用 AI 做市场调研和行业分析报告：设计问卷和访谈提纲、分析开放题回答、读行业报告算市场规模、写调研报告的国产模型分工（8 个提示词模板）

之前产品经理那篇讲过竞品功能拆解，创业者写 BP那篇讲过算 TAM / SAM / SOM。这篇专门讲调研本身：市场部、战略部、咨询公司、券商和一级市场投研的人，每季度都要交的行业分析、市场规模测算、用户调研、竞争格局、以及最后那份给管理层的一页纸。这类工作有两个老问题：一是问题定义太虚（老板说「了解一下宠物食品市场」，你不知道他到底想决策什么），二是数据来源太杂（十几份行业报告口径各不相同，同一个市场规模能差三倍）。

AI 能帮的是把虚问题逼成实问题、把杂数据交叉核对、把几百条文字回答归成几类——但它不能替你提供数据。 定义调研问题、设计不带引导的问卷、自下而上算市场规模、找竞争格局的结构性原因，用 DeepSeek R1（推理过程全程可见，每个假设都能被你看到并质疑，见 DeepSeek R1 推理实战）；读十几份行业报告、年报、招股书交叉核对口径，读几百条开放题回答和几十份访谈记录做编码归类，用 Kimi K3（一次能读几十万字，见 Kimi K3 读长文档）；写调研报告正文，用 DeepSeek；压成管理层一页纸和汇报口径，用 通义千问；问卷数据要做交叉表和显著性检验的，用 GLM-5.1 写 Excel 公式或 Python（见 Excel 数据分析）。全部在不墨 AI 助手一个页面切换，PDF / Excel 直接上传（见上传文件读 PDF/Word/Excel）。

一次调研从立题到汇报的分工

环节	模型	做什么
① 定义问题	DeepSeek R1	把「了解一下 X」逼成 3-5 个能回答、答完能决策的问题
② 桌面研究	Kimi K3	读行业报告、年报、招股书、政策文件，交叉核对数据口径
③ 市场规模	DeepSeek R1	自上而下 + 自下而上两条路算，标出每个假设和来源
④ 问卷设计	DeepSeek R1	不带引导、逻辑闭合、能算出结论的问卷
⑤ 访谈提纲	DeepSeek R1	分对象的半结构化提纲，追问路径
⑥ 定性分析	Kimi K3	几百条开放题、几十份访谈记录的编码归类和典型引语
⑦ 竞争格局	Kimi K3 + R1	读竞品公开资料，找格局背后的结构性原因
⑧ 写报告	DeepSeek → 通义千问	正文按「结论先行」写，再压成管理层一页纸

8 个提示词模板

1. 定义调研问题 · DeepSeek R1

老板 / 客户的原话：【比如「了解一下 XX 市场」「看看我们要不要进 YY 赛道」】
背景：【我们是谁、现在做什么、这次调研的结果会用来做什么决定、什么时候要】
请：
1. 反推决策：这个调研结果最终会支撑哪个决策？把可能的决策列出来（进 / 不进、投多少、先做哪个细分、定价怎么定），如果原话没法推出决策，列出我该回去问老板的 3 个问题
2. 把决策拆成 3-5 个调研问题，每个问题满足：答案是一个数字、一个排序、或一个是 / 否；答完这几个问题决策就能做
3. 每个调研问题，需要什么数据、可能从哪类来源拿到（公开报告 / 年报 / 问卷 / 访谈 / 爬取 / 专家）、拿到的难度和可信度
4. 哪些问题是「不做调研凭常识也能答」的，删掉；哪些是「做了调研也答不了」的，标出来并说明为什么
5. 给出调研范围的边界：不研究什么，防止越做越大
最后用一句话写出这次调研的核心问题，我拿去和老板确认。

2. 桌面研究与口径核对 · Kimi K3

（上传：行业报告 3-10 份、相关公司年报 / 招股书、政策文件、新闻汇总）
调研问题（模板 1 结果）：【粘贴】
请通读全部材料后：
1. 对每个调研问题，从材料里摘出所有相关数据，做成表：数据 / 数值 / 年份 / 来源文件和页码 / 该来源的统计口径（比如是零售额还是出厂价、含不含线上、覆盖哪些品类）
2. 同一指标在不同来源之间的差异：列出来并解释差异原因（口径不同 / 年份不同 / 一方明显有商业目的），给出你认为最可信的一个及理由
3. 所有材料都没覆盖的问题：哪些调研问题在桌面研究阶段拿不到数据，需要一手调研
4. 材料里反复被引用的「源头数据」是哪几个（很多报告互相引用同一个来源），源头是谁、多久更新一次
5. 政策和趋势类信息：按时间排，标出对市场有实质影响的（不是每条政策都算）
所有数字必须带来源和页码，材料里没有的数字不要写；不确定的口径标【口径待确认】。

3. 市场规模测算 · DeepSeek R1

目标市场定义：【产品 / 服务 / 地域 / 客群，越具体越好】
桌面研究拿到的数据（模板 2 结果）：【粘贴】
请用两条路算：
1. 自上而下：从最大的可信总量出发（行业总规模），逐层乘渗透率 / 占比往下切到目标市场，每一层写清「用的哪个数 + 来源 + 为什么用这个不用那个」
2. 自下而上：从目标客户数量 × 单客年消费 × 购买频次算，每个因子写清来源；如果某个因子没有数据，给出一个可辩护的估算逻辑并标【假设】
3. 两条路的结果对照：差多少倍、差在哪一层、哪条路更可信、为什么
4. 敏感性：哪一个假设变 20%，结果变化最大？列前三个，这三个是我要去做一手调研验证的
5. 给三档：保守 / 基准 / 乐观，每档说清对应哪组假设
6. 增速：用什么方法推未来 3 年（历史 CAGR 外推 / 渗透率曲线 / 对标成熟市场），每种方法的适用前提
你不许自己引入任何我没给的数字。如果计算需要一个数而我没提供，写「需要【X】数据」停在那一步，而不是给一个「行业常见值」。

4. 问卷设计 · DeepSeek R1

调研问题（模板 1）：【粘贴】
目标受访者：【画像、预计样本量、投放渠道】
请设计问卷：
1. 先写清「每道题对应哪个调研问题、答案将怎么被用」——对应不上任何调研问题的题不要出
2. 甄别题在最前：把不符合受访者定义的人筛出去，不要浪费他们时间
3. 题目要求：单选 / 多选 / 量表 / 排序 / 开放题按需选择；每题不带引导（「您是否认同 X 产品很好用」不合格）；选项互斥且穷尽，必要时加「其他（请填写）」和「不确定」；敏感题（收入、消费金额）用区间
4. 顺序：从行为题到态度题再到人口属性题，避免前面的题影响后面的回答
5. 逻辑跳转：哪题选了什么直接跳到哪题
6. 控制时长：总题数和预估填答时间，超过 8 分钟就告诉我该砍哪些
7. 加 1-2 道一致性校验题（同一件事换个问法），用来剔除乱答的样本
8. 预告分析计划：问卷回收后我能做哪些交叉分析（比如 按年龄段 × 购买频次），如果某个想做的交叉现在的题支撑不了，补题
输出：问卷正文 + 每题对应的调研问题和分析用途表。

5. 访谈提纲 · DeepSeek R1

访谈对象类型：【终端用户 / 渠道商 / 行业专家 / 竞品前员工 / 我们的流失客户】
每类计划访几人、每次多长：【】
调研问题（模板 1）：【粘贴】
请为每类对象设计半结构化访谈提纲：
1. 开场 2 分钟：说明目的、保密、录音许可的话术
2. 主体问题 6-10 个：全部是开放式、过去时（「上次您买 X 是怎么决定的」而不是「您会怎么选」——人对未来的回答不可信）、不带假设；每个主问题下面列 2-3 个追问方向（受访者答得笼统时往哪追）
3. 每类对象最有价值、其他人答不了的独有问题是什么，放在中段（受访者进入状态后、疲劳前）
4. 敏感问题（价格、和竞品的关系、离职原因）放最后并给出委婉问法
5. 结尾问题固定两个：「有什么我没问到但您觉得重要的」「还有谁值得我聊」
6. 访谈员注意事项：什么时候该沉默等对方继续、什么时候该打断、不能说的话（不要评价、不要推销、不要替对方总结）
另外给我一张「访谈记录模板」：按调研问题分栏，访谈时直接往里填。

6. 定性分析与编码 · Kimi K3

（上传：问卷开放题的全部回答导出 / 访谈记录全文）
调研问题（模板 1）：【粘贴】
请：
1. 通读全部文本，先自下而上归纳出现的主题（不要先设好类别再往里塞），每个主题一句话定义
2. 给每条回答 / 每段访谈打主题标签（一条可以有多个），统计每个主题被提到的次数和占比
3. 每个主题挑 2-3 条最典型、最有画面感的原话作为引语，标出来自第几条回答 / 哪位受访者——引语要原样引用，不许改写润色
4. 把主题对回到调研问题：每个调研问题从定性材料中得到了什么答案、置信度如何（提到的人多不多、说法一致不一致）
5. 反常信号：和多数人说法相反的少数意见、和我们的预设相反的回答、受访者自己都觉得矛盾的地方——这些往往比多数意见更值钱
6. 不同受访者类型（如果记录里有标注）在主题分布上的差异
输出：主题编码表 + 每个主题的典型引语 + 对调研问题的回答。不要把「用户普遍认为」这种话写出来，除非超过一半的人真这么说了，说的人数要写出来。

7. 竞争格局 · Kimi K3 + DeepSeek R1

（上传：主要竞争者的年报 / 招股书 / 官网资料 / 融资信息 / 招聘信息 / 公开访谈）
目标市场：【】  主要玩家：【列 5-10 家】
请（K3 读材料，R1 分析）：
1. 每家的事实卡片：成立时间、规模（收入 / 用户 / 门店，标来源和年份）、定位、主要客群、渠道、定价带、最近一年的大动作（融资、并购、新品、裁员）——只写材料里有的
2. 格局：按「规模 × 增速」或「定位 × 客群」画出来，谁是领导者、谁是挑战者、谁在下滑，各占多少（有数据的写数据，没有的标【估算】并给逻辑）
3. 结构性原因：为什么格局是这样——规模效应 / 渠道控制 / 品牌 / 技术壁垒 / 政策牌照 / 成本结构，哪个是决定性的；新玩家要进来最难跨的是哪一道
4. 变化信号：从招聘、融资、新品动作看，哪家在往哪个方向转；哪个细分正在被多家同时盯上
5. 对我们的含义：如果我们进入，最可能和谁正面竞争、我们的相对优势和劣势各是什么、哪个位置是空着的且我们够得着
每一条判断后面跟依据。判断和事实分开写，事实带来源。

8. 写调研报告 · DeepSeek → 通义千问

【DeepSeek 部分】
调研问题和答案：【模板 2、3、6、7 的结论汇总】
汇报对象：【管理层 / 客户 / 投委会】  他们要做的决策：【】
请写报告正文：
1. 结论先行：第一页就是对每个调研问题的直接回答 + 建议的决策 + 主要依据，不要先讲背景和方法
2. 正文按调研问题组织章节（不是按数据来源组织），每章结构：结论 → 证据（数据表 / 引语）→ 局限性（这个结论在什么情况下不成立）
3. 市场规模部分把三档和敏感性写清楚，不要只给一个数
4. 方法和数据来源放附录，包括样本量、访谈人数、报告来源清单、口径说明
5. 所有数字带来源，所有判断和事实分段——读者要能一眼分清哪句是数据、哪句是我的推断
6. 篇幅：正文不超过【】页

【通义千问部分】
把正文压成一页纸：
- 顶部一句话：我们建议做什么决定
- 三个支撑结论，每个一行 + 一个关键数字
- 一个最大的不确定性和我们打算怎么验证它
- 需要在座的人今天决定的事
不出现任何方法论术语（「自下而上」「编码分析」「置信度」全部删掉或翻成人话）。

5 条防「AI 编数据」的规则

1. AI 不许自己引入任何数字。 模板 2、3、7 都写死了「材料里没有的不要写」「需要数据就停在那一步」。市场规模、渗透率、竞品收入这类数字，模型会给出一个「行业常见值」——它看起来合理，来源不存在。报告里每一个数字都必须能回溯到某份材料的某一页。
2. 口径不核对，数字就没意义。 同一个市场，A 报告算零售额、B 报告算出厂价、C 报告只算线上，能差三倍。模板 2 要求每个数据带口径，模板 3 要求两条路算并解释差异。老板追问「为什么和 XX 报告说的不一样」时，你要答得出。
3. 问卷题目不带引导，访谈问过去不问未来。 「您是否认同我们的产品很好用」和「您以后会买吗」得到的答案都不能用。模板 4、5 把这两条写进要求。调研的目的是听到你不想听的话，不是收集对预设结论的认同。
4. 引语原样引用，「普遍认为」要带人数。 模板 6 明确要求。AI 很容易把 3 个人的说法润色成「用户普遍反映」，一旦被追问「多少人这么说」就露馅。定性分析的价值在于真实的原话和反常的少数意见。
5. 判断和事实分开写。 模板 7、8 都要求。报告里「市场规模 X 亿（来源：Y 报告 P12）」是事实，「我们认为这个细分正在被多家盯上」是判断。混在一起写，读者分不清哪些是查到的、哪些是你猜的，报告的可信度整体下降。

常见问题

行业报告都要付费，AI 能替代吗？ 不能。AI 不掌握任何付费数据，它「知道」的市场数字都是训练数据里的陈旧片段，不可引用。AI 的作用是把你拿到的报告读透、交叉核对、找出哪些数字可信。免费的来源：上市公司年报和招股书、统计局和行业协会数据、政策文件——模板 2 都能读。

样本量多少才够？ 取决于你要做什么交叉分析。模板 4 的第 8 条要求先预告分析计划，如果要按 4 个年龄段 × 3 种购买频次做交叉，每个格子至少要几十个样本，倒推总样本量。定性访谈一般每类对象 5-8 人后新信息就很少了，模板 5 帮你排类型。

AI 做的主题编码可靠吗？ 模板 6 的产出你要抽查：随机挑 20 条回答，看它打的标签你同意不同意。一致率不高就调整主题定义再跑一遍。编码是重复劳动，AI 快；主题定义是判断，你定。

竞品的数据很多是估的，怎么写进报告？ 标【估算】并写清逻辑，模板 7 要求这么做。「XX 公司年收入约 5 亿（估算：公开的门店数 × 单店年收入中位数，后者来自 Y 访谈）」比一个没来源的数字可信得多。

要花钱吗？ 登录送免费额度，定义一次调研问题、设计一份问卷、读几份报告够用。一次读十几份几百页的行业报告、分析几百条开放题回答、每季度做一轮完整调研的看会员方案。

一句话总结

市场调研用 AI 的关键是「它负责逼问和归类，你负责数据」：先让 DeepSeek R1 把「了解一下 X 市场」反推成要做的决策和 3-5 个能回答的调研问题；行业报告、年报、招股书全部交给 Kimi K3 交叉核对口径并标出每个数字的来源页码；市场规模让 R1 自上而下和自下而上两条路算，标出每个假设、做敏感性、给三档，而且不许它引入任何你没给的数字；问卷不带引导、访谈只问过去；几百条开放题和访谈记录让 K3 自下而上归主题、原样引用引语、「普遍认为」必须带人数；竞争格局先列事实卡片再找结构性原因；报告结论先行、判断和事实分开，通义千问压成管理层一页纸。报告里每一个数字都要能回溯到某份材料的某一页。