如何用AI挖掘行业信息,找到蓝海赛道?(手把手教学版)信息源

人工智能的发展为我们提供了新的解决方案,但如何有效地运用AI工具进行商业研究,却很少有人系统地总结过。

今天,我将以新茶饮行业为例,带大家一步步了解如何运用AI工具开展商业情报研究,并建立起自己的研究框架和方法论。

我是阿泽,目前是一名独立商业研究员,同时也是增长智库的主理人。

在做了七年的私域数字化营销之后,我选择到上海交通大学攻读MEM工程管理硕士,希望能够在理论与实践中找到更好的结合点。

流程:我总结的AI辅助行业分析6步法

从确定研究目标到形成最终报告,每一步如何借助AI提升效率,让行业研究不再是一件耗时耗力的事。

工具:我在实践中筛选出的AI工具及其使用技巧我会介绍几款经过实战检验的AI工具,以及如何用最简单的方式,让AI准确理解你的需求。

实践:我会用新茶饮行业作为案例,带大家完整体验整个分析过程理论讲解后,我会通过新茶饮这个大家熟悉的行业,手把手教大家如何运用这套方法,让每个人都能快速上手。

一、掌握6步流程:AI行业分析从小白到高手

我的目标很简单:让大家看到商业情报研究其实人人都可以做。

这不是噱头,而是我的真实感受,只要掌握了正确的方法和工具,你也能做出专业的分析报告。

第一步:明确目标

在这个大数据时代,我们面对的信息实在太多。所以在开始研究之前,一定要先明确你要研究什么,为什么要研究。这就像是给自己画一个研究范畴,让后续的工作有的放矢。

第二步:数据收集

在确定了目标和研究假设后,我们需要有针对性地搜集数据。这里很多同学都遇到一个问题:如何验证数据的有效性?这个问题在实操环节我会详细讲解。

第三步:数据整理和验证

当你收集到大量数据后,需要进行初步的筛选和验证。在这个阶段,至少要找到两个甚至三个信息源去进行交叉比对。

不过如果你找到的是官方一手数据,比如上市公司的财报、招股说明书这类严肃的内容,基本就不需要再质疑其真实性了。

第四步:数据分析

随着数据量的增加,仅靠人力去识别数据、提炼洞察的难度会越来越大。这时就要充分发挥AI在数据分析中的价值。

比如说,我在研究新茶饮行业时,会同时研究十多个品牌,涉及五个维度、二十个数据指标,数据总量以百计。这种情况下,借助AI来协助分析就显得尤为重要。

第五步:研究可视化

当我们从数据中提炼出有效洞察后,需要用直观的方式呈现出来。在实操环节,我会教大家如何制作数据图表,让枯燥的数据变得生动易懂。

第六步:形成研究报告

这是把前面所有工作成果整合起来的关键一步。一份好的研究报告不仅要数据详实,还要逻辑清晰,让读者一目了然。

这六个步骤看起来很简单,但每一步都大有学问。在实操环节,我会结合具体案例,展示如何在每个环节都用好AI工具,提升工作效率。

在开展商业情报研究时,很多人会遇到这样的困惑:想研究某个领域,但不知道如何获取研究所需的数据和情报。

三、常见的可视化图表

在商业研究中,我们不需要过于复杂的图表。图表的本质是将数据图形化,让信息传递更直观有效。以下是六类常用的图表类型:

柱状图:最基础常见的数据展示方式

折线图:适合展示趋势变化

饼状图:可以是中空或完整形式,适合展示占比关系

气泡图:包含三个维度的数据展示,适用于多维度数据分析

雷达图:适合展示多维度指标特征的对比,如多个品牌在五个维度上的表现对比

词云图:主要用于文本频率和重要性的可视化呈现,可以做成心形、云朵等各种形状

值得注意的是,复杂的图形反而会降低信息传递的有效性。选择图表类型时,应该以清晰传达信息为首要考虑因素。

四、AI工具基础用法1、Trick法则的五个核心要素

要想高效地运用AI辅助商业情报研究,我们首先要掌握一些基础用法。最核心的就是提示词(Prompt)的使用技巧。

Trick这个词在英语里有"技巧、诡计"的含义,而我们要做的就是成为AI魔术师。

虽然现在确实有专门做提示工程的职业,但我们不需要做得那么专业,掌握基础用法就够了。

Trick法则源于五个核心要素:

Task(任务):明确目的和目标。告诉AI需要完成的具体任务,避免模糊指令。

Role(角色):设定AI的身份或视角。指定AI扮演的角色或身份,使其生成的内容符合特定语气和专业度。

Instructions(指令):细化操作步骤。清晰说明任务的执行方式或结构要求。

Key-word(关键词):明确核心词汇或内容要点。列出希望重点包含的词或概念,确保输出内容聚焦。

这几个要素怎么理解呢?简单来说,就是根据这些关键要素来编写提示词,输入给AI大模型,让它更准确地理解我们的意图。

很多同学在使用AI时会发现一个现象:为什么同样一个模型,有的人用起来觉得非常智能,而自己用却总是答非所问,甚至是隔靴搔痒?这就是因为可能不太会结构化地输出提示词给AI。

比如在角色定义这块,有时候你只需要告诉AI"你是个哲学家"就够了,但有时候却需要详细说明"你是某某行业负责某某方面的营销专员"。为什么会这样?

因为AI模型在训练时,对"哲学家"、"工程师"这类高度凝练的词已经包含了非常丰富的语义,你反而说得太多了,它反而不容易准确识别角色定义。

写提示词不是越多越好,关键在于精准,而不是数量。就像武功的最高境界是"忘记武功",熟练之后,你不一定要严格按照这个结构来写,只要确保包含这些要素就可以了。

2、按需选用的AI大模型

在模型选择方面,总的来说国外的大模型还是要更胜一筹。不过国内的通义千问和Kimi也可以用,虽然相比ChatGPT还是有些差距。

今天为了便于大家实践,我们会使用国内的模型来演示。文本创作和数据分析用Kimi,PPT制作用通义千问。

至于豆包等其他模型,在结构化数据分析这块效果要差一些。我也对比过星火、文心一言等,有的甚至还不支持Excel表格导入,所以今天我们主要用Kimi和通义千问。

3、Markdown的常见用法

再来说说Markdown这个轻量级标记语言。大家可以直观对比:普通文本往往是一大段杂乱的内容,而用Markdown改写后,能很好地突出层次,补充重要信息。

五、实践:以新茶饮行业为例动手带练

1、获取AI反馈筛选信息源

我们从实操开始。第一步是如何利用AI获取信息源并筛选有用的信息。这里我以使用Kimi为例,带大家理解整个流程。

首先,打开你的Kimi工具,这里我需要先呼应一下前面讲过的内容,即如何运用TRICK法则撰写清晰的提示词。

提示词的设计核心在于逻辑清晰,结构明确。即便之前没有频繁使用过AI工具,大家也不用担心,只要理解这个方法,就能够快速上手。写提示词并不难,关键是掌握方法。

我先给大家展示一个提示词的设计方法。提示词的第一部分是背景信息,也就是告诉AI:我现在要做什么。

如果你有更详细的资料,比如已有的行业研究报告,可以直接上传附件,让AI更准确理解你的需求。

在这个案例中,我们的目标是对新茶饮行业的品牌进行市场调研。为了让AI更精准地帮助我们获取信息,可以给它设置明确的角色定位——比如“你是现制茶饮行业的资深从业者”。

这里我特别解释一下,为什么提示词中用的是“现制茶饮行业”而不是“新茶饮行业”。这是因为“现制茶饮”这个概念比“新茶饮”更广,在网络语义中的普及度也更高。

而新茶饮只是现制茶饮的一个子集。所以,当我们撰写提示词时,要有意识地选择更适合研究目标的特征词。

接下来,我们进一步明确研究对象和内容。我列举了四个品牌作为研究对象,研究内容则包括门店数量、城市等级分布、营收规模和用户规模。

这里还有一个特别重要的概念,“思维链”。在提示词里,我们可以明确要求AI按**step-by-step**的方式完成任务。这样AI在处理任务时会更细致、更有条理。

2、运用搜索技巧获取数据资料

完成第一步后,我们进入第二步——运用搜索技巧获取更高质量的数据资料。这里我重点讲解了**GoogleHacking**的方法,帮助大家精准定位一手数据。

大家可以这么理解:普通搜索可能会返回大量泛化信息,而高级搜索则可以快速找到目标内容。比如,当我们需要某品牌的招股书或财报时,可以使用文件格式筛选的搜索技巧。

具体来说,可以在搜索框中输入:filetype:pdf+关键词。

比如,“filetype:pdf奈雪2024中期财报”。这样,搜索结果会直接锁定PDF格式的文件。

在实际操作中,Google的搜索效果最好,但如果无法使用Google,也可以尝试百度或夸克等其他搜索引擎。

这里我给大家演示了一些例子,比如直接找到奈雪2024年中期业绩报告的PDF文件。这

当然,除了搜索引擎,还有一些其他渠道,比如上市公司的公告和财报网站。比如,我在演示中提到过一个港股网站,大家可以通过这个网站持续跟踪上市公司的最新动态。

恰巧在直播时,找到了古茗当天(12月15日)发布的最新招股书,这是用来开展情报研究真实性、时效性最好的数据源。

3、整理并验证资料有效性

获取数据后,第三步是整理和验证数据的有效性。这一步非常关键,因为即便是AI提供的信息,也可能存在一定的错误,因此需要我们进行人工校验。

整理数据时,我建议大家先建立一个分析模型。比如,我用的是“品牌竞争力分析模型”,包括市场扩张力、产品创新力、用户服务力、商业价值力和品牌传播力五个维度。

每个维度下再细分为具体的数据指标。根据这个模型,我们可以将数据一条条整理出来,形成结构化的表格。

4、导入AI模型分析数据

接下来,我们将整理好的数据导入到AI中进行分析。这一步的操作重点在于提示词的设计。

首先,仍然需要向AI提供背景信息,告诉它研究的品牌、维度和数据指标。然后,设置清晰的分析规则,比如“按照维度从高到低排序,并详细分析各项指标的表现”。

为了让AI理解我们的需求,可以采用Markdown格式,将数据和规则结构化。

在生成分析结果后,需要对其进行校验。如果分析结果中存在数据引用错误,可以调整提示词重新生成。整个过程可能需要多次迭代,直到生成满意的结果。

5、整理润色分析结果成文

6、生成PPT大纲创作内容

有了大纲,我们就可以使用通义千问,来快速制作PPT模板,具体操作步骤如下:

1.进入通义千问页面,选择“长文本生成PPT”功能。

3.根据需要调整大纲结构,并选择合适的PPT模板和配色方案。

4.点击生成PPT,工具会自动提取关键内容并形成初步框架。

生成的PPT可以直接下载,然后根据需要进一步调整和优化。

7、制作图表插入PPT生成报告

为了使PPT更直观,我们可以制作图表,并将其插入到对应页面。例如,我在演示中使用飞书表单制作了雷达图。

操作方法是:先选中数据范围,点击插入图表,选择雷达图样式。

生成图表后,可以直接下载为图片,然后粘贴到PPT中。

通过这些可视化工具,可以让报告内容更加直观、易懂。

通过以上实操,我们完整演示了如何利用AI工具开展商业情报研究的全过程。从获取信息源到生成报告,每一步都强调了方法和工具的结合。

希望大家通过这次实践,能够掌握这些技巧,并灵活运用于实际工作中。

商业情报研究不仅是技能,更是一种方法论。通过AI工具的辅助,我们可以大大提升信息获取和商业研究效率,让人人都能快速掌握一个新领域。

最重要的是要结合AI工具实操,建立自己的行业调研框架。

本次的PPT+音频,已上传至下方,请查收。错过的一定要去回听,会对你用好AI,辅助自己做行业研究和趋势判断大有裨益!

1.

2.

3.

推荐加入和领取:

1、松月的“野生运营-知识星球”【现在加入可领取《2025年运营人百科全书》】

老朋友续费知识星球

常年8折

2、松月的“野生读书会-知识星球”【现在加入可参与“小红书读书博主合作计划”】

THE END
1.数据挖掘的分析方法可以划分为关联分析序列模式分析分类分析和数据挖掘流程 首先,我们需要明确数据挖掘的基本流程,如下表所示: 流程图 数据收集数据预处理数据分析结果评估结果展示 各步骤详解 1. 数据收集 这一阶段收集待分析的数据,可能来自数据库、CSV文件、API接口等多种来源。示例代码如下: importpandasaspd# 从CSV文件读取数据data=pd.read_csv('data.csv')# 读取名为dahttps://blog.51cto.com/u_16213297/12863680
2.好书推荐《数据挖掘技巧》数据挖掘一般是从大量的数据中通过计算机算法,去搜索隐藏于其中信息的过程。用通俗的话说,就是面临大量的数据,使用数据挖掘工具“探勘”一遍之前,审计人员不一定有明确的目标,挖掘出来的结果也不一定在审计人员的预料之中。数据挖掘作为一种新的计算机审计方法,能够辅助审计人https://mp.weixin.qq.com/s?__biz=MzU0ODk2NjA0Nw==&mid=2247509056&idx=3&sn=efa3fad8b2f29bc4520c0acc7354b793&chksm=fbb5ffb0ccc276a6cbbf6d12458f702a0a731627617b65747658b89c3bbcd90cde9b3f9a9192&scene=27
3.数据从哪里来,怎么到程序里去?在说明【定义问题比解决问题更重要这一部分】,我们举了几个例子,我们直接调用了现成的数据集来做模型和做预测。实际面对问题的时候,并不能这么快就开始工作:要获取什么数据、获取难度如何、获取到的数据质量如何……这些都是我们要面对和解决的问题。这部分工作会占到我们项目工作量的6、7成。 https://zhuanlan.zhihu.com/p/12225918138
4.数据挖掘的基本步骤和流程解析请阐述数据挖掘的基本过程和步骤通过对数据挖掘基本步骤和流程的深入理解,有助于我们更好地挖掘数据价值。 下面用一个具体的例子更详细的解释数据挖掘流程(具体代码用python语言实现)。 在这个例子中,我们将使用一个假设的电商数据集来进行用户购买行为的预测。 1. 明确目标 我们的目标是预测用户是否会购买某种商品。这属于二分类问题。 https://blog.csdn.net/m0_67484548/article/details/142665300
5.简述数据挖掘的主要步骤。答数据挖掘的主要步骤如下:①数据准备。对数据进行集成,数据选择和预分析。即从操作型环境中提取并集成数据,解决语义二义性问题,消除脏数据,使数据范围缩小,数据挖掘质量得到提高。②数据挖掘。利用数据挖掘器(data mining processor)中的各种数据挖掘方法,从大量的数据中识别出潜在的、有效的、新颖的、具有潜在价值的https://easylearn.baidu.com/edu-page/tiangong/questiondetail?id=1730370113065387683&fr=search
6.数据挖掘技术方法(精选十篇)网络数据挖掘是个新生事物,笼统地讲析太过抽象,所以我们就以社交网站为例来探析下网络数据挖掘。微博诞生也不过数年光景,就以之为例。微博是大家熟知的社交网站,通过社交网站的数据挖掘的管理流程,就可窥一斑而见全豹,对整个网络数据挖掘的方法与技术就都可以融会贯通了。我们可以举个例子,譬如应用面向对象的系统分https://www.360wenmi.com/f/cnkeyg31vygx.html
7.系统项目管理师(第4版)思维导图模板系统分析阶段的任务是根据系统设计任务书所确定的范围,对现行系统进行详细调查,描述现行系统的业务流程,指出现行系统的局限性和不足之处,确定新系统的基本目标和逻辑功能要求,即提出新系统的逻辑模型。系统分析阶段的工作成果体现在系统说明书中。 系统设计阶段 https://www.processon.com/view/654c455f8f11b40fe56ece43
8.数据分析和挖掘有哪些公开的数据来源?想要分析的时候,没有数据,就是巧妇难为无米之炊。以前想找一个数据需要费尽心思在网上去搜,最终还找不到自己想要的数据。通过编程爬虫数据,学习成本又太高,毕竟你的目标不是想要成为爬虫工程师,只是想要拿到数据来分析。那有没有傻瓜式的获取数据方法呢? https://www.bilibili.com/read/cv35060405/
9.直播回顾单细胞测序:从样本制备到数据挖掘的全流程探讨2023年6月7-8日,瑞沃德特邀达普生物产品经理潘鑫和达普生物、高级科学家肖之夏做客直播间,以“单细胞测序:从样本制备到数据挖掘的全流程探讨”为主题进行精彩分享,在线与大家一起探讨单细胞测序的奥秘! 没有赶上看直播 或想再回顾精彩内容的小伙伴 扫码即可查看直播回放 https://www.yiqi.com/news/detail_23958.html
10.数据分析流程包括哪些步骤综上所述,数据分析流程包括了问题定义、数据采集、数据探索和可视化、数据预处理和特征工程、建立模型和算法选择、模型评估和优化、模型应用和结果解释等七个步骤。 数据分析过程中需要使用的分析方法 在数据分析过程中,需要使用多种分析方法和技术,以从数据中提取有用的信息和洞察。下面介绍几种常见的数据分析方法和技https://www.linkflowtech.com/news/1597
11.商战数据挖掘:你需要了解的数据科学与分析思维数据科学的一条重要原则是,数据挖掘的流程可以分解为几个通俗易懂的环节。有些环节涉及信息技术的应用,如数据中模式的自动发现和评估,而有些则主要依赖数据分析师的创意、常识和商业知识。理解数据挖掘的整个过程,有助于组织数据挖掘项目,使它们更接近系统性的分析,而不是凭借运气和个人智慧的冒险行为。 https://www.ituring.com.cn/book/tupubarticle/28952
12.电子商务应用论文(15篇)2Web数据挖掘的流程 Web数据挖掘是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取商业决策的关键性数据,可以使企业把数据转化为有用的信息帮助决策,从而在市场竞争中获得优势地位。在电子商务环境下,Web数据挖掘主要分为以下几步:(1)数据收集。首先数据收集主要针对web数据中的服务器数据https://www.yjbys.com/biyelunwen/fanwen/dianzixinxigongcheng/733161.html
13.一文搞懂!商业数据分析全流程CRISP-DM全称为CRoss Industry Standard Process for Data Mining(跨行业数据挖掘标准流程),如图1.2所示,这个流程模型将整个数据挖掘过程划分为六个主要阶段:业务理解、数据理解、数据准备、模型建立、模型评估和结果部署。 CRISP-DM强调,数据挖掘是一个迭代和探索的过程,六个步骤并不是线性的,而是根据实际情况灵活进行https://www.niaogebiji.com/article-606353-1.html
14.QC小组活动那些事儿2020版准则4.1.3b)条款要求对数据和信息进行分层整理和分析,更加强调“分层整理”的重要性。这么做是为了规避很多QC小组经常犯的一个错误,即对反映课题现状的数据挖掘不够充分,分层不够全面和深入,在其后的原因分析阶段不得不再次进行分层分析。 3)确定主要原因 https://www.zjmif.com/qualitymana/detail/id/26618.html
15.数据挖掘流程范文12篇(全文)根据数据库存储资源对象完成指定的操作, 以全面提高数据挖掘流程的操作水平。 摘要:数据挖掘是通过分析每个数据, 从大量数据中寻找其规律的技术, 数据挖掘会随不同领域的应用而有所变化, 每一种数据挖掘技术也会有各自的特性和使用步骤, 针对不同问题和需求所制定的数据挖掘过程也会存在差异。文章对数据挖掘的基本https://www.99xueshu.com/w/ikeyo1a9ca2z.html
16.数据挖掘的基本概念和工作流程金融IT那些事儿跨行业数据挖掘标准流程CRoss Industry Standard Process-Data Mining(CRISP-DM),是业界最流行的数据挖掘工作流程模型,于1999年由欧盟机构联合起草。该流程模型分为六个步骤:业务理解、数据理解、数据准备、建模、评估和部署应用。这些步骤并非一成不变的,也可以根据需要调整顺序。 https://www.shangyexinzhi.com/article/4052696.html
17.什么是数据挖掘的流程?一步步带你掌握数据挖掘的完整过程在数据预处理之后,下一步是对数据进行探索性分析。这一步骤的目的是理解数据的结构和模式,为后续的模型建立提供指导。数据分析可以使用统计方法和可视化工具,例如通过绘制散点图、直方图等来发现数据中的趋势和异常。 5. 模型建立 模型建立是数据挖掘的核心步骤。在这一阶段,需要选择合适的算法和模型来从数据中提取知https://www.cda.cn/view/204893.html
18.河北省职业院校技能大赛D.数据规约 4、以下哪个选项不属于大数据消费者洞察的特点? A.全面性 B.静态性 C.真实性 D.方便性 5、企业大数据项目分析流程包括以下步骤()(单选题) A.数据收集-业务理解-数据分析与挖掘-数据预处理-报告撰写 B.数据收集-业务理解-数据可视化-数据挖掘-报告撰写 http://hbszjs.hebtu.edu.cn/jnds/newsContent?newsId=2616&colId=7
19.海南省人民政府关于印发三个试点园区行政审批改革实施方案的通知(一)建设流程。 社会投资项目建设分四个阶段(项目入园评估、签订投资合同、自主建设、联合验收),政府投资项目建设分四个阶段(项目审核、招标投标、自主建设、联合验收)。 1.社会投资项目。 (1)入园评估阶段:项目业主组织编写《项目报告书》(见附件10),管委会对属于“准入清单”内的项目,就投资强度、产出效益、税收https://www.hainan.gov.cn/data/zfgb/2016/01/3453/
20.大数据金融第二章大数据相关技术第一节 大数据处理流程 首先是利用多种轻型数据库收集海量数据,对不同来源的数据进行预处理后,整合存储到大型数据库中,然后根据企业或个人目的和需求,运用合适的数据挖掘技术提取有益的知识,最后利用恰当的方式将结果展现给终端用户。 数据处理流程 一 数据采集 https://www.jianshu.com/p/d68251554c66
21.数据挖掘常用流程及算法腾讯云开发者社区4、模型的建立:选择和应用各种数据挖掘模型,并进行优化,以达到更好的效果。 5、模型的评估:对模型进行评价和打分,并检查模型的每个步骤,确认模型实现了商业目标。 6、上线发布:从数据中提炼出结论和知识,转化成一中用户可以使用的方式,可以是一份报告、也可以是一个比较复杂的重复挖掘的脚本,作为之后日常工作的一部https://cloud.tencent.com/developer/news/737893