你随手输入一句：“帮我想一个能赚钱的 App。”
几秒钟后，它就能给你列一堆方向：效率工具、健康管理、AI 助手、学习平台、社交应用。
这些答案通常不差，甚至看起来很完整。
麻烦也在这里。
它们会让人误以为，机会已经出现了。但这些答案没有告诉你：谁真的被这个问题困住，谁已经在搜索解决方案，谁在网上把同一种麻烦讲了一遍又一遍。
所以我更愿意把 AI 当成市场研究助手。
先让它帮我们整理信号：人们已经在为什么付费，他们搜索什么，抱怨什么，最后这些信号能不能收敛成一个可以验证的产品方向。
这套方法叫 Gold Mining Framework（金矿框架）。它不追求一上来生成一个“百万美元创意”，而是用真实市场、真实搜索数据、真实用户讨论，一步步筛出一个值得继续看的方向。
这次演示里，最后跑出来的是一个帮助离异父母处理共同育儿交接问题的应用。
第一步：先选一个值得探索的市场
找想法不要一上来就问“我要做什么产品”。
更稳一点的问法是：我要进入哪个市场？
我会先看三个大方向：健康、财富、关系。
原因不复杂。这三个市场里，人们长期愿意花钱。健康问题、赚钱问题、关系问题，都不是“可有可无”的需求。先从这些地方往下挖，风险会低一点。
比如从健康市场切入，可以先选压力管理。但“压力管理”还是太大，于是我会让 AI 继续拆。
它可能会拆出身体放松、按摩疗法、呼吸训练、冥想、正念冥想等等。
跟大语言模型对话时，我会尽量用 Markdown 保留提示词结构。普通复制也能用，但 Markdown 更容易让模型看清层级。
模型本身不用纠结。Claude、Gemini 或其他模型都可以。Claude 的文字更像人，Gemini 的上下文更长，按任务选就行。
选市场时，我主要问三个问题：
我对这个方向有没有兴趣？ 我有没有优势，比如知识、经验、人脉或行业理解？ 如果没有明显优势，这个方向是否仍然值得继续挖？
这里我会看一件事：这个市场里有没有人长期为结果付费。健康、财富、关系适合作为起点，就是因为它们不用凭空创造需求，可以在已有付费市场里继续细分。
这一步还不到做产品。只是先选一个矿区。
第二步：用搜索数据验证需求
选了市场以后，不要马上开始设计产品。
先看需求有没有基本信号。
我会用 Google、关键词数据工具和 Google Trends 快速扫一遍。
比如在健康市场里，如果看 Swedish 瑞典式按摩，可以找到一些相关搜索词。其中“Swedish massage near me”有相当可观的搜索量。这说明有人在主动找解决方案。
但搜索量只是一部分，还要看趋势。
在 Google Trends 里，有时你会看到搜索词，有时会看到主题。如果能看到 topic，通常更值得看，因为它会把相关搜索、不同语言里的相近表达合并起来，覆盖范围更完整。
瑞典式按摩的趋势还不错，但波动比较明显。疫情期间也有下滑，所以它不算特别稳。
接着我换到关系市场，继续往下拆到育儿，再找到共同育儿这个方向。
这个方向的数据更有意思。
“co-parenting”本身有明显搜索需求。更关键的是，相关词里出现了 “co-parenting app”（共同育儿应用）、“co-parenting counseling”（共同育儿咨询）、“co-parenting classes”（共同育儿课程）。
这几个词很重要。
它们说明用户不只是了解概念，而是在找工具、服务和具体帮助。这里已经能看到一点付费意愿。
再看 Google Trends，共同育儿是一个更稳定、更长期的趋势。它不像某些 AI 工具那样突然爆红、几个月后消失，而是来自社会关系变化带来的长期需求。
所以这一步我会盯一个问题：用户到底是在搜概念，还是已经在搜工具、服务、课程、咨询、模板、软件？
后者更有价值。
这也是为什么共同育儿值得继续看。它不只是一个话题，里面已经出现了用户主动寻找解决方案的信号。
第三步：去 Reddit 找真实痛点
有了市场和搜索验证，接下来要找用户到底痛在哪里。
我最常用的地方是 Reddit。
Reddit 的价值在于匿名和长讨论。很多人在那里会说出更真实、更具体、更难听的话。对市场研究来说，这些东西很有用。
但我不会只在 Reddit 里随便搜。
我会用 Google 的高级搜索语法，专门筛 Reddit 里表达痛苦和问题的帖子。
比如用一些类似 “I think”“I feel”“I experienced”“I have been” 的表达，去过滤那些真正讲个人经历、挫折、困惑和矛盾的帖子。
这个方法不可能百分百准确，但比普通搜索更容易找到高质量讨论。
在共同育儿这个方向里，我会优先看几类帖子：子版块是否相关，评论数够不够，发布时间是否太旧，讨论内容是不是确实围绕共同育儿的问题展开。
比如，有人讨论如何接受共同育儿这件事；有人讲跟高冲突前任沟通的痛苦；有人分享混合家庭里的压力；也有人讲孩子在两个家庭之间切换时的情绪问题。
我会把这些帖子完整复制出来，用分隔符分开，放进一个文本块里。
帖子数量不是重点。重点是能不能看到具体、重复、带情绪的用户原话。
“我觉得这个市场有需求”不够。你要看到真实的人，在真实场景里，反复说同一种痛苦。
数据越真实，后面的 AI 分析越不容易飘。
第四步：让 AI 提炼痛点，但别让它乱编
拿到 Reddit 数据后，我会让 AI 提取痛点。
这里有个前提：AI 的任务是整理用户原话，不是替用户发明痛苦。
比如在共同育儿这个方向里，AI 提炼出一个痛点：很多父母被期待必须跟前任保持友好关系，为了孩子牺牲自己的边界，甚至影响当前关系。
这背后对应的用户原话很尖锐：和施虐者共同育儿很难。
另一个痛点是：在共同育儿的同时经营新关系。还有人会提到高冲突、忽视责任的前任，以及混合家庭里情绪劳动和实际照顾责任不平衡的问题。
这些东西很难坐在办公室里凭空想出来。
它们来自真实用户的具体语境，所以会比“做一个共同育儿 App”这种泛泛想法更有力量。
判断这一轮有没有用，就看 AI 的每个结论后面能不能挂上原始用户引用。
一个痛点说得再漂亮，如果找不到用户原话支撑，也只能算二手总结。
第五步：从痛点生成产品机会
接下来，我会把整理好的痛点交给 AI，让它基于市场细分、差异化、新技术等框架，生成不同产品方向。
比如它给出的一个方向叫 Co-parent Ally：一个专门面向高冲突共同育儿场景的平台，内置记录工具、沟通过滤器和第三方调解功能。
这个已经比“共同育儿 App”具体很多。
另一个方向更有意思：以孩子为中心的抚养权交接工具。
它不试图解决所有共同育儿问题，只关注一个反复发生的场景：孩子在两个家庭之间交接时，怎么减少焦虑、冲突和情绪崩溃。
这个方向后来变成了演示里的落地页主题：Transition Garden。
它的定位是帮助分居父母，把孩子在两个家庭之间的交接，从哭闹崩溃变成更平静、可预测的告别。
这个时刻，想法才开始变清楚。
“做一个平台”太大了。
“解决孩子在两个家庭之间交接时的痛苦”就具体得多。
这一轮主要看产品方向能不能收敛到一个人群、一个场景、一个高频痛苦。如果它还想服务所有共同育儿问题，范围就太大。反过来，只盯住交接这个场景，反而更容易验证。
第六步：把产品方向变成落地页
选定产品方向后，我会让 AI 生成一个专门给 Lovable 的落地页提示词。
这个提示词会把前面的市场研究、痛点、用户语言、产品方向，转成 Lovable 更容易执行的结构。
最后生成的落地页核心文案大概是：
帮助分居父母把孩子在两个家庭之间的交接，从哭闹崩溃变成平静告别。
页面还自动生成了一些功能模块，比如儿童友好的日程工具、减少父母冲突的交接协议、由儿童心理学家设计的情绪确认系统、帮助识别交接模式的记录功能，以及 FAQ（常见问题）。
这里要小心一点。
页面里提到“由儿童心理学家设计”的功能，真正做产品时必须兑现。不能把 AI 生成的卖点当成事实直接发布。
但作为验证页面，它已经足够具体。
这一页可以先别管漂不漂亮。更先要确认的是，陌生用户能不能很快看懂三件事：这是给谁的，解决什么场景，为什么现在要留下联系方式。
这套框架最有价值的地方就在这里：它把一个模糊方向，推到一张可以测试用户兴趣的落地页。
做完落地页以后，不要马上埋头开发
很多人走到这一步会忍不住开始写代码。
但我更建议再验证一次。
因为即使你有一个看起来不错的落地页、一个趋势不错的市场、一堆真实痛点，从这里到真正做出 App，仍然有大量工作。
Cursor、Lovable 这类 AI 编程工具确实能加快开发，但它们不是魔法。做出一个能稳定运行、用户愿意持续使用的产品，依然需要时间。
所以我会在落地页上加一个问卷式互动。
先问用户目前在共同育儿交接中遇到的问题，再问他们产品上线时是否愿意收到通知。
这样，你就能开始积累等待名单。
这里真正要看的不是页面访问量。更接近行动的信号是：有多少人愿意回答问题，有多少人愿意留下联系方式，有多少人愿意继续聊自己的具体场景。
访问量只能说明有人看到了你。
等待名单、问卷和访谈，才开始说明有人愿意把自己的问题交给你。
我从这个框架里带走的经验
AI 在这里的价值，是帮你处理市场信息，而不是替你幻想。
市场要从用户已经愿意花钱的地方开始，比如健康、财富和关系。
搜索数据能帮你判断需求，但 Reddit 这样的真实讨论，能帮你听见用户怎么描述痛苦。
好的产品方向通常不会一开始就很大。它更像一个很窄的切口：一个人群、一个场景、一个反复发生的问题。
落地页也不是终点。
真正的下一步，是等待名单、问卷、访谈和早期用户反馈。
过去，找想法很容易变成玄学。
有了 AI 和一套清晰流程，这件事至少可以更像研究。
但 AI 没有替我们跳过验证。它只是把原本混乱的市场研究，整理成一条更清楚的路径。
最后还是要看市场有没有回应。
案例分享翻译整理自油管频道StarterStory。
本公众号会持续更新AI和互联网创业相关的内容，如果你觉得有用，请点赞关注，下期见。
