第一步·拆解：把目标变成研究方案
五步法的第一步，也是最容易被跳过、却最决定成败的一步。没有方案就开干，等于让 AI 在黑暗里乱跑。这一讲教你把"做个定位报告"拆成一份能执行的研究方案。
接案例 A：老板说"给新白酒做个定位报告"。你要做的第一件事不是打开小红书，而是把这句话翻译成一组明确的问题 + 每个问题需要什么证据 + 证据从哪来 + 怎么算采够了。这份方案，就是后面所有工作的施工图。
一份研究方案的五个要素
| 要素 | 在白酒案例里是什么 |
|---|---|
| ① 核心问题 | 度数区间？定价区间？规格？竞品有哪些？ |
| ② 每个问题要的证据 | 年轻人实际偏好的度数/价格/容量的真实讨论；在售竞品的参数 |
| ③ 信息来源 | 小红书等公开内容平台的帖子与评论；电商在售竞品页 |
| ④ 范围与"全量"定义 | 近 2 年（代表近期趋势）、与"年轻人喝白酒/口味/选择"相关、上限约 1000 条 |
| ⑤ 合规边界 | 只取公开信息、尊重平台规则、不抓个人隐私、控制频率 |
为什么"定义全量和边界"这么关键
新手最容易犯两个错：要么采太少（搜 20 条就下结论，样本偏差极大），要么没有边界（漫无目的越采越多，淹没在噪音里）。专业做法是先框定范围：时间窗（近 2 年）、主题相关性（必须和年轻人+白酒+口味/价格/选择有关）、规模上限（~1000 条，多了也代表性足够）。框定了，AI 才知道"采到什么程度算完"。
"近 2 年" 不是随口定的
口味偏好、价格带、流行趋势是会变的。用太老的数据会把你导向过时的结论。限定近 2 年，是为了让结论反映"现在的年轻人"，而不是三五年前的。任何研究，先想清楚"时间窗"该取多长。
跟我做一遍：让 AI 帮你打磨研究方案
方案不必你一个人憋。让 AI 当你的研究助理，先帮你把方案做扎实——但你要审、要拍板。
第一步 · 让它把大目标拆成研究方案（先别采集）
复制（换成你的真实项目）
我要为一款面向 30 岁以下年轻人的白酒新品做定位报告，
需要回答 4 个问题：合理度数区间、定价区间、产品规格、现有竞品。
先别开始采集。请帮我设计一份研究方案，包含：
1) 把这 4 个问题进一步拆成可调研的具体子问题；
2) 每个子问题需要什么类型的证据；
3) 建议从哪些公开来源取数；
4) 时间窗、相关性、样本规模的界定建议；
5) 采集中需要注意的合规与隐私边界。
最后用一张表汇总整个方案。
第二步 · 审方案，补充你的业务约束
把你知道、它不知道的告诉它
补充约束：我们成本决定了零售价大概率落在 50-150 元，
重点关注"低度、果味、适合朋友小聚"这类场景。
据此修订方案，把这些约束体现到子问题和采集重点里。
第三步 · 定稿，转成可执行的任务清单
把方案变成行动计划
方案定了。把它转成一个分阶段执行清单：
采集阶段做什么、甄别阶段做什么、分析阶段做什么、最后交付什么，
每阶段标出产出物（比如：一张原始数据表、一份甄别后数据、一份报告）。
✓ 你刚刚产出的
一份有问题、有证据要求、有来源、有边界、有产出物的研究方案。它是你这个"项目"的施工图——后面每一步都照着它走，不会跑偏，也知道什么时候算做完。
⚠ 拍板权在你
AI 帮你起草方案，但业务判断（价格带、目标场景、哪些问题最重要）必须你来定。它不了解你的成本、渠道、老板的真实关切。方案是人机协作的产物，不是 AI 单方面决定的。
这一讲记住什么
- 复杂任务先有研究方案再动手，方案=施工图。
- 方案五要素：核心问题 · 所需证据 · 信息来源 · 范围与全量定义 · 合规边界。
- 先框定时间窗 + 相关性 + 规模上限，AI 才知道采到哪算完。
- AI 起草方案，业务判断由你拍板。