signup_date, spend
```
需要的处理步骤：
1. 将 signup_date 转换为 datetime 格式
2. 城市名称标准化（多个变体映射到标准城市）
3. 删除手机号缺失的行
4. spend 列中去掉非数字字符，转为 float
5. 检查重复行
请给我：
- 完整的清洗代码
- 每一步的注释说明
- 清洗前后的数据统计（行数、缺失值数量变化）
异常值识别
数据清洗不是只删废数据，还要找异常——可能是 bug，也可能是有价值的信号。
PROMPT
我有 1000 条交易记录，金额分布如下：
平均：1500 元，中位数：800 元，最大：500,000 元
需要：
1. 识别离群值（outliers）：用 IQR 方法标记超出合理范围的金额
2. 检查高金额订单（>50,000 元）的合理性：这些是真实订单还是数据错误？
3. 检查金额为 0 或负数的记录
4. 给我一份异常值清单，包括：订单 ID、金额、为什么异常
我的判断：高于 100,000 的可能是企业客户（合理），但 500,000 的那条需要人工审核
Section 05 · 研究结果的可靠性验证
AI 生成的结论，为什么要验证？
AI 的输出看起来很有说服力，但可能存在 3 个问题：
1. 数据陈旧：AI 的训练数据可能是 6-12 个月前的，市场变化快的领域这是致命的。
2. 逻辑跳跃：AI 可能从有限的信息推断出过度概括的结论。
3. 混淆或编造：AI 有时候分不清"我知道"和"我假设"，会把假设当事实说出来。
验证方法：交叉核实（Triangulation）
简单来说，重要的数据和结论，要从至少 3 个独立的来源验证。
四步验证流程
第 1 步：AI 输出初步结论
比如 "中国宠物食品市场 2023 年规模约 800 亿元，年均增速 15%"
第 2 步：列出数据来源
AI 会说"根据 XXX 报告"或"基于市场估算"。追问："你的数据来自哪里？你是从哪篇文章读到的？"
第 3 步：自己验证来源
去官网、论文数据库、新闻报道中找同样的数据。看看是否一致。
第 4 步：寻找反面意见
有没有报告给出不同的数据？有没有专家持不同观点？记录分歧。
实操：Fact-check 提示词
PROMPT
请检查以下研究结论的可靠性，并标注你的确信度。
我的结论：
"AI 芯片领域，英伟达占全球市场份额的 80%，预计 2025 年会被 AMD 和其他厂商蚕食到 70%。"
验证要求：
1. 这个"80%"的数据来自哪里？有多个来源吗？
2. "蚕食到 70%"的预测基于什么？是市场调研机构的预测还是你推导的？
3. 列出你知道的关于这个数据的不确定因素
4. 用 1-5 分标注你对这个结论的信心度（5 分最高）
你的回答格式：
[数据] → [来源] → [确认度] → [风险说明]
常见的红旗信号（别相信这些）
当 AI 说出这些话时，要特别警惕：
• "据说……" "有人说……" "通常认为……"（没有具体来源）
• "基于我的理解……" "可以推断……"（这是推测，不是事实）
• 给出的数字太圆整（"100 亿""50%""恰好 10 倍"）（可能是粗略估算）
• 多个相近的数字选择中，选最具说服力那个（selection bias）
Section 06 · 从数据到洞察
为什么有的研究报告很无聊？
因为它只是数据的堆砌，而不是洞察。
数据报告说："2023 年 90 后女性在美妆品类的消费额增长 23%"。
洞察说："90 后女性的美妆消费增速超过整体市场，原因是这个代际更接受成分党和小众品牌，推动了高客单价产品的销售。这意味着传统大品牌需要重新审视他们的营销策略。"
前者是信息，后者才是洞察。AI 可以帮你从数据生成洞察，但前提是你给它足够的上下文。
引导 AI 提炼洞察的提示词
PROMPT
我给你一份竞品分析数据，请帮我从中提炼出 3-5 个关键洞察。
数据：
[粘贴你的竞品对比表、用户评价数据、市场数据等]
洞察提炼的要求：
1. 每个洞察要指出"是什么" + "为什么" + "意味着什么"
不要只说"A 的功能更多"，要说"A 的功能更多，因为他们的用户是专业人士，需要深度工具，这意味着……"
2. 要有数据支撑（指出来自哪个数据点）
3. 最后加一句"这对我们的启示"
我特别关心的问题：
- 为什么某个竞手增长更快？
- 用户的痛点有什么演变？
- 市场的未来方向是什么？
洞察的三个层次
从数据到洞察的三个层次
L1 描述
"A 功能的用户评分是 4.8，B 功能是 4.2"。这是事实，不是洞察。
L2 解释
"A 功能评分更高，因为它的设计更直观"。这开始解释 why，但还很浅。
L3 启示
"A 功能评分高意味着用户更看重'易用性'而非'功能全面'，这启示我们下一个版本应该优先改进核心路径的流畅度"。这才是真正的洞察。
AI 可以帮你从 L1 到 L2，但 L3 需要你的行业知识和业务直觉。
Section 07 · 常见坑点与解决方案
坑点 1：过度依赖 AI 生成的数据
❌ 常见错误
让 AI 直接生成一份报告，里面的数字全来自 AI 的"知识"，没有人工验证，最后报告被驳回。
✓ 正确做法
所有核心数字都要来自你手工收集、验证的来源。AI 只是帮你整理和分析这些数据。
坑点 2：报告框架过于通用
如果让 AI 直接生成报告，它会用最标准、最通用的框架（市场规模 → 竞争格局 → 趋势预测）。这样的报告看起来没有洞察力。
解决方案
自己设计报告框架，围绕你的核心问题。比如你想进入市场，就按照"市场是否友好 → 有利因素 → 风险 → 我的进入策略"来组织，而不是照搬通用框架。
坑点 3：数据冲突时的判断
不同来源的数据有时候会自相矛盾。AI 会列出所有版本，但无法判断哪个更准确。这需要你的判断。
PROMPT
我发现关于"中国在线教育市场规模"的数据冲突：
- 来源 A（2023 年报告）：2500 亿元
- 来源 B（2023 年报告）：3200 亿元
- 来源 C（2024 年报告）：2100 亿元
我需要：
1. 分析为什么会有这么大的差异
2. 判断哪个来源最可靠（提示：A 是教育部，B 是咨询公司，C 是某个平台自己的估算）
3. 如果非要选一个，我应该用哪个？
线索：A 的数据可能是狭义的"线上教育"，不包含 AI 辅导工具和短视频教育内容。
坑点 4：分析深度不够
警惕这个现象
AI 生成的报告，句式通常是 "现象 + 原因（推测）"，但缺少实证。比如"增长快是因为用户需求增加"——这很可能是对的，但有没有数据证明？有没有找到增长驱动因素中最关键的那个？
解决方法：在提示词里明确要求"为每个观点提供 3 个以上的支撑证据"。
实战练习
选择一个你关心的行业或产品领域，按以下流程完成一份迷你市场调研：
任务：用 AI 完成一份 2000 字的市场调研报告
1. 信息收集（1 小时）
找 3-5 份行业报告或新闻（官网、新闻稿、行业媒体），记录链接和关键数据点。
2. 框架设计（0.5 小时）
不用 AI 默认框架，自己设计 4-5 个最关键的节点，围绕一个核心问题。
3. 数据整理（1 小时）
用本章的提示词模板，让 AI 帮你整理、表格化这些数据。
4. 分析和洞察（1.5 小时）
用竞品分析或趋势分析提示词，生成初稿。
5. 验证和迭代（1 小时）
逐个核实关键数据，修改过度推断的部分，确保逻辑清晰。
产出物： 一份完整的报告 + 一份"数据来源验证清单"（说明哪些数据你已经验证过）。