如何用AI做市場調查：一套可重複使用的工作流程

定義市場問題

從AI那裡拿到爛市場調查最快的方式，就是問一個像「研究一下這個市場」這麼籠統的問題。模型能寫出一份看似合理的總覽，但看似合理不等於有用。當你從一個具體的決策開始時，把AI用在市場調查上才會真正開始有回報：你想弄清楚什麼、答案不一樣會改變什麼，以及什麼樣的證據才會讓你信任這個結果？

在開始對話之前，先用這份簡單的市場問題簡報：市場、買家、決策、時間範圍、已知的競爭對手、來源類型，和輸出格式。範例：「我們把AI客服軟體賣給B2B SaaS團隊。我們需要了解競爭對手如何在自動化與真人客服之間做定位，才能更新我們的首頁。分析競爭對手的網站、定價頁面、評論，和公開文件。輸出一份定位矩陣、佐證要點、風險，和建議。」

這份簡報給了模型一項明確的任務。它也讓你保持誠實：這項任務是為了一個決策去整理證據、萃取出模式，而你可以拿這個任務標準去為輸出打分。當你手上有很多來源片段、頁面、筆記或逐字稿時，大上下文模型能幫上忙，但工作流程依然重要：清楚標記來源、先要求萃取再要求整合，並把事實和解讀分開。

扮演一位市場調查分析師。在動手分析之前，先幫我定義一份調查計畫。業務：[業務內容]。市場問題：[問題]。這份調查要輔助的決策：[決策]。已知的競爭對手：[清單]。可用的來源：[連結、筆記、評論、通話紀錄、定價頁面]。限制條件：[地理範圍、客群、預算、時程]。請回覆：1）精煉後的調查問題，2）需要的證據，3）來源蒐集計畫，4）輸出範本，5）風險或盲點。

輸出的應該是一份調查計畫，而不是一篇文章。查核這份計畫時，問問每個來源是否都跟這項決策有關聯。如果一個來源不會改變你的定價、定位、產品藍圖，或市場進入決策，它大概就不是必要的。

在制定策略之前，先建立競爭對手地圖

用AI做競爭對手分析時，把它當成先做資料萃取、再做策略，效果最好。在定義好分類之前，不要要求AI給你一份競爭對手的排行榜。改成建立一份競爭對手地圖，涵蓋直接競爭對手、相鄰的替代方案、手動變通做法，以及「什麼都不做」這個選項。後面這兩項，往往才是讓定位變得更犀利的地方，因為買家會把你的產品拿來跟試算表、代理商、內部人力，和不作為做比較。

輸入項目：競爭對手的首頁、產品頁面、定價頁面、更新紀錄、說明文件、評論片段、社群貼文、業務筆記，以及你自己的產品定位。如果你用的是長篇文件，就依公司分組來源，並在每個區塊標上公司名稱和URL。要求模型保留不確定性，而不是自己填補空缺。

為[類別]建立一份競爭對手地圖。只使用下面的來源筆記。欄位：公司、類別類型、目標客戶、核心承諾、主打功能、定價訊號、使用的佐證、買家可能有的異議、定位角度、來源URL、可信度。來源沒說明時標示為未知。表格之後，摘要出對我們的定位最重要的5個模式。來源：[貼上標記好的筆記]。

競爭對手類型	該擷取什麼	為什麼重要
直接競爭對手	同一批買家、類似的任務、類似的預算	有助於功能和定價比較
相鄰替代方案	不同的產品、相同的結果	揭露替代風險和類別邊界
手動變通做法	試算表、代理商、內部流程	呈現你必須打敗的真實現狀
企業級平台	更大的套裝方案或既有龍頭	釐清信任、整合，和採購方面的期待
免費或開源選項	低成本替代方案	有助於解釋付費價值何時值得

輸出：一份可以依客戶、承諾、價格訊號和佐證排序的表格。品管：對照原始來源，抽查其中三列。留意捏造的說法、過度自信的價格摘要，和沒有依據的定位標籤。接著問：「一個抱持懷疑態度的買家，讀完這份地圖後會怎麼說？」

定價頁面，其實是附帶數字的定位頁面

把AI用在定價研究上，重點不是抄下競爭對手的價格，而是理解他們的包裝邏輯：什麼是免費的、什麼被鎖住了、什麼算作使用量、團隊會在哪裡碰到限制、哪一種買家正被推著往上升級，以及這家公司怎麼包裝價值。定價頁面，其實是附帶了數字的定位頁面。

輸入項目：定價頁面的截圖或文字、方案名稱、功能表格、使用限制、附加功能、常見問答、試用相關文字、年繳折扣文字，以及任何說明限制的公開條款。價格經常變動，所以要把AI的輸出當成調查草稿，做決定之前先在原始頁面上查核目前的價格。

分析[市場]的這些定價頁面。先不要建議價格。先萃取出包裝模式。欄位：公司、免費／試用方案、入門方案、中階方案、頂級方案、使用量指標、被鎖住的功能、團隊／管理限制、企業版觸發條件、年繳折扣訊號、升級壓力、對買家的假設、來源URL。接著摘要常見的定價模式，以及新進者可以在哪裡做出差異化。來源：[貼上定價文字或筆記]。

用這份輸出來回答實際的問題：競爭對手是依人頭、使用量、點數、專案、儲存空間、訊息數，還是營收級距來定價？整合功能被鎖住了嗎？免費方案是真的可用的工作流程，還是只是一條展示路徑？買家會在哪裡第一次感受到痛苦的限制？

用「不准出現幻覺數字」這條規則來查核這份定價表。如果來源沒有清楚說明價格，答案就該標示為未知。如果頁面寫的是「聯絡業務」，模型就不該自己推算出一個美元金額。

在寫文案之前，先萃取客戶用語

客戶用語，正是一份泛泛的定位文件和一份聽起來真的像這個市場的定位文件之間的差別。把AI用在客戶用語研究上，能幫你從評論、業務通話、客服工單、導入筆記、Reddit討論串、問卷調查，和競爭對手的推薦見證裡，萃取出反覆出現的痛點、想要的結果、異議、購買觸發點，和確切的用詞。原則很簡單：先萃取，再改寫。

輸入項目：評論片段、通話逐字稿、問卷答案、客服對話、公開的推薦見證、論壇貼文、成交／流失筆記，和內部業務筆記。除非你的組織已核准這樣的工作流程，否則敏感資料不該放進工具裡。分析之前，先移除私人姓名、電子郵件、帳戶識別碼，和機密的客戶細節。

從下面的來源材料中萃取客戶用語。不要捏造引言。依痛點、想要的結果、目前的變通做法、異議、購買觸發點、成功指標，和情緒性用語，把確切的句子分組。每一句話都附上來源標籤、客戶區隔（如果已知），和可信度。接著用淺白的語言摘要出前7項訊息主題。來源：[貼上匿名化後的筆記]。

輸出應該同時包含確切的句子和主題。確切的句子能幫你寫出感覺真實的文案。主題能幫你做出策略性的選擇。如果客戶反覆說「我們每個星期五都在清理試算表」，這句話會比「使用者需要營運效率」更有力量。前面這句話能直接變成到達頁的鉤子、廣告角度，和展示流程的敘事。

查核這份萃取結果時，留意捏造的引言、過度歸併的主題，和遺失的區隔脈絡。當來源材料足以支撐時，要求模型依區隔、公司規模、角色，或成熟度來拆分主題。

把萃取結果變成一份定位文件

整合，是AI真正變得有價值的地方，但前提是萃取工作已經完成。一個實用的AI定位框架，會把競爭對手模式、定價邏輯，和客戶用語，轉化成一個個選擇：你服務誰、你要主打哪個問題、你需要什麼佐證、你要打敗哪些替代方案，以及你該避免哪些說法。

用這個結構來寫定位文件：目標區隔、迫切的問題、現有的替代方案、主要承諾、差異化因素、佐證要點、定價上的意涵、異議、訊息支柱，和實驗計畫。要求對方寫出一份把證據和建議分開的文件，這樣你才能質疑背後的推理。

根據下面萃取出來的調查結果，做出一份定位文件。用這個格式：1）目標區隔，2）用客戶用語描述的買家問題，3）現有的替代方案，4）市場模式，5）建議的定位論點，6）3項訊息支柱，7）每項支柱需要的佐證，8）定價和包裝方面的意涵，9）風險，10）5項用來驗證的實驗。把證據和解讀分開。如果證據薄弱，就明講。調查資料：[貼上競爭對手地圖、定價表、客戶用語主題]。

一份強而有力的整合文件，該讓取捨清楚可見。它不該說你適合所有人。它可能會這樣寫：「先主打面向種子輪創辦人的快速競爭對手監測，而不是企業級的調查自動化。證據顯示，買家抱怨的是調查散亂、定價不清楚，和整合速度慢。我們需要證明設定時間不到15分鐘。」這才是能直接拿去做決定的輸出。

用一次紅隊演練來查核這份定位文件：請以一個抱持懷疑態度的買家，和一個抱持懷疑態度的投資人的角度，來批評這份定位。找出沒有依據的說法、模糊的用語、對競爭對手的盲點、定價風險，以及什麼樣的證據會改變這份建議。然後再修訂。

使用創辦人調查工具組範本

要讓這一切變得可重複，最簡單的方式，就是不要每次都從頭重建工作流程。Whizi的創辦人調查工具組範本，正是為這種逐步進行的市場調查打造的：定義問題、蒐集來源、萃取競爭對手資料、分析定價、擷取客戶用語、整合出定位，並品管最終建議。

在你要推出產品、改寫首頁、選擇定價模式、準備投資人調查資料、進入一個新類別，或想弄懂買家為什麼選了某個競爭對手而不是你的時候，都能用它。如果是學術或科學研究，而不是商業用途，研究者工作區涵蓋同樣的步驟，並附上引用來源。

以下是在Whizi裡的實際工作流程。第一步，打開創辦人調查工具組，貼上你的市場問題。第二步，用標記好的區塊加入來源筆記。第三步，跑一次競爭對手地圖提示詞，並儲存那張表格。第四步，分別跑定價分析和客戶用語萃取。第五步，只用前面步驟的輸出，來跑整合提示詞。第六步，在做出產品或行銷決策之前，跑一次品管查核清單。模型的選擇決定了大量步驟的花費：根據Whizi模型成本指數（OpenRouter標價，擷取於2026-08-20），一則1,000輸入加500輸出token的標準答案，在DeepSeek V4 Flash上大約$0.00028，在Claude Sonnet 4.6上是$0.0105，差距約37倍，而且兩者都能讀取1M token的上下文。把萃取流程交給便宜的模型，把強大的模型留給整合和紅隊批評。

從創辦人調查工具組開始，等你準備好要儲存這套工作流程、比較不同模型的輸出時，再建立你的帳號。如果是在比較選項的團隊，價格頁會告訴你哪個方案適合你的調查節奏。

老實說有一項限制：Whizi不會替你爬取競爭對手的網站。蒐集這一步，在這裡依然是手動貼上的工作，這一步交給專門的爬蟲或評論監測工具，會比聊天工作區更好用。蒐集完成之後的每一步，Whizi都能勝任，從萃取到你可以檢視的整合結果，而人類的判斷始終掌握主導權。要相信什麼、要測試什麼、要推出什麼，還是由你決定。