现在结合AI工具，我们可以花费相对较少的时间，来高效地撰写一篇相对有深度的产品研究分析，具体怎么操作呢？本文作者就分享了他的步骤，一起来看。
写在前面的话
上次三白花费了将近2周的时间写了一篇《深度剖析国民办公软件WPS》的产品分析，收到了很多公众号粉丝的好评和反馈，有不少粉丝也向我咨询了解了关于如何系统做一个产品研究相关的话题，本篇文章三白围绕着这个话题做一个专题输出。
1.文章摘要
本篇文章三白将基于个人过去的实践和经验，重点向大家分享我是如何快速的构建一个产品研究的分析框架，并综合利用各种AI创作工具、AI搜索工具、知识和数据平台等，再结合个人观点原创，从0到1高效的撰写一篇相对有深度的产品研究分析；同时我也将分享，三白又是如何在总结经验和方法后，通过自研一个AI效率工具将整个流程产品化，以进一步加速研究输出的效率；
2.适合什么人群？
本篇内容适合如下几个人群：
产品经理和市场研究人员，应用于竞品研究和竞品分析场景；知识付费内容创作者，应用于高质量的产品研究分析内容的输出；求职群体，包括办公白领和大学生群体，应用于求职某之前的面试准备；金融研究人员，应用于金融场景下的产品研究与分析;
3.你将收获什么?
一套输出产品研究分析的标准流程和思路；几个有效提高研究效率的AI工具和资料检索平台汇总；三白对将整个研究的工作流通过AI产品化的思考历程和实践；
一、输出一个产品研究报告的过程
首先我们先总结一下通常写一个产品研究报告的过程，概括起来包括如下6个步骤：
明确研究产品和研究目标；构建产品研究的思路框架和研究大纲；检索研究资料，建立产品研究的知识库；资料阅读和信息整理，输出初步研究报告细钻分析，信息校验，去伪存真；融合个人原创和一手研究，形成深度分析报告；
接下来，我尝试以“ChatGPT产品研究分析”这个研究主题为例，具体讨论以上每个环节怎么做，以及可以使用到哪些效率工具。
因为第一步确定研究产品和研究目标通常是一个前置条件，所以我们直接从第二步开始。
二、构建产品研究的思路框架和研究大纲
1. 产品研究大纲框架总结
三白结合过往个人的工作经验，以及参考学习鹅厂大部分产品经理撰写竞品研究分析的的思路和习惯，总结输出了产品研究分析报告中最常见的十二个研究主题，并将其构建为一个通用的产品研究框架，具体见如下脑图，对于大部分初级的产品研究人员，基本上可以通过如下的框架快速的建立一个产品研究思路，三白目前针对所有产品的研究思路，也基本是参照这个框架来，分享出来供大家一起参考讨论。
2. 如何快速的输出一个新产品的研究大纲框架？
个性化大纲输出的痛点：
即使上面已经有一个现成的研究框架，但是三白发现，每当研究一个新的产品，套用上面的研究框架输出一个有个性化的研究大纲（而不是泛化的通用框架），差不多也要3~4个小时左右，也挺让人头疼的，效率也没有见得提高起来；
自己做一个AI生成产品研究大纲的产品：
跑一个具体的案例试试：
接下来，我们以”ChatGPT产品研究分析“这个研究主题为例，尝试用AI快研侠生成一个对标上述研究框架的研究大纲：
以下示例图为AI实际生成的大纲内容，可以看到，该提纲基本按照我整理的框架输出，并且提纲还细化到了第三级提纲，且提纲的内容并不适合一个通用泛化的内容，而是围绕着ChatGPT这个产品的个性化内容；目前三白对于模型生成的大纲基本相对比较满意，只需要稍微调整一下即可直接使用，AI快研侠基本上成了我经常使用的工具；
三、检索研究资料，建立产品研究的知识库
工具推荐：Kimi、秘塔搜索、人人都是产品经理、研报平台、数据平台等；
避免重复造轮子：
建立好研究大纲之后，接下来就是要围绕着大纲输出具体的内容，通常研究大纲里面有比较多的内容其实已经是已经有研究结果的话题，所以首先我们并不需要重复造轮子，而更多的是发挥知识梳理和汇总的作用，将初步的研究信息梳理出来，这个过程首先我们需要围绕着研究主题尽可能多的收集研究资料，包括研究报告、产品分析、用户研究报告等等。
常见的参考资料的检索工具：
参考资料的检索，其实也是一个不容易的过程，找到一个高质量的参考资料通常也会消耗用户不少的时间和精力，因此三白结合自己的习惯和经验，整理了一个快速检索参考资料的平台合集，方便大家快速收集参考资料，具体如下：
AI搜索工具：最近三白用的比较多的搜索工具是kimi、秘塔搜索、天工等搜索工具，在减少广告和直达搜索结果方面，这几个产品确实比百度、谷歌等传统搜索引擎要好用一些，但是也存在着检索结果不全面、时效性低等问题；可以快速的获取一些参考资料，个人比较喜欢秘塔搜索，其检索索引的结果相对比较丰富；产品经理社区：其次是从产品经理社区里面获取，不得不说人人都是产品经理社区里贡献了还是比较多质量比较高的产品研究分析，可以在里面搜索相应的产品研究物料；研报平台、券商、证券公司、咨询机构：这些公开研报检索平台，通常会提供很多研究报告，有收费的也有免费的，也可以在这些平台试试看；数据统计平台：可以在国家统计网等平台获取国家统计局公开的数据，这些一般可信度会高一些，然后第三方的数据服务平台里面，个人比较认可Questmobile上的数据，在准确度方面比较高；公司财报平台：可直接在雪球、同花顺等平台下载指定公司的财报，一般如果公司已经上市，我基本都会优先找公司的财报，因为财报资料是非常优质的参考资料。
各个类型的检索工具详细列表如下：
四、资料阅读和信息整理，输出初步研究报告
1. 大量的阅读参考资料需要消耗很长的时间
通过上一步，或许我们可以检索到比如十几份相关的参考资料，但是详细的阅读每一份材料并从中收集和汇总研究提纲范围内的信息并不容易，这个环节通常会遇到如下几个问题：
你并不清楚某一个研究提纲相关的内容会在哪份报告里面，这就意味着，你需要遍历所有的文档；阅读大量的文档本身就会消耗你大量的时间，阅读后的你还需要记录笔记整理信息，这里也要费很大的功夫；基于你的笔记，汇总整理出一篇基础研究报告，重新的撰写也需要时间。
以创作《深度剖析国民办公软件WPS》这篇产品分析为例，基本在这个环节里面，三白花费了将近一周左右的时间，有大量的时间基本都耗费在这里，所以输出一篇相对优质的分析报告是非常耗费时间的；这也是为什么三白每次内容输出的迭代速度非常慢的主要原因。
2. 尝试用ChatGPT和Kimi等AI工具解决
为了提升在这个环节的效率，一开始三白尝试了使用ChatGPT，kimi等产品通过将多为文档上传然后通过多次对话问答的方式逐一的提问，让AI帮我提取参考文献中的资料，但是结果并不让人满意，主要存在的问题如下：
ChatGPT和Kimi等产品不支持批量问答，不支持一次性回答很多的问题，一旦问题过多，就会导致生成的内容质量下降，或者拿不到想要的结果，那就意味着如果我按照示例的提纲去一次一个子问题去提问，至少要经过数百次的对话问答，才能整理整个研究大纲，这个非常低效；其次，即使我真的对话了数百次问答，我依然需要将这些碎片化的结果做信息整合，然后才能形成一篇研究初稿，整个过程并没有节约多少时间，依然是个费劲的体力活。
因此，用市面上通用的AI产品，并不能解决很好的解决前面提到的问题。
3. 让AI帮忙阅读参考资料并整理生成研究报告
难受的一段时间之后，三白也决定接着前面AI生成研究大纲的流程，进一步支持通过AI完成批量对话阅读和信息整理的工作，把人工执行的东西通过AI做自动化的处理，因为本质上，我只要想办法让模型一次性的批量完成数百次的对话问答，并通过模型整理对话问答的结果，就可以完成以上人工操作的事情，看起来也并不是不能实现，因此我拉着我的研发团队们评估并着手实现；
经过2个多月的打磨和调教，中间攻克了各种异常问题，终于实现了让AI帮我根据研究大纲，从参考资料中批量提取相关信息，并以自然语言的方式整理输出成文档的能力；此外为了方便查找数据出处，我还增加了一个功能，能支持追溯AI生成的内容的参考信息来源，精准的定位出来AI生成的片段具体参考了哪个文档，这样我就不需要把所有文档都看完一遍才找到某个关键信息。
4. 跑一个具体的案例试试
接着我们同样以“ChatGPT产品研究分析”为例，看看AI基于参考文档生成研究报告的效果如何？
首先我们基于前面已经建立好的研究大纲，明确好研究的内容范围，然后开始上传与该产品相关的参考资料，这就意味着，我将让模型参考和学习这几个文档，获取一定的知识认知；
然后，点击“智能生成报告”开始基于参考文献创作，经过3~5分钟左右的时间，大模型即可生成一篇数万字的研究报告，参考如下案例，AI生成了一篇字数长达9.6万字的研究报告，至此一篇初步的研究报告基本就完成了；
我们可以检验一下其生成的质量如何？抽取其中部分片段，比如关于chatgpt的产品介绍，包括产品的类型、上线时间、公司估值等信息，以及技术基础，其描述基本都是准确且真实的，因为有相对比较完整的参考资料，所以大模型可以创作出相对比较准确、真实、高质量的内容；
当然，对于一些参考文档没有覆盖或者模型暂时还没有学习到的话题，大模型会尝试自己创作，但有的时候它创作的内容不一定真实，只能作为参考，但是我们相信，随着模型的知识库和数据语料不断地更新，模型能力不断增强，这种情况未来会大大降低，短期你提供的资料越丰富，质量越高，也能相应的降低这种情况；
五、细钻分析，信息校验，去伪存真
接下来，对于AI生成的内容我们当然也不能完全相信其真实性，因为大模型的幻觉现象，有时候它写的东西可能是胡诌的，所以我们要尽可能的想办法识别出来，基于这个问题，我想到了如下几个办法：
1. 支持AI生成内容参考出处溯源