在當今數(shù)字化時代，AI技術正以前所未有的速度改變著我們的工作方式，尤其是對于市場與用戶洞察領域而言。AI不僅能快速處理海量數(shù)據(jù)，還能提供精準的分析和預測，極大地提升了工作效率。然而，許多人在使用AI工具時，常常因為提需求的方式不夠精準而無法獲得理想的結(jié)果。

提到AI，你是不是首先想到的是用AI來查資料，用AI做資料整理分析，用AI寫PPT報告？

從結(jié)果來看，很多人的痛點在于，這些AI工具仍然還無法滿足企業(yè)級的需求：在專業(yè)領域不夠精通、輸出不穩(wěn)定、存在AI幻覺等。

但實際上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

2023年3月14日，美國人工智能研究實驗室OpenAI為聊天機器人ChatGPT發(fā)布了GPT-4大語言模型，引發(fā)了全球震蕩，這一年被稱為AI元年。

由于墻的關系，這場AI的革命在國內(nèi)爆發(fā)要晚了半年。但即使如此，在充分競爭的市場環(huán)境下，各科技巨頭都不甘人后，國產(chǎn)大模型也相繼上線。

從百度的文心一言，到字節(jié)跳動的豆包，再到月之暗面的kimi，競爭十分激烈。直到2025年初DeepSeek R1低成本開源推理大模型的正式推出，國內(nèi)的用戶免費也能用上性能不輸給ChatGPT-4的國產(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曾預測了AI發(fā)展的五個階段：

當我在思考AI如何賦能市場&用戶洞察這個命題時，正是遵循了AI的這個發(fā)展規(guī)律。          

【AI賦能洞察工作的第一階段】

提示工程(Prompt Engineering)

這個階段，對應的是自然語言對話。

很多時候，我們跟AI模型工具做交互，得不到預期質(zhì)量的反饋，可能不是因為模型工具本身不行，而是因為我們沒有把我們的需求說清楚，沒有正確地提出問題。

無論AI如何發(fā)展，始終是要為人服務的，人主導著AI工具的使用，所以學會正確提需求、提問題是使用AI的基本前提。

舉個例子，你告訴AI你需要基于一場座談會訪談筆錄來寫一份小結(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只能返回給你一個標準答案（通用的模板），這個答案不具有針對性，達不到專業(yè)領域的水準。

從返回的這份小結(jié)來看，存在很多問題：

包含用戶姓名等隱私信息，需要隱去

太過簡略，只有分模塊的簡單信息總結(jié)，沒有觀點/洞察

我們希望能引用一些用戶的原話，小結(jié)里沒有

……

然后你需要多次跟AI來對話，不斷調(diào)整輸出結(jié)果，這個過程其實相當費時費力，并不能達到提效的目的。

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

答案就是提示詞（Prompt），它本質(zhì)上是幫助你把需求說清楚的一套規(guī)范問法，強調(diào)問法的結(jié)構(gòu)化和邏輯，而且最好能做到同場景復用。

還是以上面的例子，當我們輸入提示詞（僅供參考，不同的項目需求和內(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，如果我們多花點時間把提示詞打磨得更精細，會產(chǎn)出質(zhì)量更高的小結(jié)。

說到這里，聰明人可能看出來了，提示詞背后不是簡單的提問技巧，而是對所在專業(yè)領域的知識經(jīng)驗積累以及所做事情的理解。

打個比方，我們都能很快學習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)領域，決定生成質(zhì)量差距的還是知識和經(jīng)驗。

也就是說，一個領域初階的人員提出的需求和問題跟中高階的人提出的需求和問題本身就有差距，如何彌補這種差距？那就是快速在知識經(jīng)驗上面補齊，基于此每個人都需要盡快構(gòu)建所在專業(yè)領域的個人知識庫（AI目前都是通用知識庫，所以反饋會顯得空泛）。

除了洞察領域，提示詞現(xiàn)在在很多領域發(fā)揮的作用非常明顯，拿自媒體領域來說，同樣的AI工具，會用提示詞（Prompt）的和不會用的，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）工程師這樣一個職業(yè)。

在短期內(nèi)，提示詞（Prompt）是學習門檻最低、成本最低、能快速提升AI應用效果的方式。

針對市場&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）、不同的垂直場景（例如行業(yè)分析、競爭分析、可用性測試、NPS研究等）去構(gòu)建提示工程，值得我們每一個洞察人員去嘗試。

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

為了回答這個問題，我們首先要了解通用模型和推理模型的差異。

（清華大學新聞與傳播學院《DeepSeek：從入門到精通》）

這兩種模型在提示詞上的策略是不同的：

（清華大學新聞與傳播學院《DeepSeek：從入門到精通》）

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

(中央民族大學 新聞與傳播學院《DeepSeek如何賦能職場應用？》

作為企業(yè)內(nèi)的市場&用戶洞察人員來說，我們的輸出要求很多時候都是規(guī)范的、精準的、可復用的，通用模型的使用場景仍然重要。

當涉及到開放性的任務時，例如工作總結(jié)這類主觀性比較強的需求場景，我們更建議使用推理模型。

更多時候，我們可以把推理模型和通用模型結(jié)合起來用，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、標準的洞察。

參考資料：

《清華大學2025年DeepSeek從入門到精通104頁》（必讀）

《清華大學2025普通人如何抓住DeepSeek紅利64頁》（必讀）

《中央民族大學/清華大學2025年DeepSeek如何賦能職場應用35頁》(必讀）

《DeepSeek15天指導手冊從入門到精通24頁》(必讀）

《DeepSeek自學手冊-從理論模型訓練到實踐模型應用73頁》

《北京大學：2025年DeepSeek系列報告-DeepSeek與AIGC應用（99頁）》（必讀）