在當(dāng)今數(shù)字化時(shí)代，AI技術(shù)正以前所未有的速度改變著我們的工作方式，尤其是對(duì)于市場(chǎng)與用戶洞察領(lǐng)域而言。AI不僅能快速處理海量數(shù)據(jù)，還能提供精準(zhǔn)的分析和預(yù)測(cè)，極大地提升了工作效率。然而，許多人在使用AI工具時(shí)，常常因?yàn)樘嵝枨蟮姆绞讲粔蚓珳?zhǔn)而無(wú)法獲得理想的結(jié)果。

提到AI，你是不是首先想到的是用AI來(lái)查資料，用AI做資料整理分析，用AI寫PPT報(bào)告？

從結(jié)果來(lái)看，很多人的痛點(diǎn)在于，這些AI工具仍然還無(wú)法滿足企業(yè)級(jí)的需求：在專業(yè)領(lǐng)域不夠精通、輸出不穩(wěn)定、存在AI幻覺(jué)等。

但實(shí)際上AI發(fā)展到現(xiàn)在，我們能借助AI拿到很好的結(jié)果了，下面以在企業(yè)的洞察工作為例，分享一些思路。

背景：AI發(fā)展的現(xiàn)狀及趨勢(shì)

2023年3月14日，美國(guó)人工智能研究實(shí)驗(yàn)室OpenAI為聊天機(jī)器人ChatGPT發(fā)布了GPT-4大語(yǔ)言模型，引發(fā)了全球震蕩，這一年被稱為AI元年。

由于墻的關(guān)系，這場(chǎng)AI的革命在國(guó)內(nèi)爆發(fā)要晚了半年。但即使如此，在充分競(jìng)爭(zhēng)的市場(chǎng)環(huán)境下，各科技巨頭都不甘人后，國(guó)產(chǎn)大模型也相繼上線。

從百度的文心一言，到字節(jié)跳動(dòng)的豆包，再到月之暗面的kimi，競(jìng)爭(zhēng)十分激烈。直到2025年初DeepSeek R1低成本開(kāi)源推理大模型的正式推出，國(guó)內(nèi)的用戶免費(fèi)也能用上性能不輸給ChatGPT-4的國(guó)產(chǎn)平替，徹底激發(fā)了全民擁抱AI的熱情。

OpenAI的創(chuàng)始人Sam Altman曾預(yù)測(cè)了AI發(fā)展的五個(gè)階段：

當(dāng)我在思考AI如何賦能市場(chǎng)&用戶洞察這個(gè)命題時(shí)，正是遵循了AI的這個(gè)發(fā)展規(guī)律。          

【AI賦能洞察工作的第一階段】

提示工程(Prompt Engineering)

這個(gè)階段，對(duì)應(yīng)的是自然語(yǔ)言對(duì)話。

很多時(shí)候，我們跟AI模型工具做交互，得不到預(yù)期質(zhì)量的反饋，可能不是因?yàn)槟Ｐ凸ぞ弑旧聿恍?，而是因?yàn)槲覀儧](méi)有把我們的需求說(shuō)清楚，沒(méi)有正確地提出問(wèn)題。

無(wú)論AI如何發(fā)展，始終是要為人服務(wù)的，人主導(dǎo)著AI工具的使用，所以學(xué)會(huì)正確提需求、提問(wèn)題是使用AI的基本前提。

舉個(gè)例子，你告訴AI你需要基于一場(chǎng)座談會(huì)訪談筆錄來(lái)寫一份小結(jié)，通常你很難得到完全滿意的小結(jié)，原因可能在于你的需求太籠統(tǒng)，所以AI只能返回給你一個(gè)標(biāo)準(zhǔn)答案（通用的模板），這個(gè)答案不具有針對(duì)性，達(dá)不到專業(yè)領(lǐng)域的水準(zhǔn)。

從返回的這份小結(jié)來(lái)看，存在很多問(wèn)題：

包含用戶姓名等隱私信息，需要隱去

太過(guò)簡(jiǎn)略，只有分模塊的簡(jiǎn)單信息總結(jié)，沒(méi)有觀點(diǎn)/洞察

我們希望能引用一些用戶的原話，小結(jié)里沒(méi)有

……

然后你需要多次跟AI來(lái)對(duì)話，不斷調(diào)整輸出結(jié)果，這個(gè)過(guò)程其實(shí)相當(dāng)費(fèi)時(shí)費(fèi)力，并不能達(dá)到提效的目的。

B端产品经理的能力模型与学习提升

B端产品经理面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 ...

查看详情 >

那聰明的你就會(huì)想到，有沒(méi)有一套提需求的模板，能讓模型快速根據(jù)指令輸出預(yù)期的結(jié)果呢？

答案就是提示詞（Prompt），它本質(zhì)上是幫助你把需求說(shuō)清楚的一套規(guī)范問(wèn)法，強(qiáng)調(diào)問(wèn)法的結(jié)構(gòu)化和邏輯，而且最好能做到同場(chǎng)景復(fù)用。

還是以上面的例子，當(dāng)我們輸入提示詞（僅供參考，不同的項(xiàng)目需求和內(nèi)容，提示詞完全不同），再看看結(jié)果：

以下是返回的結(jié)果：

可以看出，相比最初的那一版專業(yè)多了，如果我們多花點(diǎn)時(shí)間把提示詞打磨得更精細(xì)，會(huì)產(chǎn)出質(zhì)量更高的小結(jié)。

說(shuō)到這里，聰明人可能看出來(lái)了，提示詞背后不是簡(jiǎn)單的提問(wèn)技巧，而是對(duì)所在專業(yè)領(lǐng)域的知識(shí)經(jīng)驗(yàn)積累以及所做事情的理解。

打個(gè)比方，我們都能很快學(xué)習(xí)到一些提示詞的技巧，比如新加坡提示詞大賽冠軍的“Co-STAR”框架，但具體到專業(yè)領(lǐng)域，決定生成質(zhì)量差距的還是知識(shí)和經(jīng)驗(yàn)。

也就是說(shuō)，一個(gè)領(lǐng)域初階的人員提出的需求和問(wèn)題跟中高階的人提出的需求和問(wèn)題本身就有差距，如何彌補(bǔ)這種差距？那就是快速在知識(shí)經(jīng)驗(yàn)上面補(bǔ)齊，基于此每個(gè)人都需要盡快構(gòu)建所在專業(yè)領(lǐng)域的個(gè)人知識(shí)庫(kù)（AI目前都是通用知識(shí)庫(kù)，所以反饋會(huì)顯得空泛）。

除了洞察領(lǐng)域，提示詞現(xiàn)在在很多領(lǐng)域發(fā)揮的作用非常明顯，拿自媒體領(lǐng)域來(lái)說(shuō)，同樣的AI工具，會(huì)用提示詞（Prompt）的和不會(huì)用的，內(nèi)容生產(chǎn)效率和出爆款的幾率差距很大。

也正是因此，甚至出現(xiàn)了提示詞（Prompt）工程師這樣一個(gè)職業(yè)。

在短期內(nèi)，提示詞（Prompt）是學(xué)習(xí)門檻最低、成本最低、能快速提升AI應(yīng)用效果的方式。

針對(duì)市場(chǎng)&用戶洞察工作流程的不同環(huán)節(jié)（例如需求溝通后撰寫需求文檔的Prompt，訪談筆錄整理分析的Prompt等）、不同的垂直場(chǎng)景（例如行業(yè)分析、競(jìng)爭(zhēng)分析、可用性測(cè)試、NPS研究等）去構(gòu)建提示工程，值得我們每一個(gè)洞察人員去嘗試。

另外，值得一提的是隨著推理模型的普及，有人說(shuō)提示詞已經(jīng)不需要了，是真的嗎？

為了回答這個(gè)問(wèn)題，我們首先要了解通用模型和推理模型的差異。

（清華大學(xué)新聞與傳播學(xué)院《DeepSeek：從入門到精通》）

這兩種模型在提示詞上的策略是不同的：

（清華大學(xué)新聞與傳播學(xué)院《DeepSeek：從入門到精通》）

也就是說(shuō)，如果使用推理模型，提示詞不用那么復(fù)雜了，不需要角色設(shè)定、結(jié)構(gòu)化提示詞、示例、思維鏈提示等。

(中央民族大學(xué) 新聞與傳播學(xué)院《DeepSeek如何賦能職場(chǎng)應(yīng)用？》

作為企業(yè)內(nèi)的市場(chǎng)&用戶洞察人員來(lái)說(shuō)，我們的輸出要求很多時(shí)候都是規(guī)范的、精準(zhǔn)的、可復(fù)用的，通用模型的使用場(chǎng)景仍然重要。

當(dāng)涉及到開(kāi)放性的任務(wù)時(shí)，例如工作總結(jié)這類主觀性比較強(qiáng)的需求場(chǎng)景，我們更建議使用推理模型。

更多時(shí)候，我們可以把推理模型和通用模型結(jié)合起來(lái)用，先使用推理模型給我們一些啟發(fā)和提示，然后使用提示詞讓通用模型生成符合特定要求、標(biāo)準(zhǔn)的洞察。

參考資料：

《清華大學(xué)2025年DeepSeek從入門到精通104頁(yè)》（必讀）

《清華大學(xué)2025普通人如何抓住DeepSeek紅利64頁(yè)》（必讀）

《中央民族大學(xué)/清華大學(xué)2025年DeepSeek如何賦能職場(chǎng)應(yīng)用35頁(yè)》(必讀）

《DeepSeek15天指導(dǎo)手冊(cè)從入門到精通24頁(yè)》(必讀）

《DeepSeek自學(xué)手冊(cè)-從理論模型訓(xùn)練到實(shí)踐模型應(yīng)用73頁(yè)》

《北京大學(xué)：2025年DeepSeek系列報(bào)告-DeepSeek與AIGC應(yīng)用（99頁(yè)）》（必讀）