一、为什么要应用 ChatGPT 做调研？
1. B端产物探索期调研工作量大
我们经常做调研应该知道，B 端产物探索期常做的调研包含 4 种：
市场调研：领会市场需求和用户反馈，阐发市场竞争格局和发展趋势
需求调研：领会目标用户的需求、期望和反馈，阐发用户的应用场景、行为习惯和痛点
竞品调研：领会竞品产物的优势和不足，阐发竞品的用户群体、应用场景和功能特点
体会调研：领会用户对产物的应用体会、满意度和建议，阐发用户的痛点和需求
调研中检索信息数据，整合资源、体会复杂产物、形成体会敷陈等工作量极大，项目时候短，很难完成。
更多ChatGPT 应用技巧：
2. 设计调研存在困难点
难点 1：探索全新的领域，入手难
行业、平台、营业都是全新的，我们须要好好理解平台和体会平台。同时，还须要收集尽可能多的信息，并在信息中判别整理出对我们有用的信息，但是庞大复杂的网络资源中，充斥着碎片化的信息，体系化知识较难猎取。这就造成了，探索全新领域营业入手难的问题。
难点 2：脱离设计师生活，理解难
在前期探索阶段，设计师不是营业员，没有既往经验，并且，全新探索的营业里，从存量客户中较难找到适合的客户进行调研。这就造成了，脱离我们生活的营业理解难的问题。
难点 3：摸清 B 端竞品，时候短
我们的营业在市面上的竞品不多，资讯相对较少，想要找到适合的竞品须要不断体会，须要时候。B 端竞品多数要付费，在找竞品-注册-体会竞品，也比较耗费时候，一旦发现产物须要付费，那么前面的工作无疑浪费了时候（多数竞品会引导“免费”试用，但其实绑定海外信用卡才能真正试用，free 是一种忽悠手段）。不过，营业迭代发展快，我们须要疾速完成。这就造成了，摸清 B 端竞品时候短的问题。
3. 试试ChatGPT吧！
根据我们调研工作量大、设计存在的困难点，我们思考可以尝试应用 ChatGPT 来做辅助工作，帮助我们疾速整合资源信息、节约时候成本、精力、降低对 B 端营业的理解成本。
二、ChatGPT 可以辅助做哪些工作？
1. 帮我们疾速领会行业&营业
这里取决于我们想领会行业的什么内容，由于我们产物的本质是想帮助外贸人做好营销，那么我们的用户就是外贸人，须要领会外贸人对营销的诉求。比如：营销对我们用户来讲意味着什么、我们的用户一般都用什么营销方式、为什么要用平台、为什么更愿意用某某平台、营销能给我们的用户带来什么商业价值/收益等等。我们向 ChatGPT 发问这些问题，它根据大数据整合信息吐给我们，多轮体会下来，ChatGPT 对于行业的相关信息质量还不错。
2. 帮我们疾速领会竞品
用 ChatGPT 找到适合的竞品
尝试问 ChatGPT，同类型的竞品都有哪些，同时让它提供竞品介绍。但是！它提供的并不一定是符合我们的竞品，我们会针对它提供的竞品，发问竞品介绍、定位、功能等内容。这样，我们就会找到适合的竞品，再开始实际体会，这种方式比以往的方式快多了。
体会竞品时，用 ChatGPT 查缺补漏
当向 ChatGPT 询问相关竞品列表后便开始体会，我们的竞品基本都是海外产物，产物较为成熟，结构信息复杂，要摸清竞品的功能，入口，应用流程，耗费时候长。结构复杂的，功能隐藏深。这时候，我们在体会竞品后作为查缺补漏，会让 ChatGPT 将竞品是不是有 xxx 功能？功能入口在哪里提供出来。
举个例子：B 端竞品有免费试用，实际在注册时才提示要绑定银行卡才能体会，而绑定银行卡这个要求并未在竞品官网中体现。而后，我们就“试用产物是不是须要绑定银行卡”的问题询问 GPT，ChatGPT 居然能回答出只有在应用产物流程中才能猎取的信息（当然，也可能它是从一些论坛中获得的信息。）
3. 帮我们疾速猎取数据
我们在前期调研时的诉求是，希望它能疾速的帮我们找到一些业余钻研敷陈，以及对应的钻研数据，以辅助我们设计师归纳。
实操过程中，它的确可以按照我们的要求找到具体的钻研敷陈，同时，我们会引导它从钻研敷陈的角度，帮助我们摘取敷陈中提到的内容、罗列出具体的数据。但是，我们前期发问比较宽泛，尝试多次重复发问同一个问题，它给我们的钻研数据都不一样。它给我们的数据只是罗列整合，而我们发现其实因为“不同的机构”“不同的钻研敷陈时候”“不同的钻研角度”“钻研面向的人群”，都会导致几份数据敷陈结果不一致，这会干扰我们的判别。因此，我们后续继续从：哪些钻研机构更权威、我只要近一年的敷陈、我要平台官方数据不要第三方数据等不断发问，猎取到了我们须要的钻研数据信息。
我们设计师最后须要做的是：通过 ChatGPT 提供的信息，我们自己去判别用哪个钻研敷陈适合、以哪份数据为准、整理合并数据敷陈的信息、做阐发比对工作，得出调研结论。这个过程就是用 Gpt 帮助我们猎取适合的数据，节约我们找/查/读数据敷陈的时候。
三、不建议用 ChatGPT 做哪些工作？
1. 不做阐发性的工作
原因一：它无法代入我们的营业属性，给出适合的阐发结果
我们从 ChatGPT 上猎取到的信息，是它从大数据训练而得的，但是我们无法判别它的阐发逻辑是不是是符合我们营业，也就是说，它的回答不具备“具体的营业属性”。而我们去做调研阐发，一定会代入我们的营业属性，明确营业背景和方向前提下的。以下是它的回答：
原因二：它给出的设计层面的阐发偏点状，不够有递进性和系统性
我们尝试让他阐发如何在一款 xx 产物里，让用户感受到节约时候成本、效果更好。它给出的谜底都是点状的，缺少“阐发”思路。相比来讲，我们可能会从关键点、目标、思路、设计递进阐发。从关键点入手，再去针对性的拆解出设计的目标、方案思路等等。
2. 不做归纳性的工作
ChatGPT 给出的归纳中，存在部分我们不须要的信息，但是它会融进自己的逻辑中归纳出来。举个例子，当我们想对 xxx 内容进行归纳，ChatGPT 会按照自己某种逻辑给出数据、以及归纳。我们向它溯源它的数据，发现它的数据来历并不是最新、最权威的敷陈，那么归纳的内容就不符合我们的要求。所以，建议我们将 ChatGPT 给出的信息进行二次筛选，选出最业余、最新、最全的信息，再人工做最终的归纳。
四、Tips 小提示
1. 谜底不是你想要的？可以转换发问方式
怎么换发问方式呢，简单粗暴的方案，我们对他说：重新换个谜底，这不是我想要的；或者我们思考转化问法，比如：问 ChatGPTxxx 营销的目的是什么，如果谜底不适合，我们可以换成问：用户在营销时会做什么，想做什么？实际上都是针对用户类似的心理提出的问题。
2. 下钻发问，可以不断深挖信息
举个例子，比如我们想知道 5 款社媒平台对帖子内容的建议，它给出汇总性的谜底。我们会继续分开发问每一个社媒平台的建议，再继续发问建议的来历是什么，再发问来历渠道是不是业余准确。从而去反向证明，它最先汇总给出的谜底是不是适合。
3. 校验谜底是不是准确
这种校验很简单，比如它给出了链接，我们去点击看下是不是符合它所说的，比如它告知的结果，我们去实际体会下产物。下图就是 ChatGPT 给出的错误谜底，由我们自己校验而得出，官网链接错误以及产物是付费的但是它说免费。
4. 深入发问它的谜底依据，判别它是不是业余
在它给出谜底后，我们会继续发问谜底的来历依据，方法是这样的：
「正向发问给结果」我们问 ChatGPT 问题，它会给出一个结果
「从结果中反向发问」向 ChatGPT 正向发问的结果中，找到关键词反向发问，以看正反向结果是不是差别不大
「诘问结果的来历」诘问它给出的谜底的来历，判别来历是不是权威、业余
举个例子：
我们先正向发问：“如何衡量营销效果”，而后，我们从正向谜底中提到的关键词是某些数据，再反向发问：“某数据对营销效果的影响”，最后，在它给的结果中包含数据，我们诘问数据是从哪些敷陈或机构中得来的。这一套方法下来，基本可以判别出 ChatGPT 给出的结果是不是业余了。
5. 诘问谜底时候，确定是不是是最新谜底
在给出的谜底中，若我们对信息的时效性有要求，那么就须要诘问 ChatGpt 提供的信息的时候，如果它也无法提供信息来历时候，我们就得须要自己再去检索。