Claude 擅長市場研究的架構,卻不擅長其中的數字。它能在幾分鐘內為你建立市場規模模型、區隔地圖和競爭者矩陣,也會用一個沒有來源依據、卻充滿自信的數字填補每個空白欄位。實務方法是要求它展示計算過程、說明假設,並標示每個無法驗證的數字 - 然後由你自行查證。架構交給模型,數字來自一手來源。
為什麼通用 AI 市場研究會誤導人
沒有引導的模型會用看似合理的虛構內容填補空白。要求它估算市場規模,它會交給你一個精確到小數點後兩位的數字,卻沒有來源、方法,也沒有任何方式判斷它是否真實。它會產出聽起來可信、但可能完全捏造的市場規模、成長率和競爭者營收。更糟的是,它會以相同的信心陳述所有內容,讓你無法區分有充分依據的推理和臆測 - 而當決策或投資人提問取決於這一點時,這正是最重要的區別。
解決方法不是把要求寫得更好來追求準確性,而是採用一套流程,迫使模型展示計算過程並標示自身的不確定性,讓需要一手來源的部分以問題而非事實的形式呈現。
在它開始研究之前,你要先提供什麼?
單純說「估算我的產品市場規模」,只會得到一段印象式的文字。五項輸入會把它變成一個可以提出質疑的模型:
- 產品,用一句具體的話說明。 「預訂工具」和「供獨立物理治療診所使用的排程軟體」,估算出的數字可能相差三個數量級。
- 地理範圍和時間框架。 市場永遠存在於某個地方、某一年。缺少其中任何一項,你得到的就會是一個什麼都能美化的全球數字。
- 你已掌握的每個真實數字。 你自己的定價、轉換率、競爭者公布的營收、產業組織的會員數。任何真實數字都能為模型提供錨點,並減少模型需要自行編造的內容。
- 你已知的競爭者。 列出五個,可避免只列出最明顯的三個就停下來。
- 這項研究的用途。 種子輪簡報、董事會文件和定價決策需要不同的深度,也需要考量不同的質疑者。
如何建立市場規模模型,而不只是得到一個數字?
自上而下和自下而上都要做。單獨的自上而下數字無法驗證;根據單位數量建立的自下而上模型可以核對,而兩者之間的差距,是整個分析中最有資訊價值的輸出。
標記指示是最能發揮效益的一項。沒有它,每個數字看起來都同樣可靠;有了它,模型自行估算的數字會被標示為估算值,而三項敏感度清單會準確告訴你,哪兩三個數字值得花一天進行實際研究。
這頁上的每項規則都已載入一次:雙向建立規模、公開列出假設,以及將來源標記流程套用到每個數字,無需另外要求。她會在不同工作階段之間保留你的市場、競爭者和真實數據,因此第二份研究會從第一份研究結束的地方開始。
取得 Serena →如何建立一份值得閱讀的競爭者矩陣?
只列出競爭者並各寫一句話不算分析。有用的版本會依買方實際會做選擇的維度比較他們,並直接指出其中兩個競爭者在哪些地方說著同樣的話 - 因為語言趨同是你能拿到最清楚的定位缺口,而逐一閱讀各網站時根本看不出來。
這裡的最後一項指示比頁面上其他任何地方都更重要。競爭對手的營收和募資額正是模型會流暢卻錯誤地產出的那類數字,而且也是讀者會在會議中回頭引用的數字。
Serena 負責估算市場規模;Ivan 深耕其中。競爭戰卡、勝負分析、定價頁面拆解,以及持續記錄每個競爭對手本季的變動 - 這些內容是為了交給業務團隊使用,而不只是讀過一次。
取得 Ivan →驗證流程,以及為何它不可省略
在數字離開你的螢幕之前,先用這套方法檢查模型已經產出的所有內容。這是研究公司檢視自己草稿時採用的同一套規範,而且大約只需一分鐘。
最後那個問題才是人們會跳過的部分。模型會毫不費力地產出四十個表面上分量相同的數據;追問哪一個能支撐論點,才能把報告轉化為研究計畫。
Claude 在市場研究方面的不足
- 無法讀取付費牆後的報告。支撐大多數市場規模估算的 Gartner、IDC 和 Forrester 數據都在付費牆後。模型記得的只是流入媒體報導的內容,而且可能已經過時。
- 它有訓練資料截止時間,而市場會變動。最近幾個月內的融資輪、收購、定價變更或新進入者,可能根本不存在於它的資料中。
- 它無法驗證私人公司的營收。從外部沒有人能做到。任何關於私人競爭對手的具體數字,都是穿上西裝的估算。
- 它不會主動告訴你市場太小。問「這個市場夠大嗎?」你會得到鼓勵。問「要滿足哪些條件,這個市場才會小到不足以支撐創投規模的企業?」你才會得到真正的答案。
- 它無法進行原始研究。它沒有和你的客戶交談過。任何關於人們實際為何購買的說法,都應該是在訪談中驗證的假設,而不是研究結果。
- 樣本數和統計是它最薄弱的領域。信賴區間、顯著性和代表性抽樣都屬於算術,而算術正是語言模型悄悄出錯的地方。
這並不會讓工具失去用處。它讓工具成為研究腳手架,而不是研究部門:它建立結構並撰寫問題,而你填入那些真正重要的欄位。
VERIFY 清單建立後,就需要有人逐項處理。Aiden 負責文獻研究部分:找出原始來源、仔細閱讀,並告訴你它是否真的如媒體摘要所聲稱的那樣。
取得 Aiden →如何在 Claude 中安裝研究 skill?
KissMySkills skill 是一個 ZIP 檔案,根目錄中包含 SKILL.md。在 Claude 桌面應用程式中,開啟 自訂 → Skills,新增 skill,上傳 ZIP,然後將其切換為開啟。
Skills 可在 Free、Pro、Max、Team 和 Enterprise 方案中執行 - 沒有付費方案限制。真正的要求是程式碼執行功能:在 設定 → 功能 中開啟 程式碼執行與檔案建立。在 Team 和 Enterprise 中,擁有者可以為整個組織停用此功能,因此 Skills 選單有時會顯示為灰色 - 這是管理員設定,而不是你的訂閱方案所致。
在沒有程式碼執行功能的免費方案中,或如果你使用 ChatGPT 或 Gemini,請在文字編輯器中開啟 SKILL.md,並將其內容貼到自訂指示中:Claude 專案的指示、ChatGPT 自訂 GPT,或 Gemini Gem。載入的規則相同,只是每個工作區都需要重新貼上。
與其反覆貼上這些 prompts,不如載入 skill,原因在於它能跨工作階段保留記憶。載入的 skill 會保留你的市場定義、競爭者範圍,以及你已經驗證過的真實數據,因此第二次研究不必從空白頁面開始。至於上市流程的其他部分,Sales & Marketing Growth collection 提供 120 個涵蓋定位、訊息傳遞與行銷活動規劃的 skills。
總結
從兩個方向進行規模估算,讓模型將每個數字標記為已知、已發布或假設值,並在數據離開你的螢幕前完成驗證。規模估算、區隔與研究計畫:Serena($29)。持續追蹤競爭者:Ivan($29)。逐項完成 VERIFY 清單:Aiden($29)。三者皆可在 Claude、ChatGPT 與任何 AI 聊天工具中使用,並提供 30 天退款保證。但它們都無法讀取付費牆後的報告,也無法聯絡你的客戶。

Serena - 市場研究 AI Skill
以由上而下與由下而上的方式進行市場規模估算、建立區隔輪廓、競爭者矩陣與 SWOT,並標記每個需要一手來源的數據,而不是自行捏造。
KissMySkills 是一個提供 1,700 多個 AI skills、48 組 prompt packs、55 個 agents 以及 免費工具的市集,適用於 Claude、ChatGPT 與任何 AI 聊天工具。提供 30 天退款保證。


