我自己平時(shí)做用戶需求信息挖掘時(shí)，會(huì)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(píng)論，或者是電商平臺(tái)的評(píng)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(diǎn)記錄下來，最后在做相應(yīng)的數(shù)據(jù)統(tǒng)計(jì)。甚至有段時(shí)間，我專門針對(duì)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(dá)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(fèi)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(jiǎn)單了。無(wú)非就是設(shè)計(jì)一個(gè)針對(duì)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(bào)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(gè)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(guó)內(nèi)的一些平臺(tái)，里面的真實(shí)用戶需求（或者說用戶痛點(diǎn)）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(píng)用戶論區(qū)信息，痛點(diǎn)分析做完后再開發(fā)出針對(duì)性的產(chǎn)品，并順勢(shì)賣給評(píng)論區(qū)留言的那些人，也是一個(gè)不錯(cuò)的思路。