بسیاری از محصولات نه به دلیل کیفیت فنی پایین، بلکه به دلیل شناخت ناکافی از مشتری و بازار شکست می‌خورند. ممکن است محصولی ساخته شود که مسئله مهمی را حل نمی‌کند، برای گروه اشتباهی طراحی شده یا تفاوت روشنی با گزینه‌های موجود ندارد.

تحقیقات بازار کمک می‌کند پیش از صرف زمان و بودجه زیاد، به پرسش‌های اساسی پاسخ دهید:

• مشتری احتمالی چه کسی است؟
• چه مسئله‌ای برای او اهمیت دارد؟
• اکنون این مسئله را چگونه حل می‌کند؟
• چه گزینه‌های جایگزینی در بازار وجود دارند؟
• چه عاملی باعث تغییر راه‌حل فعلی مشتری می‌شود؟
• مشتری هنگام انتخاب به چه معیارهایی توجه می‌کند؟
• بازار چه اندازه‌ای دارد؟
• کدام بخش بازار برای شروع مناسب‌تر است؟
• چه ادعاهایی هنوز نیازمند آزمایش هستند؟

هوش مصنوعی می‌تواند فرایند جمع‌آوری، دسته‌بندی و تحلیل اطلاعات را سریع‌تر کند؛ اما نباید جای داده واقعی را بگیرد. یک مدل زبانی ممکن است رقیب، آمار، قیمت، منبع یا روندی را تولید کند که قدیمی یا نادرست باشد.

روش مناسب این است که هوش مصنوعی را به‌عنوان دستیار پژوهش به کار ببریم و نتیجه‌گیری را براساس منابع معتبر، مصاحبه مشتری، پرسشنامه و داده‌های واقعی انجام دهیم.

تحقیقات بازار چیست؟

تحقیقات بازار یا Market Research فرایند جمع‌آوری و تحلیل اطلاعات درباره مشتریان، رقبا، تقاضا، رفتار خرید و شرایط یک بازار است.

خروجی تحقیقات بازار باید به یک تصمیم مشخص کمک کند؛ برای مثال:

• آیا این ایده ارزش آزمایش دارد؟
• کدام گروه مشتری برای شروع مناسب‌تر است؟
• چه ویژگی‌هایی باید در نسخه اولیه محصول قرار بگیرند؟
• محصول با چه پیامی معرفی شود؟
• مشتری چه جایگزین‌هایی در اختیار دارد؟
• کدام کانال برای دسترسی به مشتری مناسب‌تر است؟
• چه فرضیه‌هایی باید پیش از توسعه کامل آزمایش شوند؟

اگر تحقیق فقط مجموعه‌ای از اطلاعات عمومی باشد و به تصمیم منتهی نشود، ارزش اجرایی محدودی خواهد داشت.

تفاوت تحقیقات بازار و تحلیل بازار

این دو عبارت به یکدیگر نزدیک‌اند، اما دقیقاً یکسان نیستند.

تحقیقات بازار

بیشتر بر جمع‌آوری اطلاعات درباره مشتری، نیاز، رفتار، ترجیح و رقبا تمرکز دارد.

تحلیل بازار

تصویری کلی‌تر از اندازه، بخش‌ها، روندها، رقابت و شرایط بازار ارائه می‌دهد.

در یک پروژه واقعی معمولاً هر دو فعالیت با هم انجام می‌شوند.

تحقیقات اولیه و ثانویه

منابع تحقیقات بازار به دو گروه اصلی تقسیم می‌شوند.

تحقیقات اولیه

اطلاعاتی که مستقیماً برای مسئله شما جمع‌آوری می‌شوند:

• مصاحبه با مشتری
• پرسشنامه
• مشاهده رفتار کاربر
• آزمایش نمونه اولیه
• گفت‌وگو با تیم فروش
• تحلیل درخواست‌های پشتیبانی
• آزمایش صفحه فرود
• بررسی واکنش کاربران به پیشنهاد ارزش

تحقیقات ثانویه

اطلاعاتی که قبلاً توسط منابع دیگر منتشر شده‌اند:

• گزارش‌های آماری
• گزارش‌های صنعت
• وب‌سایت رقبا
• مقاله‌ها
• گزارش‌های سالانه
• آمار جستجو
• داده‌های عمومی
• فروشگاه‌های اپلیکیشن
• بررسی‌های کاربران
• انجمن‌ها و شبکه‌های اجتماعی

هوش مصنوعی در هر دو نوع تحقیق کاربرد دارد؛ اما ارزش داده اولیه بیشتر است، زیرا مستقیماً از مخاطب هدف شما به دست آمده است.

هوش مصنوعی در تحقیقات بازار چه کمکی می‌کند؟

کاربردهای مهم عبارت‌اند از:

• تبدیل مسئله کسب‌وکار به سؤال تحقیق
• ساخت برنامه تحقیقات بازار
• پیشنهاد منابع داده
• خلاصه‌سازی گزارش‌ها
• استخراج اطلاعات از وب‌سایت رقبا
• ساخت جدول مقایسه رقبا
• طراحی راهنمای مصاحبه
• طراحی پرسشنامه
• دسته‌بندی پاسخ‌ها
• استخراج مسئله‌های پرتکرار
• تحلیل نظرات مشتریان
• ساخت بخش‌بندی اولیه مشتریان
• تولید پرسونا براساس داده واقعی
• شناسایی الگوها و تناقض‌ها
• برآورد سناریویی اندازه بازار
• تهیه گزارش نهایی
• تبدیل یافته‌ها به فرضیه‌های قابل‌آزمایش

هوش مصنوعی نمی‌تواند به‌تنهایی مشخص کند که یک ایده حتماً موفق خواهد شد. تحقیقات بازار عدم‌قطعیت را کاهش می‌دهد، اما آینده را تضمین نمی‌کند.

مرحله اول: تصمیم موردنظر را مشخص کنید

پیش از جمع‌آوری اطلاعات باید بدانید نتیجه تحقیق قرار است چه تصمیمی را پشتیبانی کند.

تصمیم‌های نمونه:

• انتخاب میان دو گروه مشتری
• تعیین ویژگی‌های نسخه اولیه
• انتخاب مدل درآمدی
• بررسی نیاز به یک محصول جدید
• اولویت‌بندی قابلیت‌ها
• انتخاب پیام بازاریابی
• تعیین کانال جذب مشتری
• بررسی ورود به یک شهر یا بخش جدید
• شناخت دلایل ریزش مشتریان

موضوع کلی:

بررسی بازار نرم‌افزار مدیریت نوبت

سؤال تصمیم‌محور:

آیا سالن‌های زیبایی کوچک در تهران برای کاهش نوبت‌های فراموش‌شده، حاضر به استفاده آزمایشی از یک سامانه ساده یادآوری و مدیریت نوبت هستند؟

سؤال دوم مشخص می‌کند:

• مشتری چه کسی است؟
• مسئله چیست؟
• محدوده جغرافیایی کجاست؟
• چه نوع راه‌حلی بررسی می‌شود؟
• چه رفتاری باید سنجیده شود؟

پرامپت تبدیل ایده به سؤال تحقیق

ایده یا مسئله کسب‌وکار من:

[شرح ایده]

مشتری احتمالی:
[گروه مشتری]

تصمیمی که باید بگیرم:
[تصمیم]

محدودیت‌ها:
[زمان، بودجه، منطقه یا صنعت]

این موضوع را به یک برنامه تحقیقات بازار تبدیل کن و ارائه بده:
1. سؤال اصلی تحقیق
2. سؤال‌های فرعی
3. فرضیه‌های قابل‌آزمایش
4. داده لازم برای هر فرضیه
5. روش مناسب جمع‌آوری داده
6. معیار تصمیم‌گیری
7. مواردی که با اطلاعات عمومی قابل‌پاسخ نیستند

اطلاعات بازار یا آمار جدید تولید نکن.

مرحله دوم: فرضیه‌های خود را بنویسید

پیش از تحقیق مشخص کنید چه چیزهایی را فعلاً فرض کرده‌اید. این کار از نتیجه‌گیری انتخابی جلوگیری می‌کند.

نمونه فرضیه‌ها:

• مشتریان هدف با مدیریت دستی نوبت مشکل دارند.
• نوبت‌های فراموش‌شده هزینه قابل‌توجهی ایجاد می‌کنند.
• ابزارهای موجود برای کسب‌وکار کوچک پیچیده‌اند.
• مشتری حاضر است برای راه‌حل ساده‌تر هزینه بپردازد.
• پیامک و پیام‌رسان، کانال‌های اصلی یادآوری هستند.
• تصمیم خرید توسط مدیر مجموعه گرفته می‌شود.

برای هر فرضیه سه چیز مشخص کنید:

هوش مصنوعی می‌تواند فرضیه‌ها را منظم کند، اما اعتبار آن‌ها را تعیین نمی‌کند.

مرحله سوم: برنامه تحقیق بنویسید

یک Research Brief ساده باید شامل موارد زیر باشد:

• مسئله کسب‌وکار
• تصمیم موردنظر
• سؤال اصلی
• مخاطب هدف
• محدوده تحقیق
• فرضیه‌ها
• روش جمع‌آوری
• منابع
• تعداد مصاحبه یا پاسخ موردنیاز
• زمان‌بندی
• محدودیت‌ها
• قالب خروجی

پرامپت ساخت Research Brief

برای موضوع زیر یک Research Brief عملی بنویس:

محصول یا خدمت: [شرح]
مخاطب: [مخاطب]
تصمیم: [تصمیم موردنظر]
سؤال اصلی: [سؤال]
فرضیه‌ها: [فهرست]
زمان در دسترس: [مدت]
بودجه: [محدوده یا محدود]
منابع موجود: [منابع]

خروجی شامل:
- هدف
- دامنه
- سؤالات تحقیق
- روش‌های اولیه و ثانویه
- معیار انتخاب شرکت‌کنندگان
- برنامه جمع‌آوری داده
- روش تحلیل
- ریسک‌های تحقیق
- تحویل‌دادنی‌ها
- معیار تصمیم

باشد.

روش‌هایی متناسب با زمان و بودجه پیشنهاد بده.

مرحله چهارم: تحقیق ثانویه را انجام دهید

تحقیق ثانویه معمولاً نقطه شروع مناسبی است. هدف این مرحله، شناخت اولیه بازار و پیدا‌کردن سؤال‌هایی است که باید از مشتری بپرسید.

منابع مناسب می‌توانند شامل این موارد باشند:

• وب‌سایت رسمی شرکت‌ها
• صفحه قیمت رقبا
• مستندات محصول
• گزارش‌های رسمی
• مرکز آمار ایران
• گزارش‌های صنفی
• رسانه‌های تخصصی
• Google Trends
• شبکه‌های اجتماعی
• فروشگاه‌های اپلیکیشن
• نظرات کاربران
• آگهی‌های استخدام
• گزارش‌های سالانه شرکت‌ها
• داده‌های داخلی فروش و پشتیبانی

جدول ثبت منابع

مدل زبانی به‌تنهایی منبع محسوب نمی‌شود. باید منبع اولیه هر ادعا را پیدا کنید.

پرامپت ساخت برنامه جستجو

برای پاسخ به سؤال تحقیق زیر یک برنامه جستجوی منابع ثانویه بساز:

[سؤال تحقیق]

خروجی:
- داده‌های موردنیاز
- عبارت‌های جستجوی فارسی
- عبارت‌های جستجوی انگلیسی
- منابع رسمی احتمالی
- گزارش‌های صنعتی احتمالی
- صفحات رقبا که باید بررسی شوند
- داده‌هایی که از نظرات کاربران قابل استخراج‌اند
- معیار ارزیابی اعتبار منبع

خودت آمار یا منبع تولید نکن.
هدف فقط طراحی برنامه جستجو است.

استفاده درست از Google Trends

Google Trends می‌تواند تغییرات نسبی علاقه جستجو را نشان دهد، اما حجم دقیق فروش یا تعداد مشتریان را اعلام نمی‌کند.

برای استفاده بهتر:

• چند شکل فارسی و انگلیسی عبارت را مقایسه کنید.
• املای متفاوت کلمات را بررسی کنید.
• بازه زمانی مناسب انتخاب کنید.
• مناطق جغرافیایی را مقایسه کنید.
• موضوعات مرتبط را ببینید.
• تغییر ناگهانی ناشی از خبر را از تقاضای پایدار جدا کنید.
• داده Trends را با منابع دیگر ترکیب کنید.

مثلاً افزایش جستجوی «ساخت عکس با هوش مصنوعی» نشان‌دهنده افزایش علاقه نسبی است، اما به‌تنهایی اندازه بازار ابزارهای تولید تصویر را مشخص نمی‌کند.

مرحله پنجم: رقبا و جایگزین‌ها را شناسایی کنید

رقیب فقط شرکتی نیست که دقیقاً همان محصول شما را می‌فروشد.

سه نوع رقیب یا جایگزین وجود دارد:

رقیب مستقیم

محصول مشابه برای همان گروه مشتری ارائه می‌دهد.

رقیب غیرمستقیم

همان مسئله را با راه‌حلی متفاوت حل می‌کند.

جایگزین غیرمصرفی

مشتری ممکن است هیچ محصولی نخرد و مسئله را دستی، با نیروی انسانی یا با ابزار عمومی حل کند.

برای یک سامانه مدیریت نوبت، جایگزین‌ها می‌توانند شامل این موارد باشند:

• نرم‌افزار تخصصی نوبت‌دهی
• تقویم عمومی
• فایل Excel
• دفتر کاغذی
• پیام‌رسان
• تماس تلفنی
• نیروی پذیرش
• انجام‌ندادن هیچ فرایند منظم

پرامپت ساخت فهرست رقبا و جایگزین‌ها

برای مسئله زیر دسته‌های رقیب و جایگزین را مشخص کن:

مشتری هدف: [مشتری]
مسئله: [مسئله]
راه‌حل پیشنهادی: [راه‌حل]

خروجی:
1. رقابت مستقیم
2. رقابت غیرمستقیم
3. ابزارهای عمومی جایگزین
4. روش‌های دستی
5. گزینه «هیچ کاری انجام ندادن»
6. معیارهایی که مشتری احتمالاً برای مقایسه استفاده می‌کند

نام شرکت واقعی را فقط در صورتی بنویس که منبع قابل‌بررسی ارائه شده باشد.

ساخت ماتریس تحلیل رقبا

برای هر رقیب اطلاعات را از منابع عمومی و قابل‌بررسی جمع‌آوری کنید:

• گروه مشتری
• پیشنهاد ارزش
• قابلیت‌های اصلی
• قیمت یا مدل درآمدی
• کانال فروش
• روش ثبت‌نام
• زمان رسیدن به اولین ارزش
• نقاط قوت
• محدودیت‌ها
• نظرهای پرتکرار کاربران
• پیام بازاریابی
• تمایز ادعایی
• تاریخ بررسی

نمونه جدول:

پرامپت تحلیل صفحه رقیب

متن زیر از وب‌سایت رسمی یک محصول استخراج شده است:

[متن صفحه]

بدون استفاده از دانش خارج از متن، این موارد را استخراج کن:
- مشتری هدف
- مسئله موردنظر
- پیشنهاد ارزش
- قابلیت‌ها
- مدل قیمت، در صورت ذکر
- فرایند شروع
- ادعاهای اصلی
- شواهد ارائه‌شده
- محدودیت‌های ذکرشده
- اطلاعات ناموجود
- تاریخ بررسی

ادعاهای شرکت را به‌عنوان ادعای بازاریابی برچسب‌گذاری کن، نه واقعیت تأییدشده.

ابزارهایی مانند Similarweb می‌توانند برای بررسی بخشی از عملکرد دیجیتال و مقایسه وب‌سایت‌ها کاربرد داشته باشند. این داده‌ها معمولاً تخمینی هستند و باید همراه با منابع دیگر تحلیل شوند.

مرحله ششم: نظرات کاربران را تحلیل کنید

دیدگاه‌های کاربران در فروشگاه‌های اپلیکیشن، شبکه‌های اجتماعی، انجمن‌ها و صفحات محصول می‌توانند اطلاعات ارزشمندی درباره مشکلات واقعی ارائه دهند.

از نظرات می‌توان این موارد را استخراج کرد:

• مشکل پرتکرار
• ویژگی محبوب
• دلیل نارضایتی
• شرایط استفاده
• زبان واقعی مشتری
• انتظارات برآورده‌نشده
• دلیل مهاجرت
• نوع مشتری
• درخواست قابلیت

ساخت جدول تحلیل نظرها

پرامپت تحلیل نظرات مشتریان

دیدگاه‌های زیر درباره محصولات یک بازار هستند:

[نظرات]

آن‌ها را تحلیل کن و ارائه بده:
- موضوعات پرتکرار
- مسئله‌های اصلی
- ویژگی‌های محبوب
- ویژگی‌های درخواستی
- دلایل احتمالی رضایت
- دلایل احتمالی نارضایتی
- عبارت‌های مهم با زبان خود مشتری
- تفاوت گروه‌های کاربری
- موارد نادر اما شدید
- پیشنهاد سؤال برای مصاحبه

قوانین:
- تعداد و درصد را فقط از همین مجموعه محاسبه کن.
- این نمونه را نماینده کل بازار معرفی نکن.
- نظرهای مبهم را با قطعیت دسته‌بندی نکن.

برای ساخت یک سامانه حرفه‌ای می‌توانید از راهنمای تحلیل بازخورد مشتریان با هوش مصنوعی استفاده کنید.

مرحله هفتم: با مشتریان احتمالی مصاحبه کنید

مصاحبه مشتری باید بیشتر درباره رفتار گذشته باشد، نه پیش‌بینی آینده.

سؤال ضعیف:

آیا از یک نرم‌افزار بهتر استفاده می‌کنید؟

بیشتر افراد ممکن است پاسخ مثبت بدهند، اما این پاسخ رفتار واقعی را پیش‌بینی نمی‌کند.

سؤال بهتر:

آخرین بار که یک نوبت مشتری فراموش شد چه اتفاقی افتاد؟

سؤال‌های مناسب:

• آخرین بار این مسئله چه زمانی رخ داد؟
• دقیقاً چه کاری انجام دادید؟
• چه افرادی درگیر بودند؟
• اکنون از چه راه‌حلی استفاده می‌کنید؟
• کدام بخش راه‌حل فعلی آزاردهنده است؟
• این مشکل هر چند وقت یک‌بار رخ می‌دهد؟
• پیامد آن چیست؟
• برای حل آن چه ابزارهایی امتحان کرده‌اید؟
• چرا راه‌حل قبلی را کنار گذاشتید؟
• چه کسی درباره خرید تصمیم می‌گیرد؟
• فرایند تصمیم‌گیری چگونه است؟

پرامپت ساخت راهنمای مصاحبه

برای تحقیق درباره مسئله زیر یک راهنمای مصاحبه 30 دقیقه‌ای بساز:

مشتری هدف: [مشتری]
مسئله فرضی: [مسئله]
راه‌حل فعلی: [آنچه می‌دانیم]
فرضیه‌ها: [فرضیه‌ها]

ساختار مصاحبه:
- شروع و معرفی
- شناخت زمینه
- بررسی رفتار گذشته
- راه‌حل فعلی
- شدت و فراوانی مسئله
- پیامدها
- فرایند تصمیم‌گیری
- پایان

قوانین:
- سؤال‌های هدایت‌کننده نساز.
- درباره رفتار واقعی گذشته سؤال کن.
- از معرفی راه‌حل پیشنهادی در ابتدای مصاحبه خودداری کن.
- برای پاسخ‌های کلی، سؤال تکمیلی پیشنهاد بده.
- سؤال درباره اطلاعات غیرضروری یا حساس مطرح نکن.

استفاده از هوش مصنوعی بعد از مصاحبه

بعد از دریافت اجازه و ثبت مصاحبه، می‌توانید متن آن را تحلیل کنید.

پرامپت تحلیل مصاحبه

متن زیر مربوط به مصاحبه تحقیقات بازار است:

[متن مصاحبه]

خروجی:
- مشخصات غیرشخصی شرکت‌کننده
- زمینه استفاده
- رفتار فعلی
- مسئله‌های بیان‌شده
- شدت و فراوانی مسئله
- راه‌حل‌های فعلی
- نارضایتی از راه‌حل فعلی
- محرک تغییر
- موانع تغییر
- فرایند تصمیم‌گیری
- نقل‌قول‌های کوتاه مهم
- فرضیه‌های تأییدشده
- فرضیه‌های ردشده
- موارد نامشخص
- سؤال‌های پیگیری

فقط از متن مصاحبه استفاده کن.
برداشت تحلیل‌گر را از گفته مستقیم شرکت‌کننده جدا کن.

مرحله هشتم: پرسشنامه طراحی کنید

مصاحبه برای کشف موضوعات مناسب است. پرسشنامه می‌تواند فراوانی بعضی الگوها را در نمونه بزرگ‌تری بررسی کند.

پرسشنامه نباید جای مصاحبه اکتشافی را کاملاً بگیرد.

ویژگی‌های پرسشنامه مناسب:

• هدف مشخص دارد.
• کوتاه است.
• هر سؤال فقط یک موضوع را می‌سنجد.
• گزینه‌ها هم‌پوشانی ندارند.
• سؤال هدایت‌کننده نیست.
• سؤال ضروری از غیرضروری جدا شده است.
• مسیر سؤال‌ها منطقی است.
• پیش از انتشار آزمایش می‌شود.

پرامپت ساخت پرسشنامه

براساس یافته‌های مصاحبه‌های زیر یک پرسشنامه کوتاه طراحی کن:

[خلاصه مصاحبه‌ها]

هدف پرسشنامه:
[هدف]

مخاطب:
[مخاطب]

حداکثر زمان پاسخ:
[مثلاً 5 دقیقه]

پرسشنامه شامل:
- سؤال‌های غربالگری
- رفتار فعلی
- فراوانی مسئله
- راه‌حل فعلی
- میزان رضایت
- معیارهای انتخاب
- یک سؤال باز پایانی

باشد.

برای هر سؤال مشخص کن:
- نوع پاسخ
- هدف سؤال
- نحوه تحلیل
- احتمال ایجاد سوگیری

از سؤال‌های دوگانه و هدایت‌کننده خودداری کن.

مرحله نهم: مشتریان را بخش‌بندی کنید

بخش‌بندی مشتریان نباید فقط براساس سن و جنسیت انجام شود. در بسیاری از بازارهای B2B، این معیارها مهم‌ترند:

• نوع کسب‌وکار
• اندازه تیم
• حجم فعالیت
• فرایند فعلی
• شدت مسئله
• فناوری‌های مورداستفاده
• نقش تصمیم‌گیرنده
• آمادگی برای تغییر
• پیچیدگی نیاز
• فوریت خرید

در بازار مصرف‌کننده نیز رفتار و نیاز معمولاً از اطلاعات جمعیت‌شناختی مهم‌تر است.

پرامپت بخش‌بندی

داده‌های زیر از مصاحبه‌ها و پرسشنامه جمع‌آوری شده‌اند:

[داده‌ها]

براساس شباهت در موارد زیر، گروه‌های مشتری پیشنهاد بده:
- مسئله
- رفتار فعلی
- شدت نیاز
- راه‌حل فعلی
- معیار انتخاب
- مانع خرید
- محرک تغییر

برای هر بخش ارائه بده:
- نام توصیفی
- ویژگی‌ها
- مسئله اصلی
- راه‌حل فعلی
- شواهد موجود
- اندازه نمونه
- میزان اطمینان
- سؤال‌های باقی‌مانده

گروه‌ها را فقط براساس داده‌های موجود بساز و از تولید پرسونای خیالی خودداری کن.

ساخت پرسونا با داده واقعی

پرسونا نباید شخصیت داستانی پرجزئیاتی باشد که مدل از خودش ساخته است. یک پرسونای کاربردی باید خلاصه‌ای از الگوهای مشاهده‌شده باشد.

قالب پرسونا

نام بخش: مدیر سالن کوچک با فرایند دستی

زمینه:
- اندازه مجموعه
- نوع مشتری
- حجم نوبت

هدف:
- کاهش نوبت‌های فراموش‌شده
- ساده‌کردن پیگیری

رفتار فعلی:
- ثبت در دفتر
- یادآوری از طریق پیام‌رسان

مسئله:
- فراموشی پیگیری
- پراکندگی اطلاعات

معیار انتخاب:
- سادگی
- پشتیبانی فارسی
- راه‌اندازی سریع

مانع:
- نگرانی از پیچیدگی
- نیاز به آموزش کارکنان

شواهد:
- تعداد مصاحبه‌ها
- نقل‌قول‌ها
- داده پرسشنامه

استفاده از چارچوب Jobs to Be Done

چارچوب Jobs to Be Done بر کاری تمرکز دارد که مشتری می‌خواهد در یک موقعیت مشخص انجام دهد.

قالب ساده:

وقتی [موقعیت رخ می‌دهد]،
می‌خواهم [کار یا پیشرفت موردنظر]،
تا بتوانم [نتیجه مطلوب].

نمونه:

وقتی برنامه روز آینده را نهایی می‌کنم، می‌خواهم نوبت‌ها به‌صورت خودکار به مشتریان یادآوری شوند تا تعداد تماس‌های دستی و نوبت‌های فراموش‌شده کاهش پیدا کند.

پرامپت استخراج Job

براساس مصاحبه‌های زیر، Jobهای احتمالی مشتری را استخراج کن:

[مصاحبه‌ها]

برای هر Job مشخص کن:
- موقعیت آغازگر
- کار موردنظر
- نتیجه مطلوب
- راه‌حل فعلی
- مشکل راه‌حل فعلی
- شواهد
- تعداد مصاحبه‌های پشتیبان
- میزان اطمینان

Job را به‌صورت ویژگی محصول بازنویسی نکن.

مرحله دهم: اندازه بازار را برآورد کنید

مدل‌های زبانی نباید بدون داده معتبر برای شما عدد بازار تولید کنند. اندازه بازار باید براساس متغیرها، منابع و فرضیات شفاف محاسبه شود.

سه مفهوم رایج:

• TAM: کل بازار نظری
• SAM: بخشی از بازار که محصول و محدوده شما می‌تواند پوشش دهد
• SOM: سهم واقع‌بینانه‌ای که در دوره مشخص می‌توانید هدف بگیرید

روش پایین به بالا

فرض کنید می‌خواهید بازار یک نرم‌افزار B2B را تخمین بزنید:

تعداد مشتریان هدف × درآمد متوسط سالانه هر مشتری = اندازه سالانه بازار

نمونه فرضی:

تعداد کسب‌وکارهای هدف: داده معتبر لازم است
درصد واجد شرایط: فرضیه قابل‌آزمایش
درآمد متوسط سالانه: نتیجه تحقیق قیمت

تا زمانی که این اعداد از منبع معتبر به دست نیامده‌اند، نتیجه نهایی نیز معتبر نیست.

جدول فرضیات

پرامپت طراحی مدل اندازه بازار

برای محصول زیر یک مدل پایین‌به‌بالا جهت برآورد اندازه بازار طراحی کن:

محصول: [محصول]
مشتری: [مشتری]
منطقه: [منطقه]
مدل درآمدی: [مدل]

فعلاً هیچ عددی تولید نکن.

خروجی:
- متغیرهای موردنیاز
- فرمول TAM
- فرمول SAM
- فرمول SOM
- منبع مناسب هر متغیر
- فرضیات قابل‌آزمایش
- سناریوی محافظه‌کارانه، پایه و خوش‌بینانه
- تحلیل حساسیت پیشنهادی
- خطاهای متداول این برآورد

تمام فرمول‌ها را بهتر است در Excel یا کد محاسبه کنید و فقط نتیجه و فرضیات را برای توضیح به مدل بدهید.

مرحله یازدهم: تقاضا را با آزمایش واقعی بسنجید

اظهار علاقه با رفتار واقعی یکسان نیست. برای اعتبارسنجی تقاضا می‌توانید از آزمایش‌های کم‌هزینه استفاده کنید:

• صفحه فرود
• فهرست انتظار
• درخواست دمو
• ثبت‌نام آزمایشی
• نمونه اولیه قابل‌کلیک
• جلسه معرفی
• پایلوت محدود
• پیش‌فروش
• درخواست نامه اعلام علاقه
• کمپین کوچک تبلیغاتی

شاخص‌های مناسب به مرحله محصول بستگی دارند:

• نرخ کلیک
• نرخ تکمیل فرم
• درخواست دمو
• حضور در جلسه
• شروع پایلوت
• تکمیل پایلوت
• تبدیل به مشتری
• استفاده مجدد
• معرفی به همکار

پرامپت طراحی آزمایش تقاضا

فرضیه زیر را می‌خواهم با کمترین هزینه آزمایش کنم:

[فرضیه]

مشتری هدف:
[مشتری]

محصول هنوز در مرحله:
[ایده، نمونه اولیه یا MVP]

سه آزمایش پیشنهاد بده و برای هرکدام مشخص کن:
- رفتار مورد سنجش
- مراحل اجرا
- زمان
- هزینه نسبی
- شاخص اصلی
- معیار موفقیت
- نتیجه‌های ممکن
- محدودیت آزمایش

معیارها را متناسب با مرحله محصول تعریف کن و تضمین موفقیت ارائه نده.

مثال عملی تحقیقات بازار

فرض کنید قصد داریم یک سامانه مدیریت نوبت برای کسب‌وکارهای خدماتی بسازیم.

سؤال اصلی

آیا سالن‌های کوچک که نوبت‌ها را دستی مدیریت می‌کنند، مسئله‌ای جدی در ثبت و یادآوری نوبت دارند؟

فرضیه‌ها

• بخش بزرگی از فرایند در دفتر یا پیام‌رسان انجام می‌شود.
• یادآوری دستی زمان‌بر است.
• نوبت فراموش‌شده هزینه ایجاد می‌کند.
• راه‌اندازی ساده از تعداد زیاد قابلیت‌ها مهم‌تر است.
• مدیر مجموعه تصمیم‌گیرنده خرید است.

تحقیق ثانویه

• شناسایی ابزارهای موجود
• بررسی صفحه قیمت
• بررسی نظرات کاربران
• بررسی روش‌های دستی
• بررسی عبارت‌های جستجو
• جمع‌آوری داده درباره تعداد کسب‌وکارهای هدف

تحقیق اولیه

• ۱۰ تا ۱۵ مصاحبه اکتشافی
• مشاهده فرایند واقعی ثبت نوبت
• پرسشنامه کوتاه براساس یافته‌های مصاحبه
• ارائه نمونه اولیه به چند مجموعه
• اجرای پایلوت محدود

تصمیم نهایی

در پایان نباید فقط گفته شود «بازار جذاب است». گزارش باید مشخص کند:

• کدام بخش مشتری مسئله شدیدتری دارد؟
• راه‌حل فعلی چیست؟
• چه چیزی باعث تغییر می‌شود؟
• چه قابلیت‌هایی برای نسخه اولیه ضروری‌اند؟
• چه فرضیه‌هایی هنوز تأیید نشده‌اند؟
• آزمایش بعدی چیست؟

ساخت گزارش تحقیقات بازار

گزارش نهایی می‌تواند این ساختار را داشته باشد:

1. خلاصه مدیریتی
2. تصمیم موردنظر
3. سؤال‌های تحقیق
4. روش تحقیق
5. مشخصات نمونه
6. محدودیت‌ها
7. یافته‌های اصلی
8. بخش‌بندی مشتریان
9. مسئله‌ها و رفتارها
10. تحلیل رقبا
11. اندازه بازار
12. فرصت‌ها
13. ریسک‌ها و ابهام‌ها
14. فرضیه‌های تأییدشده و ردشده
15. پیشنهادهای اجرایی
16. آزمایش‌های بعدی
17. منابع و پیوست‌ها

پرامپت گزارش نهایی

براساس داده‌ها و یافته‌های زیر یک گزارش تحقیقات بازار بنویس:

سؤال تحقیق:
[سؤال]

روش:
[روش‌ها]

داده‌ها:
[داده‌ها]

یافته‌ها:
[یافته‌ها]

منابع:
[منابع]

گزارش شامل:
- خلاصه مدیریتی
- روش و محدودیت
- یافته‌های تأییدشده
- یافته‌های احتمالی
- بخش‌های مشتری
- تحلیل رقبا
- اندازه بازار و فرضیات
- فرصت‌ها
- ریسک‌ها
- تصمیم‌های پیشنهادی
- آزمایش بعدی

باشد.

قوانین:
- داده را از تفسیر جدا کن.
- اندازه نمونه را مشخص کن.
- نتیجه نمونه را به کل بازار تعمیم نده.
- هیچ آمار یا منبع جدیدی نساز.
- پیشنهادها را به شواهد مرتبط کن.
- میزان اطمینان هر نتیجه را مشخص کن.

ابزارهای مناسب تحقیقات بازار

ابزارها جای روش تحقیق را نمی‌گیرند. انتخاب ابزار باید بعد از مشخص‌شدن سؤال، منبع داده و نوع تحلیل انجام شود.

ساخت سامانه تحقیقات بازار با API درواره

آژانس‌ها، پلتفرم‌های مشاوره و تیم‌های محصول می‌توانند با API هوش مصنوعی درواره، بخش‌هایی از فرایند تحقیق را خودکار کنند:

• دسته‌بندی پاسخ‌های باز
• تحلیل مصاحبه‌ها
• استخراج مسئله‌ها
• ساخت ماتریس رقبا
• تولید گزارش
• اتصال هر یافته به شواهد
• مقایسه بخش‌های مشتری
• تولید سؤال‌های پیگیری

نمونه درخواست:

curl https://api.darvareh.ir/v1/chat/completions \
  -H "Authorization: Bearer YOUR_DARVAREH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "messages": [
      {
        "role": "system",
        "content": "شما دستیار تحقیقات بازار هستید. فقط براساس داده‌های ورودی تحلیل کنید. آمار، منبع، رقیب یا نتیجه جدید نسازید. گفته مستقیم مشتری را از برداشت تحلیل‌گر جدا کنید."
      },
      {
        "role": "user",
        "content": "پاسخ‌های مصاحبه زیر را براساس مسئله، راه‌حل فعلی، شدت نیاز، محرک تغییر، مانع خرید و نقل‌قول پشتیبان تحلیل کن: [متن مصاحبه‌ها]"
      }
    ],
    "temperature": 0.2
  }'

در این نمونه باید YOUR_DARVAREH_API_KEY و YOUR_MODEL_ID را با اطلاعات واقعی جایگزین کنید. برای مشاهده مدل‌ها و هزینه‌های به‌روز به صفحه مدل‌های درواره مراجعه کنید.

خروجی ساختاریافته تحلیل مصاحبه

در یک نرم‌افزار بهتر است مدل خروجی JSON تولید کند:

{
  "participant_id": "P-001",
  "current_solution": "دفتر و پیام‌رسان",
  "problems": [
    {
      "theme": "یادآوری دستی",
      "severity": "medium",
      "evidence": "نقل‌قول مستقیم",
      "source_segment": "12"
    }
  ],
  "change_triggers": [],
  "buying_barriers": [],
  "decision_maker": "نیازمند تأیید",
  "validated_hypotheses": [],
  "contradicted_hypotheses": [],
  "follow_up_questions": [],
  "missing_information": []
}

پس از پردازش تمام مصاحبه‌ها می‌توان خروجی‌ها را تجمیع کرد. نقل‌قول‌ها و شناسه منبع باید حفظ شوند تا هر نتیجه قابل‌ردیابی باشد.

کنترل کیفیت سامانه

پیش از استفاده عملی، چند مصاحبه را به‌صورت دستی تحلیل و با خروجی مدل مقایسه کنید.

معیارهای ارزیابی:

• صحت دسته‌بندی
• حفظ معنای گفته مشتری
• تشخیص درست مسئله
• جداسازی واقعیت و برداشت
• حفظ نقل‌قول
• تشخیص موارد نامشخص
• تولیدنکردن اطلاعات جدید
• سازگاری خروجی در اجراهای مختلف

مدل‌های مختلف را می‌توانید با یک مجموعه داده ثابت مقایسه کنید. انتخاب بهترین مدل باید براساس کیفیت واقعی خروجی فارسی، هزینه و سرعت انجام شود.

برای ساخت ابزار تحقیقات بازار، سامانه تحلیل مصاحبه یا دستیار تحلیل رقبا می‌توانید از API هوش مصنوعی درواره استفاده کنید.

اشتباهات رایج در تحقیقات بازار با هوش مصنوعی

پرسیدن اندازه بازار از مدل بدون منبع

یک عدد دقیق بدون روش محاسبه و منبع قابل‌بررسی ارزش تصمیم‌گیری ندارد.

تحقیق فقط درباره رقبا

وجود رقیب اطلاعاتی درباره بازار می‌دهد، اما نیاز و رفتار مشتری را به‌طور کامل مشخص نمی‌کند.

معرفی زودهنگام راه‌حل در مصاحبه

اگر از ابتدا محصول خود را توضیح دهید، ممکن است پاسخ‌ها تحت‌تأثیر پیشنهاد شما قرار بگیرند.

سؤال درباره آینده فرضی

پرسش درباره تجربه و رفتار گذشته معمولاً از سؤال «آیا در آینده می‌خرید؟» اطلاعات بهتری می‌دهد.

ساخت پرسونای خیالی

نام، سن، علایق و زندگی داستانی بدون داده واقعی، لزوماً کمکی به تصمیم محصول نمی‌کند.

تعمیم نمونه کوچک به کل بازار

پنج مصاحبه می‌تواند فرضیه بسازد، اما معمولاً برای تخمین دقیق کل بازار کافی نیست.

انتخاب فقط داده‌های تأییدکننده

به‌دنبال شواهدی باشید که فرضیه شما را رد می‌کنند، نه فقط مواردی که آن را تأیید می‌کنند.

مقایسه نادرست رقبا

ویژگی‌های تبلیغ‌شده در وب‌سایت لزوماً نشان‌دهنده کیفیت واقعی یا میزان استفاده نیستند.

نادیده‌گرفتن راه‌حل‌های دستی

اغلب بزرگ‌ترین رقیب یک محصول جدید، Excel، پیام‌رسان، دفتر کاغذی یا ادامه روش فعلی است.

استفاده از داده‌های قدیمی

قیمت، قابلیت محصول، تعداد کاربران و شرایط بازار ممکن است تغییر کنند. تاریخ بررسی را ثبت کنید.

سپردن تصمیم نهایی به مدل

هوش مصنوعی می‌تواند یافته‌ها را سازمان‌دهی کند، اما مسئول تصمیم کسب‌وکار نیست.

چک‌لیست تحقیقات بازار

پیش از نهایی‌کردن تحقیق بررسی کنید:

• تصمیم موردنظر مشخص است.
• سؤال تحقیق محدود و قابل‌پاسخ است.
• فرضیه‌ها پیش از تحلیل ثبت شده‌اند.
• مشتری هدف به‌وضوح تعریف شده است.
• منابع دارای تاریخ و لینک هستند.
• تحقیق اولیه و ثانویه ترکیب شده‌اند.
• رقبا و جایگزین‌های دستی بررسی شده‌اند.
• سؤال‌های مصاحبه هدایت‌کننده نیستند.
• گفته مشتری از تفسیر جدا شده است.
• اندازه نمونه مشخص است.
• محدودیت‌های تحقیق نوشته شده‌اند.
• اندازه بازار دارای فرمول و منبع است.
• آمار تولیدشده توسط مدل وارد گزارش نشده است.
• تناقض‌ها حذف نشده‌اند.
• پیشنهادها به شواهد متصل‌اند.
• آزمایش بعدی مشخص است.

پرسش‌های متداول

آیا می‌توان تحقیقات بازار را کاملاً با هوش مصنوعی انجام داد؟

خیر. هوش مصنوعی می‌تواند جستجو، ساختاردهی و تحلیل را سریع‌تر کند، اما مصاحبه مشتری، مشاهده رفتار، داده فروش و آزمایش تقاضا باید براساس اطلاعات واقعی انجام شوند.

بهترین پرامپت برای تحقیقات بازار چیست؟

پرامپت باید تصمیم موردنظر، مشتری، سؤال تحقیق، منابع، روش تحلیل و ممنوعیت ساخت آمار را مشخص کند. یک پرامپت کلی معمولاً گزارش عمومی تولید می‌کند.

چگونه با هوش مصنوعی رقبا را تحلیل کنیم؟

ابتدا اطلاعات واقعی را از وب‌سایت، صفحه قیمت، مستندات و نظرات کاربران جمع‌آوری کنید. سپس از مدل بخواهید آن‌ها را در یک ماتریس مقایسه‌ای قرار دهد و ادعاهای بازاریابی را از شواهد جدا کند.

آیا مدل می‌تواند اندازه بازار را محاسبه کند؟

مدل می‌تواند ساختار محاسبه و متغیرهای لازم را پیشنهاد دهد، اما ورودی‌ها باید از منابع واقعی تهیه شوند. محاسبات نهایی بهتر است در Excel یا کد انجام شوند.

چگونه با هوش مصنوعی پرسونای مشتری بسازیم؟

پاسخ‌های مصاحبه و پرسشنامه را به مدل بدهید و از آن بخواهید الگوهای رفتاری را استخراج کند. پرسونا نباید شامل جزئیات ساختگی باشد.

برای تحلیل مصاحبه چه Temperature مناسبی است؟

برای استخراج و دسته‌بندی دقیق معمولاً مقدار پایین مانند ۰٫۱ تا ۰٫۳ مناسب‌تر است. این تنظیم نیاز به بازبینی را از بین نمی‌برد.

آیا Google Trends اندازه بازار را نشان می‌دهد؟

خیر. Google Trends بیشتر علاقه نسبی جستجو را نمایش می‌دهد و نباید به‌تنهایی برای محاسبه تعداد مشتری یا ارزش بازار استفاده شود.

از کجا بفهمیم یک ایده تقاضا دارد؟

مصاحبه، مشاهده رفتار، بررسی راه‌حل فعلی و اجرای آزمایش‌هایی مانند درخواست دمو، پایلوت یا پیش‌فروش شواهد بهتری نسبت به اعلام علاقه شفاهی ارائه می‌کنند.

جمع‌بندی

تحقیقات بازار با هوش مصنوعی زمانی ارزشمند است که مدل را به داده‌ها و منابع واقعی متصل کنید. هوش مصنوعی می‌تواند سؤال تحقیق را دقیق‌تر کند، اطلاعات رقبا را مرتب کند، مصاحبه‌ها را دسته‌بندی کند و گزارش نهایی بسازد؛ اما نباید آمار، منبع یا رفتار مشتری را از خودش تولید کند.

یک پروژه مؤثر از تصمیم کسب‌وکار شروع می‌شود، فرضیه‌ها را مشخص می‌کند، تحقیق اولیه و ثانویه را ترکیب می‌کند و در نهایت به یک اقدام روشن می‌رسد: ادامه، تغییر، محدودکردن بازار هدف یا اجرای آزمایش بعدی.

اگر می‌خواهید تحلیل مصاحبه، دسته‌بندی نظرات، ساخت گزارش بازار یا پردازش منابع را در نرم‌افزار خود پیاده‌سازی کنید، می‌توانید از API هوش مصنوعی درواره استفاده کنید.

مقالات مرتبط

• دیجیتال مارکتینگ با هوش مصنوعی؛ آموزش جامع و کاربردی
• آموزش افزایش فروش و تحلیل مشتری با هوش مصنوعی
• ساخت سیستم تحلیل بازخورد مشتریان با هوش مصنوعی
• هوش مصنوعی برای Excel؛ آموزش فرمول‌نویسی و تحلیل داده
• آموزش جامع پرامپت‌نویسی و مهندسی پرامپت

برای مطالعه شرایط استفاده و محدودیت‌های مسئولیت، صفحه «سلب مسئولیت» را مشاهده کنید.