我如何用 AI 比任何問卷都更了解我的客戶

我以前會發客戶問卷。花一整個下午想一堆用心的問題，設好 Google 表單，寄給我的電子報名單，等一個禮拜，然後收到 23 份幾乎沒有任何用處的回覆。

「你想看到更多什麼類型的內容？」每個人都說「更多教學」。沒有人告訴你到底什麼具體問題讓他們半夜睡不著。

「你會為這個主題的課程付費嗎？」每個人都說會。但沒有人真的買。

問卷量到的是人們以為自己想要的東西。AI 研究挖出來的是他們真正需要的東西。接下來我會分享怎麼把整個客戶研究流程翻過來，以及這件事怎麼從根本上改變了我做的產品。

為什麼傳統研究對獨立創作者沒用

大公司可以花錢做焦點團體、請研究公司、用幾千個用戶做 A/B 測試。獨立創作者什麼都沒有。我們受眾小、預算有限、時間也不夠在做所有事情之餘再變成專業研究人員。

所以我們預設用兩招：直覺和問卷。直覺在你自己就是目標客戶的時候管用，一旦你要服務經歷跟你不同的人，它就崩了。問卷在你有幾千份回覆、外加一個受過訓練的研究員分析數據時管用。只有 23 份回覆的話，你就只是在看茶葉算命。

受眾說的跟他們做的之間，差距大到驚人。在問卷裡大家不是故意騙你。他們真的相信自己想要那些東西。但行為說的是另一個故事。他們說想要一套完整課程，結果買的是快速入門指南。他們說價格不重要，結果在 NT$1,490 的結帳頁面直接跳走。

AI 沒辦法修正人類心理。但它給你工具，讓你能以一人公司以前不可能做到的規模去分析行為。

我建立的研究系統

我的客戶研究系統有四個組件。沒有任何一個需要問別人他們想要什麼。

1. 社群挖礦

每天，成千上萬的潛在客戶正在網路上跟陌生人講他們到底在煩什麼。他們在 Reddit 討論串、Facebook 社團、Twitter 回覆、論壇討論和產品評論區裡發文。他們不是在配合問卷表演。他們在發洩、求助、或慶祝一個小小的勝利。真相就在那裡。

問題在於規模。你不可能讀完你利基市場裡每一個 Reddit 討論串。但 AI 可以處理並摘要幾百則對話，找出其中的模式。

我的做法是這樣的。我從目標受眾常出沒的社群收集貼文和留言。然後用一個提示詞請 AI 分析這些對話，提取反覆出現的痛點、人們描述問題時用的語言、他們試過什麼方案以及為什麼那些方案失敗，還有抱怨背後的情緒基調。

產出的是一份研究簡報，人類分析師要花好幾天才做得出來。我幾分鐘就拿到。

上個月，這個流程揭露了一件我在問卷裡絕對不會發現的事：我的受眾不是在「製作數位產品」這一步卡住，他們卡在更前面那一步──他們搞不清楚哪個想法值得去做。這個洞察直接催生了我最受歡迎的一篇關於驗證產品想法的部落格文章。

2. 評論分析

如果你賣數位產品，你的競爭對手一定有評論。Amazon、Gumroad、Etsy、課程平台、應用程式商店。這些評論是研究的金礦。

我收集跟我的產品類似的產品評論，正面和負面都要。然後餵給 AI，用一個要求結構化分析的提示詞。五星評論具體在稱讚什麼？一星評論在抱怨什麼？評論者希望有什麼功能？哪些用詞和短語反覆出現？

從中得到的競爭情報多到嚇人。我分析了 200 則競品 Notion 模板的評論，發現排名第一的抱怨不是功能、也不是設計，而是上手引導。人們買了漂亮的模板，卻完全不知道怎麼用。所以當我自己做 Notion 模板時，我附上了一份入門指南和影片教學。光這一個決定，就成了我自己評論裡被提到最多的優點。

3. 搜尋意圖對應

人們搜尋什麼，就透露了他們想做什麼。我用 AI 從一個種子主題出發，畫出相關搜尋、問題和內容缺口的完整版圖。

我用的提示詞會請 AI 像潛在客戶一樣思考，模擬不同的認知階段。一個還不知道自己有問題的人，搜尋的方式跟一個正在比較方案的人完全不同。透過對應整個認知光譜上的搜尋行為，我可以看到需求在哪裡，以及現有的內容在哪裡沒有滿足它。

我的定價策略那篇文章就是這樣找到主題的。搜尋數據顯示一大堆人在搜「如何為數位產品定價」，但幾乎沒有內容在談定價的情緒面──怕定太高、覺得定太低有罪惡感。那個缺口變成了一篇文章，流量比我當月發的任何東西都高。

4. 受眾語言萃取

這是我用的所有研究技巧裡最被低估的一個。你的客戶用特定的詞彙描述他們的問題。如果你的行銷用的是不同的詞彙，對他們來說你就是隱形的。

我把以上三種方法收集到的所有數據拿來做最後一次分析。提示詞請 AI 提取受眾實際使用的詞彙。不是行銷術語，不是產業專有名詞，而是真實的人在感到沮喪、興奮、或搜尋解決方案時真正打出來的字。

「內容再利用策略」跟「怎麼不用每次都從頭寫」之間的差異，就是聽起來像行銷人和聽起來像真正懂你的人之間的差異。兩者描述的是同一個概念，但只有一個能建立連結。

我有一份按主題整理的受眾語言文件，持續更新中。寫銷售頁、電子郵件序列或社群貼文時，我就從這份文件裡抓用語。開始持續這麼做的那個月，我的轉換率明顯跳升。

我的生意起了什麼變化

在用 AI 做研究之前，我在猜。有根據的猜，沒錯。但還是在猜。我想到一個產品點子，花幾週做出來，發布，然後祈禱受眾想要它。

命中率大概四成。十個產品裡面四個賣得還行，其他的就靜靜躺在商店裡吃灰。

認真做了半年 AI 研究之後，命中率拉到大概八成。不是因為我突然變聰明了，而是我不再憑感覺猜別人想要什麼，改成看數據告訴我他們需要什麼。

舉個具體例子。我本來計畫做一本「社群媒體完全攻略」，包含每個主要平台的模板。我的研究顯示受眾不想要完整的，他們想要具體的。他們想這週解決一個平台上的一個問題。這個洞察讓我改做更小、更聚焦的提示詞包，而不是一本大而全的攻略。小產品的銷售額超過了我對大產品的預估。

如何開始做 AI 研究

不用搞什麼複雜設置。先從一個方法開始就好。社群挖礦是最簡單的起點，因為數據免費又公開。

選三個你的目標受眾活躍的社群。收集 50 到 100 則跟你利基相關的貼文和留言。餵給 AI，附上一個簡單的分析提示詞。讀產出的結果，找出你沒預料到的模式。

最後那個步驟是關鍵：找意外。如果 AI 只是確認了你已經相信的東西，那不是你的假設完美，就是你的提示詞需要調整。好的研究會挑戰你的假設。它讓你看到你因為太靠近而看不到的東西。

Spark 提示詞包包含一整套客戶研究提示詞，包括我上面描述的社群挖礦、評論分析和語言萃取的完整提示詞。但老實說，即使只是一個基本的提示詞，請 AI「分析這些對話並找出反覆出現的痛點」，都比你下一份問卷有用得多。

別再問受眾「你想要什麼」了。去看他們實際在做什麼就對了。數據早就在那裡，讓 AI 幫你讀懂就好。