📊 AI 競品與市場研究：精準掌握用戶需求與痛點

產品經理經常陷入「我們自以為了解用戶」的盲點。我們往往依賴過去的經驗或是幾場質化訪談就妄下結論，這容易導致產品的假說驗證失敗。AI 可以幫你處理海量資料，讓你專注在「找洞察」。

💡 核心觀念 讓 AI 當你的「田野調查助理」。把大數據爬取、上百篇 App 評論的痛點整理交給他，你負責定義產品優勢 (USP)。

---

🔍 從大數據看競品弱點

過去的競品分析 (Competitive Analysis) 需要團隊成員去下載一堆競品的 App，一個一個用。現在，你可以用 Perplexity 或 ChatGPT 爬取公開的使用者反饋。

分析 App Store / Google Play 的負評

實戰 Prompt 範例：

你是一個專精 O2O 美食外送 App 的產品分析師。
請幫我分析這三個競品的市場痛點：
1. Uber Eats
2. Foodpanda
3. (加上其他競品)

重點分析：
1. 用一句話總結各平台在 Reddit, Dcard 或是公開討論區「抱怨最多」的地方。
2. 列出各平台「最常發生 Bugs (閃退、無法結帳)」的環節。
3. 幫我們產品找出「如果解決了這個痛點，用戶就有動機跳槽」的功能機會。

這能讓你的切入點不再是「別人有我也要有」，而是「別人的爛設計就是我的機會」。

---

🎙️ 用戶訪談 (User Interview) 高效分析

每個月做 10 場用戶訪談，產出的除了滿滿的逐字稿外，還有一堆沒有被整理出來的「雜訊」。

借助 NotebookLM 與 AI 萃取訪談重點

1. 語音轉文字： 將通話記錄用 Whisper 等工具轉成逐字稿。
2. 多文件交叉比對： 把這 10 份逐字稿上傳到 Google 的 NotebookLM，這工具專為海量文件洞察而生。
3. 萃取痛點 Prompt 範例：

我上傳了這季的 10 份「B2B 企業版訂閱用戶訪談」。
請幫我交叉比對這 10 份文件：
1. 找出最常被提到的「阻礙他們把這套系統介紹給其他部門」的 3 大抗拒點 (Friction Points)。
2. 列出有提及「資料匯出格式不符」的受訪者，並節錄他們的原話 (Quotes)。
3. 當他們談論「付費意願」或「價格」時，大多數人認為哪項功能才是最具價值的？

這可以讓你在一小時內，完成過去需要三四天才能做完的 User Persona 驗證。

[!WARNING] ⚠️ 人類審查 (Human-in-the-loop) 重點

• AI 沒有語氣辨識能力：AI 分辨不出受訪者說這句話時是「反諷」還是「真心話」。只有訪談當下的你能察覺那種微妙的情緒。
• 不要將含有機密合約（NDA）內容的訪談，貼給公共模型（如免費版 ChatGPT）。請使用合規的企業版或本地端 AI。

---

❓ FAQ

直接請 AI 幫我「發明」全新的創新功能可行嗎？

可行，但 AI 提出的創意往往是各種現有功能的縫合怪。真正顛覆性的產品創新（例如 iPhone 在 2007 年的誕生）往往源於人類對底層需求的深刻洞察，而非單純的資料歸納。你可以讓 AI 給你點子，但你才是判斷點子是否可行的決策者。

AI 幫忙寫的競爭對手報告，裡面的定價資料準確嗎？

**非常容易出錯（幻覺）！** 各大 SaaS 的定價策略常常變動，且很多是隱藏的報價（Contact Sales）。AI 模型如果沒連網，給的可能是 2021 年的過期資料。這類硬數據請務必交由真人到對方官網雙重確認。使用連上網路的 Perplexity 準確率會顯著提高。