很多人用AI做市场调研，方法是这样的：
问AI"XX行业市场规模多大"，把答案复制进报告，事就算完了。
这个做法有个很大的问题。AI给你的数字，可能来自两年前某篇过时的报告，也可能就是它编的。
它不会主动告诉你哪个可信，哪个不可信。
AI真正能帮上忙的地方，其实是三件事。
一是帮你在动手之前想清楚该研究什么，避免做到一半发现方向歪了。
二是处理你自己收集来的原始材料。访谈记录、竞品评论、招聘信息，这些东西量大散乱，人工整理费时费力，AI来做分类提炼快很多。
三是帮你找判断上的漏洞。有了初步结论，让AI扮演反对者来挑，比让同事审要狠得多，因为它不在乎你的感受。
01. 先把调研问题拆清楚，再动手
跳过这一步的代价很明显：做到一半发现漏了关键维度，或者做完了发现结论没法支撑任何决策。
动手之前，先让AI帮你梳理研究地图：
我正在研究[具体市场]，核心想搞清楚的是[你的问题]。我的角色是[创业者/产品经理/投资人]，这份调研需要支撑我做[具体决策]。
请帮我把这个问题拆解成3-5个具体的子问题；
针对每个子问题，指出最可靠的信息来源是哪里；指出这个调研里最容易产生误判的地方。
比如你要做一款面向律所的AI助手产品，AI会帮你拆出：律所真实的工作流断点在哪、现有竞品格局和定价、采购决策链是谁说了算、律师的付费习惯和预算上限、合规约束对产品设计的边界。
这五个问题，调研方法完全不同。
"律所工作流断点"要靠访谈，律师自己才知道哪里最痛。
"竞品格局和定价"看公开信息就够。"合规约束"要去读法规文件。"采购决策链"要访谈，还得访谈不同层级的人。
把这五个问题混在一起做，保证乱。
02. 竞品分析：收集在前，AI处理在后
很多人直接让AI分析竞品，但AI对竞品的了解停留在训练数据截止之前。
最新的定价调整、产品更新、用户反馈，它不知道。
正确顺序是：自己先收集，再让AI来处理。
需要收集的东西：官网和定价页（截图或复制文字）、G2/小红书/知乎上的用户评价、公司融资记录（企查查）、创始人的公开访谈、产品更新日志。
这些原始材料整理好之后，把它们喂给AI，给一个结构化的分析框架：
以下是关于[竞品名]的原始信息：[粘贴内容]
请从这几个维度分析，每个维度给出你的判断和具体依据：
他们实际在服务谁（从产品设计和营销信号判断，不是从他们官网说的话判断） 他们解决的最核心问题是什么 定价背后的逻辑是什么 他们有意选择不做什么 用户真实评价里高频出现的抱怨是什么
分析完三到五个竞品之后，再做一次综合：
这是我对A、B、C三个竞品的分析结果。请找出：这些竞品共同没有解决的用户问题；他们共同在强调的点；如果有人要做差异化切入，最有可能的方向在哪里。
还有一个被大多数人忽视的信息源：竞品的招聘信息。
把他们近三个月发布的JD批量收集下来，喂给AI，问：这家公司正在重点建设哪些能力？当前最大的组织瓶颈在哪里？
公司招什么人，往往比他们的公关稿诚实得多。
03. 用户访谈：问题设计决定你能问出什么
大多数人做访谈，问出来的都是没用的答案，原因不在受访者，在问题本身。
"你觉得现在的工具有哪些不足"，这类问题问出来的是意见。
人不擅长直接描述自己的痛点，但很擅长讲故事。
好的访谈问题，是让他们讲具体发生过的事，而不是发表评论。
让AI帮你设计问题时，给它这些约束：
我要访谈[目标用户]，想理解[核心问题]。
帮我设计一份访谈提纲，要求：从他们的日常工作场景切入，不要直接问痛点；至少包含三个能触发具体故事的问题，比如"上一次你遇到这种情况是什么时候，当时是怎么处理的"；包含一两个反向问题，比如"如果这个问题消失了，你的工作会有什么不同"；去掉所有引导性的表达。
AI生成之后自己再打磨一遍，比从零写快很多。
访谈记录的处理，用通义听悟或飞书妙记把录音转成文字稿。飞书妙记能识别多个说话人，整理起来更方便。
文字稿出来之后，把所有访谈记录一起喂给AI：
以下是[N]份访谈记录：[粘贴]
帮我做以下分析：提炼用户描述的具体场景；归纳高频出现的关键词，用受访者自己的原话，不要翻译成行业术语；找出受访者之间观点有明显分歧的地方；哪些痛点被多次提及但目前没有现成解决方案。
这里有一个细节很重要：让AI保留用户原话，不要让它帮你"翻译"成行业语言。
"效率提升"不是洞察。"每次开庭前要翻三个系统找材料，平均花将近一个小时"才是洞察。
原话里藏着用户真实的认知框架，改成你的语言就丢了。
04. 行研报告怎么用
行研报告你需要，但不能直接用它的结论。
把报告上传给AI，不要问"这个市场有多大"，要问：
这份报告里哪些数据是基于实际调研的，哪些是预测值？结论和数据之间有没有逻辑跳跃？哪些数字可以硬用，哪些要打折扣？
这样AI帮你甄别可信度，而不是帮你把不靠谱的数字搬进报告。
市场规模的估算，让AI帮你建模，而不是直接报数：
帮我构建一个自下而上的估算框架：目标客户总量从哪里找可靠数据；渗透率假设参考什么类比市场；客单价怎么拆解；哪个变量不确定性最大。
AI给框架，你去填每个变量的真实数据，再让AI做敏感性分析：这个假设从X变到Y，结论会怎么变。
每个数字你知道从哪来，整个结论对哪些假设最敏感，心里有数。
05. 有了结论之后，拿去让AI找漏洞
这一步很多人会跳过，但它可能是整个流程里价值最高的环节。
以下是我对这个市场的核心判断：[列出你的3-5个结论]
请扮演一个持怀疑态度的投资人，逐条找漏洞：哪个结论依赖的证据最薄弱？哪个假设最容易被现实打脸？我可能忽视了哪类竞争对手或替代方案？如果这个判断是错的，最可能的原因是什么？
AI在这里会很不客气。
它不在乎你花了多少时间做这份调研，也不会因为结论听起来有道理就放过它。
这个输出告诉你哪些地方还需要验证，比你自己复盘要直接得多。
06. 常见工具
AI只是这套工作流的一部分。还有几类工具值得单独说一下。
深度搜索
Perplexity的Deep Research模式，目前做行业背景信息搜集很好用。它会自动执行多轮搜索、整合来源，输出带引用的研究摘要。
适合用在调研最开始的阶段，快速建立行业背景认知。但有一点要注意：它的输出要当线索，不是结论。关键数据点要点进去核查原始来源，不能直接用。
国内可以用秘塔搜索，用法也是类似的。
评论和数据抓取
小红书、知乎、黑猫投诉上的用户评论，是很有价值的一手信息。
手动收集很费时间，可以批量抓取（有相应插件），不需要写代码，配置好规则就能跑。
如果会写Python（用AI写），用requests加BeautifulSoup处理静态页面，动态页面用Playwright，灵活性更高。
抓回来的原始评论，直接喂给Claude或GPT做分类和情感分析。
公司背景信息
企查查和天眼查查公司工商信息、融资历史、关联企业。
上市公司年报里的行业描述章节，很多人没意识到价值，但里面有公司自己对市场格局的判断，信息量不小。
国外市场的话，CB Insights和Crunchbase覆盖融资数据，SimilarWeb可以查竞品网站的流量结构和渠道来源。
访谈录音转文字
通义听悟和飞书妙记，中文准确率都够用。通义听悟有免费额度。
问卷
问卷星和腾讯问卷，分发依托微信生态，适合国内快速收集样本。没有特别的技巧，主要靠问题设计，问题烂了工具再好也没用。
最后说一件事。
调研做完，报告要给人看的时候，不要让AI帮你"写报告"，那会变成空洞的总结。
让AI做的是帮你理清逻辑：
这是我调研过程中的所有关键发现。我需要向[合伙人/投资人/产品团队]汇报，他们要做的决定是[具体决策]。
请帮我把这些发现按重要性排序，找出相互矛盾的地方，给我一个让对方10分钟内理解核心结论的汇报结构。
报告每一句话是你写的，因为每一句话背后的数据来源和判断依据，只有你自己清楚。
如果你会claude或者skill，可以直接让写出word形式的调研报告或者润色报告，省去调整格式和图表的时间。
