如何用ChatGPT做產品調研？來看高手的實踐經驗！

一、為什么要使用 ChatGPT 做調研？

1. B端產品探索期調研工作量大

我們經常做調研應該知道，B 端產品探索期常做的調研包含 4 種：

1. 市場調研：了解市場需求和用戶反饋，分析市場競爭格局和發展趨勢
2. 需求調研：了解目標用戶的需求、期望和反饋，分析用戶的使用場景、行為習慣和痛點
3. 競品調研：了解競品產品的優勢和不足，分析競品的用戶群體、使用場景和功能特點
4. 體驗調研：了解用戶對產品的使用體驗、滿意度和建議，分析用戶的痛點和需求

調研中檢索信息數據，整合資源、體驗復雜產品、形成體驗報告等工作量極大，項目時間短，很難完成。

更多ChatGPT 使用技巧：

2. 設計調研存在困難點

難點 1：探索全新的領域，入手難

行業、平臺、業務都是全新的，我們需要好好理解平臺和體驗平臺。同時，還需要收集盡可能多的信息，并在信息中判斷整理出對我們有用的信息，但是龐大復雜的網絡資源中，充斥著碎片化的信息，體系化知識較難獲取。這就造成了，探索全新領域業務入手難的問題。

難點 2：脫離設計師生活，理解難

在前期探索階段，設計師不是業務員，沒有既往經驗，并且，全新探索的業務里，從存量客戶中較難找到合適的客戶進行調研。這就造成了，脫離我們生活的業務理解難的問題。

難點 3：摸清 B 端競品，時間短

我們的業務在市面上的競品不多，資訊相對較少，想要找到合適的競品需要不斷體驗，需要時間。B 端競品多數要付費，在找競品-注冊-體驗競品，也比較耗費時間，一旦發現產品需要付費，那么前面的工作無疑浪費了時間（多數競品會引導“免費”試用，但其實綁定海外信用卡才能真正試用，free 是一種忽悠手段）。不過，業務迭代發展快，我們需要快速完成。這就造成了，摸清 B 端競品時間短的問題。

3. 試試ChatGPT吧！

根據我們調研工作量大、設計存在的困難點，我們思考可以嘗試使用 ChatGPT 來做輔助工作，幫助我們快速整合資源信息、節約時間成本、精力、降低對 B 端業務的理解成本。

二、ChatGPT 可以輔助做哪些工作？

1. 幫我們快速了解行業&業務

這里取決于我們想了解行業的什么內容，由于我們產品的本質是想幫助外貿人做好營銷，那么我們的用戶就是外貿人，需要了解外貿人對營銷的訴求。比如：營銷對我們用戶來講意味著什么、我們的用戶一般都用什么營銷方式、為什么要用平臺、為什么更愿意用某某平臺、營銷能給我們的用戶帶來什么商業價值/收益等等。我們向 ChatGPT 提問這些問題，它根據大數據整合信息吐給我們，多輪體驗下來，ChatGPT 對于行業的相關信息質量還不錯。

2. 幫我們快速了解競品

用 ChatGPT 找到合適的競品

嘗試問 ChatGPT，同類型的競品都有哪些，同時讓它提供競品介紹。但是！它提供的并不一定是符合我們的競品，我們會針對它提供的競品，提問競品介紹、定位、功能等內容。這樣，我們就會找到合適的競品，再開始實際體驗，這種方式比以往的方式快多了。

體驗競品時，用 ChatGPT 查缺補漏

當向 ChatGPT 詢問相關競品列表后便開始體驗，我們的競品基本都是海外產品，產品較為成熟，結構信息復雜，要摸清競品的功能，入口，使用流程，耗費時間長。結構復雜的，功能隱藏深。這時候，我們在體驗競品后作為查缺補漏，會讓 ChatGPT 將競品是否有 xxx 功能？功能入口在哪里提供出來。

舉個例子：B 端競品有免費試用，實際在注冊時才提示要綁定銀行卡才能體驗，而綁定銀行卡這個要求并未在競品官網中體現。而后，我們就“試用產品是否需要綁定銀行卡”的問題詢問 GPT，ChatGPT 居然能回答出只有在使用產品流程中才能獲取的信息（當然，也可能它是從一些論壇中獲得的信息。）

3. 幫我們快速獲取數據

我們在前期調研時的訴求是，希望它能快速的幫我們找到一些專業研究報告，以及對應的研究數據，以輔助我們設計師總結。

實操過程中，它的確可以按照我們的要求找到具體的研究報告，同時，我們會引導它從研究報告的角度，幫助我們摘取報告中提到的內容、羅列出具體的數據。但是，我們前期提問比較寬泛，嘗試多次重復提問同一個問題，它給我們的研究數據都不一樣。它給我們的數據只是羅列整合，而我們發現其實因為“不同的機構”“不同的研究報告時間”“不同的研究角度”“研究面向的人群”，都會導致幾份數據報告結果不一致，這會干擾我們的判斷。因此，我們后續繼續從：哪些研究機構更權威、我只要近一年的報告、我要平臺官方數據不要第三方數據等不斷提問，獲取到了我們需要的研究數據信息。

我們設計師最后需要做的是：通過 ChatGPT 提供的信息，我們自己去判斷用哪個研究報告合適、以哪份數據為準、整理合并數據報告的信息、做分析比對工作，得出調研結論。這個過程就是用 Gpt 幫助我們獲取合適的數據，節約我們找/查/讀數據報告的時間。

三、不建議用 ChatGPT 做哪些工作？

1. 不做分析性的工作

原因一：它無法代入我們的業務屬性，給出合適的分析結果

我們從 ChatGPT 上獲取到的信息，是它從大數據訓練而得的，但是我們無法判斷它的分析邏輯是否是符合我們業務，也就是說，它的回答不具備“具體的業務屬性”。而我們去做調研分析，一定會代入我們的業務屬性，明確業務背景和方向前提下的。以下是它的回答：

原因二：它給出的設計層面的分析偏點狀，不夠有遞進性和系統性

我們嘗試讓他分析如何在一款 xx 產品里，讓用戶感受到節約時間成本、效果更好。它給出的答案都是點狀的，缺少“分析”思路。相比來講，我們可能會從關鍵點、目標、思路、設計遞進分析。從關鍵點入手，再去針對性的拆解出設計的目標、方案思路等等。

2. 不做總結性的工作

ChatGPT 給出的總結中，存在部分我們不需要的信息，但是它會融進自己的邏輯中總結出來。舉個例子，當我們想對 xxx 內容進行總結，ChatGPT 會按照自己某種邏輯給出數據、以及總結。我們向它溯源它的數據，發現它的數據來源并不是最新、最權威的報告，那么總結的內容就不符合我們的要求。所以，建議我們將 ChatGPT 給出的信息進行二次篩選，選出最專業、最新、最全的信息，再人工做最終的總結。

四、Tips 小提示

1. 答案不是你想要的？可以轉換提問方式

怎么換提問方式呢，簡單粗暴的方案，我們對他說：重新換個答案，這不是我想要的；或者我們思考轉化問法，比如：問 ChatGPTxxx 營銷的目的是什么，如果答案不合適，我們可以換成問：用戶在營銷時會做什么，想做什么？實際上都是針對用戶類似的心理提出的問題。

2. 下鉆提問，可以不斷深挖信息

舉個例子，比如我們想知道 5 款社媒平臺對帖子內容的建議，它給出匯總性的答案。我們會繼續分開提問每一個社媒平臺的建議，再繼續提問建議的來源是什么，再提問來源渠道是否專業準確。從而去反向證明，它最先匯總給出的答案是不是合適。

3. 校驗答案是否準確

這種校驗很簡單，比如它給出了鏈接，我們去點擊看下是不是符合它所說的，比如它告知的結果，我們去實際體驗下產品。下圖就是 ChatGPT 給出的錯誤答案，由我們自己校驗而得出，官網鏈接錯誤以及產品是付費的但是它說免費。

4. 深入提問它的答案依據，判斷它是否專業

在它給出答案后，我們會繼續提問答案的來源依據，方法是這樣的：

1. 「正向提問給結果」我們問 ChatGPT 問題，它會給出一個結果
2. 「從結果中反向提問」向 ChatGPT 正向提問的結果中，找到關鍵詞反向提問，以看正反向結果是否差別不大
3. 「追問結果的來源」追問它給出的答案的來源，判斷來源是否權威、專業

舉個例子：

我們先正向提問：“如何衡量營銷效果”，而后，我們從正向答案中提到的關鍵詞是某些數據，再反向提問：“某數據對營銷效果的影響”，最后，在它給的結果中包含數據，我們追問數據是從哪些報告或機構中得來的。這一套方法下來，基本可以判斷出 ChatGPT 給出的結果是否專業了。

5. 追問答案時間，確定是否是最新答案

在給出的答案中，若我們對信息的時效性有要求，那么就需要追問 ChatGpt 提供的信息的時間，如果它也無法提供信息來源時間，我們就得需要自己再去檢索。

最后

最后的最后，不要完全相信它的答案，一定要：正反提問！多次檢驗！多重篩選！