我自己平時做用戶需求信息挖掘時，會去用戶經(jīng)常出入的地方觀察用戶的發(fā)言信息。比如論壇帖子的具體評論，或者是電商平臺的評論。

在 AI 還沒出現(xiàn)之前，主要的做法就是逐條瀏覽然后將一些關(guān)鍵詞要點記錄下來，最后在做相應(yīng)的數(shù)據(jù)統(tǒng)計。甚至有段時間，我專門針對這種分析方法，寫過相應(yīng)的「詞云」分析腳本。

但現(xiàn)在 AI 能力已經(jīng)很發(fā)達了，完全可以將這部分工作交給 AI 來做，我們從中處理些協(xié)調(diào)相關(guān)的事情。

比如使用工具將用戶發(fā)言信息一股腦全部抓取下來，并將相應(yīng)的數(shù)據(jù)整理好。而高效處理這塊任務(wù)的方法有很多，如果是小白的話，我推薦使用瀏覽器插件的方式去做。

比如 Instant Data Scraper 這樣的免費插件，便可以很高效處理數(shù)據(jù)挖掘與數(shù)據(jù)整理。

有了數(shù)據(jù)這樣的第一手素材，剩下的工作就非常簡單了。無非就是設(shè)計一個針對性的 Prompt，然后將我們上一步收集到的素材投喂給 AI，讓其幫我們做用戶需求的分析，甚至是做相應(yīng)的需求分析報表。

而且現(xiàn)在市面上這樣的 Prompt 有很多，有興趣的話可以自己搜索了解一下，選擇一個適合自己的就好了。

那基本的需求分析流程跑通了，剩下就是將這部分工作的體系化做出來。

像我最近在看國內(nèi)的一些平臺，里面的真實用戶需求（或者說用戶痛點）就非常多，完全適合用這種方式去做需求分析調(diào)研。

我看到有小伙伴去某書上挖掘評用戶論區(qū)信息，痛點分析做完后再開發(fā)出針對性的產(chǎn)品，并順勢賣給評論區(qū)留言的那些人，也是一個不錯的思路。