1. B端产品探索期调研工作量大
我们经常做调研应该知道,B 端产品探索期常做的调研包含 4 种:
- 市场调研:了解市场需求和用户反馈,分析市场竞争格局和发展趋势
- 需求调研:了解目标用户的需求、期望和反馈,分析用户的使用场景、行为习惯和痛点
- 竞品调研:了解竞品产品的优势和不足,分析竞品的用户群体、使用场景和功能特点
- 体验调研:了解用户对产品的使用体验、满意度和建议,分析用户的痛点和需求
调研中检索信息数据,整合资源、体验复杂产品、形成体验报告等工作量极大,项目时间短,很难完成。
更多ChatGPT 使用技巧:
2. 设计调研存在困难点
难点 1:探索全新的领域,入手难
行业、平台、业务都是全新的,我们需要好好理解平台和体验平台。同时,还需要收集尽可能多的信息,并在信息中判断整理出对我们有用的信息,但是庞大复杂的网络资源中,充斥着碎片化的信息,体系化知识较难获取。这就造成了,探索全新领域业务入手难的问题。
难点 2:脱离设计师生活,理解难
在前期探索阶段,设计师不是业务员,没有既往经验,并且,全新探索的业务里,从存量客户中较难找到合适的客户进行调研。这就造成了,脱离我们生活的业务理解难的问题。
难点 3:摸清 B 端竞品,时间短
我们的业务在市面上的竞品不多,资讯相对较少,想要找到合适的竞品需要不断体验,需要时间。B 端竞品多数要付费,在找竞品-注册-体验竞品,也比较耗费时间,一旦发现产品需要付费,那么前面的工作无疑浪费了时间(多数竞品会引导“免费”试用,但其实绑定海外信用卡才能真正试用,free 是一种忽悠手段)。不过,业务迭代发展快,我们需要快速完成。这就造成了,摸清 B 端竞品时间短的问题。
3. 试试ChatGPT吧!
根据我们调研工作量大、设计存在的困难点,我们思考可以尝试使用 ChatGPT 来做辅助工作,帮助我们快速整合资源信息、节约时间成本、精力、降低对 B 端业务的理解成本。
1. 帮我们快速了解行业&业务
这里取决于我们想了解行业的什么内容,由于我们产品的本质是想帮助外贸人做好营销,那么我们的用户就是外贸人,需要了解外贸人对营销的诉求。比如:营销对我们用户来讲意味着什么、我们的用户一般都用什么营销方式、为什么要用平台、为什么更愿意用某某平台、营销能给我们的用户带来什么商业价值/收益等等。我们向 ChatGPT 提问这些问题,它根据大数据整合信息吐给我们,多轮体验下来,ChatGPT 对于行业的相关信息质量还不错。
2. 帮我们快速了解竞品
用 ChatGPT 找到合适的竞品
尝试问 ChatGPT,同类型的竞品都有哪些,同时让它提供竞品介绍。但是!它提供的并不一定是符合我们的竞品,我们会针对它提供的竞品,提问竞品介绍、定位、功能等内容。这样,我们就会找到合适的竞品,再开始实际体验,这种方式比以往的方式快多了。
体验竞品时,用 ChatGPT 查缺补漏
当向 ChatGPT 询问相关竞品列表后便开始体验,我们的竞品基本都是海外产品,产品较为成熟,结构信息复杂,要摸清竞品的功能,入口,使用流程,耗费时间长。结构复杂的,功能隐藏深。这时候,我们在体验竞品后作为查缺补漏,会让 ChatGPT 将竞品是否有 xxx 功能?功能入口在哪里提供出来。
举个例子:B 端竞品有免费试用,实际在注册时才提示要绑定银行卡才能体验,而绑定银行卡这个要求并未在竞品官网中体现。而后,我们就“试用产品是否需要绑定银行卡”的问题询问 GPT,ChatGPT 居然能回答出只有在使用产品流程中才能获取的信息(当然,也可能它是从一些论坛中获得的信息。)
3. 帮我们快速获取数据
我们在前期调研时的诉求是,希望它能快速的帮我们找到一些专业研究报告,以及对应的研究数据,以辅助我们设计师总结。
实操过程中,它的确可以按照我们的要求找到具体的研究报告,同时,我们会引导它从研究报告的角度,帮助我们摘取报告中提到的内容、罗列出具体的数据。但是,我们前期提问比较宽泛,尝试多次重复提问同一个问题,它给我们的研究数据都不一样。它给我们的数据只是罗列整合,而我们发现其实因为“不同的机构”“不同的研究报告时间”“不同的研究角度”“研究面向的人群”,都会导致几份数据报告结果不一致,这会干扰我们的判断。因此,我们后续继续从:哪些研究机构更权威、我只要近一年的报告、我要平台官方数据不要第三方数据等不断提问,获取到了我们需要的研究数据信息。
我们设计师最后需要做的是:通过 ChatGPT 提供的信息,我们自己去判断用哪个研究报告合适、以哪份数据为准、整理合并数据报告的信息、做分析比对工作,得出调研结论。这个过程就是用 Gpt 帮助我们获取合适的数据,节约我们找/查/读数据报告的时间。
1. 不做分析性的工作
原因一:它无法代入我们的业务属性,给出合适的分析结果
我们从 ChatGPT 上获取到的信息,是它从大数据训练而得的,但是我们无法判断它的分析逻辑是否是符合我们业务,也就是说,它的回答不具备“具体的业务属性”。而我们去做调研分析,一定会代入我们的业务属性,明确业务背景和方向前提下的。以下是它的回答:
原因二:它给出的设计层面的分析偏点状,不够有递进性和系统性
我们尝试让他分析如何在一款 xx 产品里,让用户感受到节约时间成本、效果更好。它给出的答案都是点状的,缺少“分析”思路。相比来讲,我们可能会从关键点、目标、思路、设计递进分析。从关键点入手,再去针对性的拆解出设计的目标、方案思路等等。
2. 不做总结性的工作
ChatGPT 给出的总结中,存在部分我们不需要的信息,但是它会融进自己的逻辑中总结出来。举个例子,当我们想对 xxx 内容进行总结,ChatGPT 会按照自己某种逻辑给出数据、以及总结。我们向它溯源它的数据,发现它的数据来源并不是最新、最权威的报告,那么总结的内容就不符合我们的要求。所以,建议我们将 ChatGPT 给出的信息进行二次筛选,选出最专业、最新、最全的信息,再人工做最终的总结。
1. 答案不是你想要的?可以转换提问方式
怎么换提问方式呢,简单粗暴的方案,我们对他说:重新换个答案,这不是我想要的;或者我们思考转化问法,比如:问 ChatGPTxxx 营销的目的是什么,如果答案不合适,我们可以换成问:用户在营销时会做什么,想做什么?实际上都是针对用户类似的心理提出的问题。
2. 下钻提问,可以不断深挖信息
举个例子,比如我们想知道 5 款社媒平台对帖子内容的建议,它给出汇总性的答案。我们会继续分开提问每一个社媒平台的建议,再继续提问建议的来源是什么,再提问来源渠道是否专业准确。从而去反向证明,它最先汇总给出的答案是不是合适。
3. 校验答案是否准确
这种校验很简单,比如它给出了链接,我们去点击看下是不是符合它所说的,比如它告知的结果,我们去实际体验下产品。下图就是 ChatGPT 给出的错误答案,由我们自己校验而得出,官网链接错误以及产品是付费的但是它说免费。
4. 深入提问它的答案依据,判断它是否专业
在它给出答案后,我们会继续提问答案的来源依据,方法是这样的:
- 「正向提问给结果」我们问 ChatGPT 问题,它会给出一个结果
- 「从结果中反向提问」向 ChatGPT 正向提问的结果中,找到关键词反向提问,以看正反向结果是否差别不大
- 「追问结果的来源」追问它给出的答案的来源,判断来源是否权威、专业
举个例子:
我们先正向提问:“如何衡量营销效果”,而后,我们从正向答案中提到的关键词是某些数据,再反向提问:“某数据对营销效果的影响”,最后,在它给的结果中包含数据,我们追问数据是从哪些报告或机构中得来的。这一套方法下来,基本可以判断出 ChatGPT 给出的结果是否专业了。
5. 追问答案时间,确定是否是最新答案
在给出的答案中,若我们对信息的时效性有要求,那么就需要追问 ChatGpt 提供的信息的时间,如果它也无法提供信息来源时间,我们就得需要自己再去检索。
最后的最后,不要完全相信它的答案,一定要:正反提问!多次检验!多重筛选!
复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。
发评论!每天赢奖品
点击 登录 后,在评论区留言,系统会随机派送奖品
2012年成立至今,是国内备受欢迎的设计师平台,提供奖品赞助 联系我们
这么设计才好玩
已累计诞生 612 位幸运星
发表评论 已发布4条
↓ 下方为您推荐了一些精彩有趣的文章热评 ↓