把问题拆开来看
“这值不值得进入”会变成:谁在买、多久买一次、他们现在付多少钱、他们对什么不满意、谁已经在服务他们,以及什么会挡住新进入者。六个问题,六个答案。
每份演示文稿里都有市场规模数据,却没人说得清它从何而来。这个工具不会给你那样的数字。
一个市场问题,其实是五六个更小的问题披着同一件外衣。下面就是:它如何被拆解,每个部分需要什么才能回答,以及你已有的数据会怎样被处理。
“这值不值得进入”会变成:谁在买、多久买一次、他们现在付多少钱、他们对什么不满意、谁已经在服务他们,以及什么会挡住新进入者。六个问题,六个答案。
每个子问题都会标注:什么能解决它,以及那是公开信息、可以购买、只能靠自己询问他人获得,还是根本无法得知。四种不同的情况,对应四套不同的计划。
调研回复、销售历史、客服工单、某人导出的电子表格——这些都会被真正处理,而不只是被描述一番。大多数团队手里握着的自有证据,远比他们用到的多。
三步,从模糊的机会走向一份附有来源的问题清单。
市场、产品,以及这项决策取决于什么。附上你已有的任何东西——调研结果、销售数据、客户通话笔记。
它把问题拆成若干部分,说明每一部分需要什么证据,标出该证据在哪里,处理你提供的所有材料,并列出仍然悬而未决的部分。
那些悬而未决的问题,就是你按优先级排序的研究计划。把这次运行保存为 Playbook,下一个市场就能以同样的方式被拆解。
市场研究真正有用的产出不是一个数字,而是知道该去找哪个数字。
向大多数 AI 工具索要市场规模,你会得到一个精确到小数点后两位的数字,还附上增长率。它来自无从核查的地方,会被写进你的演示文稿,然后又被写进别人的。拒绝生成那个数字,才是这个工具最有用之处。
.jpeg&w=1920&q=75)
人们花上数周钻研的问题里,有一半无法靠坐在桌前得出答案,而在第一天就发现这一点,会改变整个计划。知道某件事需要打四十通电话,那就是一份时间表;不知道这一点,就是花六周去找一份从未被写出的报告。
.jpeg&w=1920&q=75)
这里没有获授权的市场数据,也没有实时网络访问权限,这是首先要说明的,因为它决定了你该有怎样的预期。你得到的是结构、推理,以及基于你提供证据所做的工作。任何被当作行业数据呈现的东西,都只能是被编造出来的。
.jpeg&w=1920&q=75)
评估创意的创始人、进入新细分市场的团队、界定研究范围的顾问,以及任何被要求给出市场数字的人。
在投入一年时间之前,你需要知道这是不是一桩生意,而诚实的答案通常取决于你并不掌握的三个事实。找出是哪三个,比一个信心十足的可服务市场总量更有价值。
公司已经在卖某样东西;问题在于它是否也能卖给这群人。这问题比看上去的要窄,而且其中很大一部分可以从你已有的客户那里得到答案。
在任何人真正开展工作之前,提案就必须说明将交付什么、需要多长时间。在这一阶段把问题拆解做对,决定了这个项目能否盈利。
某位高层想在周五前拿到一个数字,并且会把你产出的任何东西当作事实。专业的做法是给出一个附有推导过程的区间,这更难写,但也难得多去反驳。
探索更多涵盖研究、内容和数据的 AI 驱动工具。
数字、来源、你自己的数据,以及再来一次。
从历史上看,它提供行业数据。而大多数 AI 版本所做的,是生成看似行业数据、却并非来自任何来源的数字。这个工具则在更高一层运作:决策需要知道什么,以及每一条信息的实际来源会在哪里。
免费,一次一个市场。对比多个机会、使用更大的自有数据集,以及保留拆解结果以便后续市场以同样方式评估,这些都属于付费方案。
不会,这是有意为之,而不是把局限换个说法。没有来源的市场规模就是一个四处传播的编造数字——传进你的计划、你的推介,最终还会影响某人的投资决策。你得到的,反而是一个站得住脚的数字需要什么,以及如何构建它。
真正的工作大多发生在这里。调研导出数据、销售记录、客服工单和电子表格会被读取并计算,而不只是被总结,这往往能在任何外部研究开始之前,就解答其中两三个子问题。
大多数工具要么向你出售数据,要么生成形似数据的东西。而在这里,问题会被拆解,每一部分都带有它的答案在哪里、获取它要付出什么代价,你自有的证据会首先被利用,而且这套拆解还会延续到你考察的下一个市场。