市场调研模板

没有调研的产品决策，本质上是盲人摸象。团队凭借直觉和经验做出判断，却不知道目标市场究竟有多大、竞争对手在做什么、用户痛点在哪里。对于 AI 产品出海而言，这种盲目行动的代价更高——不同地区的合规要求、用户习惯、付费意愿差异显著，一次错误的市场选择可能消耗半年以上的资源。

市场调研并不是大公司的专利。即便是两三个人的创始团队，也可以在一到两周内完成一份结构化的调研，为产品方向、定价策略和 GTM（Go-to-Market）计划提供数据支撑。本文提供一套可以直接复用的市场调研模板，覆盖调研维度、数据收集方法、分析框架、报告结构和使用流程，帮助团队将「拍脑袋」替换为「有依据的判断」。

调研维度

市场调研需要回答四个核心问题：市场有多大、谁在和你竞争、用户要什么、技术往哪走。对应到具体维度，可以拆分为市场规模、竞争格局、用户需求和技术趋势四个模块。

调研维度	核心问题	关键指标	数据来源优先级
市场规模	天花板有多高	TAM / SAM / SOM、增长率、CAGR	行业报告 > 官方统计 > 自行估算
竞争格局	谁在做类似的事	竞品数量、市场份额、定价区间、融资轮次	产品官网 > 融资公告 > 用户评价平台
用户需求	用户到底要什么	功能需求频次、付费意愿、NPS、切换成本	一手访谈 > 问卷 > 社群观察 > 评论挖掘
技术趋势	未来 1-3 年会怎样	模型能力演进、推理成本曲线、政策法规动向	技术博客 > 开源社区 > 政策文件

市场规模评估

市场规模决定了天花板。评估时通常使用 TAM、SAM、SOM 三层模型：

TAM（Total Addressable Market）：目标市场的总容量，即假设你拥有 100% 市场份额时的收入上限。例如全球 AI 写作工具市场的 TAM 可以通过企业内容营销支出和创作者工具订阅规模来估算。
SAM（Serviceable Addressable Market）：你的产品实际能触达的市场范围。受语言、地区、行业、合规等因素限制。一个面向英语市场的 AI 写作工具，SAM 自然排除了非英语用户。
SOM（Serviceable Obtainable Market）：在现有资源和竞争条件下，你短期内能实际获取的市场份额。通常按 1-3 年的目标来设定。

估算方法有两种路径。自上而下（Top-down）从行业报告中的宏观数据出发，逐层缩小到你的目标区间。自下而上（Bottom-up）从单个客户的价格和数量出发，逐步加总。两者交叉验证可以提高可信度。

实操建议：至少用两种方法独立估算，再取交集。如果自上而下算出 TAM 为 50 亿美元，自下而上算出来只有 5 亿美元，说明中间有假设需要修正——可能是市场渗透率的估计偏差，也可能是客单价的假设不合理。

竞争格局扫描

竞争格局扫描的核心是回答「谁在做类似的事，他们做得怎么样」。需要关注的要素包括：

直接竞品：解决相同问题、面向相同用户群的产品。
间接竞品：用不同方案解决同一问题的替代品，包括「不用任何工具，手动处理」这种零方案。
潜在进入者：目前不在你的赛道，但拥有相关能力和动机的公司。大模型厂商、垂直 SaaS 公司、内容平台都可能成为潜在竞争者。

对于每个竞品，建议按以下模板记录信息：

字段	说明
产品名称	全称与官网地址
成立时间	判断产品成熟度
核心功能	列出 3-5 个主要功能点
定价模型	免费增值 / 订阅制 / 按量付费 / 一次性购买，以及具体价格区间
目标市场	地区、行业、企业规模、用户角色
融资情况	轮次、金额、投资方（公开信息）
用户评分	G2、Capterra、Product Hunt 上的评分和评论数量
差异化特征	与你的产品相比，最明显的 1-2 个差异点
已知弱点	用户评论中反复提到的不满或功能缺失

这些信息的来源包括：竞品官网和定价页、Crunchbase 或 PitchBook 的融资数据、G2 和 Capterra 的用户评价、SimilarWeb 的流量估算、LinkedIn 上的团队规模和岗位变化。

用户需求挖掘

用户需求的调研不能停留在「用户想要什么」的表层。有效的调研需要分层理解：

功能需求：用户希望产品能做什么。例如「自动将长文转为社交媒体帖子」。
情感需求：用户在使用过程中的感受期望。例如「不想花时间学习复杂工具」。
场景需求：用户在什么情境下使用产品。例如「周五下午需要快速产出下周的内容」。

B2B 场景还需要理解决策链：使用者、评估者、决策者、预算审批者可能是不同的人，他们各自的关注点不同。

决策链角色	核心关注点	调研问题示例
使用者（一线员工）	效率提升、学习成本	「你现在完成这项任务需要多久？最大的痛点是什么？」
评估者（技术团队）	集成能力、API 质量、安全性	「你们评估新工具时最看重哪些技术指标？」
决策者（部门负责人）	ROI、团队效率、竞争优势	「你如何衡量一个工具的投入产出比？」
审批者（财务 / CISO）	合规、数据安全、预算合理性	「你们对 AI 工具的数据处理有哪些合规要求？」

技术趋势追踪

技术趋势调研的目的是识别「即将到来的机会」和「即将过时的方案」。对于 AI 产品出海，重点关注四个方向：

模型能力演进：GPT、Claude、Gemini、Llama 等基座模型的能力变化和定价趋势。基座模型每次升级，你的产品可能获得免费的能力提升，也可能失去原有的技术壁垒。
基础设施变化：推理成本下降速度、边缘部署能力、多模态支持的成熟度。推理成本每下降一倍，新的应用场景就会变得经济可行。
监管政策走向：欧盟 AI Act、各国数据保护法规、AI 内容标注要求等。合规不是产品上线后才考虑的事，它直接影响架构设计和数据流方案。
开源生态：开源模型的进展、社区活跃度、商业化许可变化。开源模型的能力提升速度是评估「自建 vs. 调用 API」决策的关键输入。

数据收集方法

调研维度的回答依赖于数据。数据收集分为二手调研和一手调研两大类，两者互为补充。

二手调研

二手调研利用已有的数据和报告，成本低、速度快，是调研的第一步。

数据类别	常用来源	适用场景	获取成本
行业报告	Gartner、IDC、Statista、Grand View Research	市场规模估算、趋势预测	部分免费，完整版 $2,000-$10,000+
竞品公开信息	官网、博客、新闻稿、融资公告	竞品功能对比、战略方向判断	免费
用户评价数据	G2、Capterra、Product Hunt、App Store 评论	用户痛点提取、竞品优劣势分析	免费（G2 部分功能付费）
搜索与社交数据	Google Trends、SimilarWeb、SparkToro	需求热度验证、流量来源分析	基础版免费
政策与法规	政府公报、行业协会文件、法律数据库	合规风险评估、市场准入门槛判断	免费
开源与社区	GitHub Trending、Hacker News、Reddit、Discord	技术趋势感知、早期用户反馈	免费
上市公司财报	SEC 10-K / 10-Q、earnings call transcript	上市公司营收数据、市场指引	免费

二手调研的局限在于数据可能过时、口径不一致、或者不覆盖你的特定问题。AI 行业变化快，超过 12 个月的行业报告数据需要谨慎使用。这时候需要一手调研来补充。

一手调研

一手调研是你自己设计和执行的数据收集，针对性强但成本更高。

方法	实施方式	适用阶段	样本量建议	周期
用户访谈	1 对 1 深度访谈，30-45 分钟	早期需求验证	8-15 人/用户群	1-2 周
问卷调查	在线问卷，结构化问题	需求量化验证	100+ 有效回复	1-2 周
可用性测试	观察用户使用原型或竞品	产品设计阶段	5-8 人/轮	1 周
竞品试用	系统使用竞品，记录体验	任何时候	3-5 个核心竞品	3-5 天
社群观察	潜伏在目标用户社群中	需求发现阶段	3-5 个活跃社群	持续进行
Landing Page 测试	投放不同价值主张，测点击率	需求优先级排序	500+ 访问量/方案	1-2 周

用户访谈设计要点：访谈大纲遵循「漏斗结构」——从宽泛到聚焦。先问用户的日常工作流程和工具使用情况（背景了解），再问具体痛点和现有解决方案的不足（问题挖掘），最后引出对新功能的期望和付费意愿（方案验证）。避免引导性问题，例如不要问「你觉得这个功能有用吗」，而是问「你上次遇到这个问题是怎么解决的」。

问卷设计要点：问卷控制在 10-15 个问题以内，完成时间不超过 5 分钟。问题类型混合使用：单选题用于需求排序，Likert 量表（1-5 分）用于满意度测量，开放题用于收集补充意见。对于海外市场，问卷需要提供英文版本，并考虑时区对回收率的影响——周二至周四上午发送邀请的回复率通常最高。

工具推荐

调研效率很大程度上取决于工具的选择。以下是按场景分类的工具清单：

场景	工具	用途	费用
搜索趋势	Google Trends	关键词热度变化、地区分布	免费
网站流量	SimilarWeb	竞品访问量、流量来源、用户地域	基础版免费
App 数据	Sensor Tower / data.ai	下载量估算、收入估算、用户画像	付费（部分免费数据）
统计数据	Statista	行业数据、市场预测、消费者调研	基础版免费，完整版付费
问卷设计	Typeform / Tally	创建在线问卷，支持逻辑跳转	基础版免费
访谈预约	Calendly	受访者自助选择访谈时间	基础版免费
录音转写	Otter.ai / 飞书妙记	访谈录音自动转文字	基础版免费
竞品监控	Crayon / Klue	追踪竞品官网变化、定价调整、功能更新	付费
技术栈分析	BuiltWith	检测网站使用的技术栈	基础版免费
受众画像	SparkToro	了解目标受众关注的网站、播客、社交账号	基础版免费
用户声音	G2 / Capterra / Reddit	真实用户评价和讨论	免费

分析框架

收集到数据后，需要框架来组织和解读信息。以下是三个最常用且适合 AI 产品出海的分析框架。

对比：三大分析框架适用场景

维度	SWOT	PEST	波特五力
分析视角	内部 + 外部	外部宏观环境	行业竞争结构
适用阶段	战略方向确定	新市场进入评估	行业吸引力判断
输入数据	团队能力、竞品、市场机会	政策、经济、社会、技术	供应商、买方、竞品、替代品、进入者
输出成果	四象限矩阵 + 交叉策略	宏观环境风险/机会清单	行业竞争强度评级
耗时	0.5-1 天	1-2 天	1-2 天
局限	容易沦为罗列、缺乏优先级	不覆盖内部能力	不覆盖宏观环境变化

三个框架不是互斥关系，而是互补关系。PEST 分析宏观环境，波特五力评估行业结构，SWOT 综合内部能力和外部机会。建议组合使用的顺序是：PEST → 波特五力 → SWOT。

SWOT 分析

SWOT 从内部和外部两个视角，梳理优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats）。

对于 AI 产品出海团队，SWOT 分析的关键点：

优势：技术壁垒（自研模型、独特数据）、成本结构（低运营成本）、团队背景（对目标市场的理解）。
劣势：品牌认知度低、本地化能力不足、资金有限。
机会：目标市场数字化加速、竞品尚未覆盖的细分领域、新模型能力带来的新场景。
威胁：大厂入场、政策法规变化、用户付费意愿低。

SWOT 的价值不在于列出四个象限的内容，而在于交叉分析生成可执行策略：

交叉策略	方向	示例
SO 策略	用优势抓住机会	利用自研模型的成本优势，在定价敏感的东南亚市场推出按量付费方案
WO 策略	克服劣势利用机会	通过本地合作伙伴弥补本地化能力不足，快速进入日韩市场
ST 策略	用优势应对威胁	利用数据壁垒和品牌口碑，在大厂入场前锁定垂直行业客户
WT 策略	减少劣势规避威胁	优先取得 SOC 2 / ISO 27001 认证，降低合规风险

PEST 分析

PEST 从宏观环境角度分析政治（Political）、经济（Economic）、社会（Social）和技术（Technological）四个维度的影响因素。对于出海产品，PEST 分析尤其重要，因为你面对的是多个不同国家的宏观环境。

维度	关键问题	AI 产品出海的关注点	数据获取方式
政治	政策稳定性、贸易关系、数据跨境流动	AI 监管政策、数据本地化要求、出口管制	政府公报、律所分析报告
经济	人均 GDP、IT 支出占比、汇率波动	SaaS 付费能力、定价策略、货币风险	World Bank、OECD 数据
社会	技术接受度、语言多样性、工作文化	AI 工具接受度、本地化深度、用户习惯差异	行业调研、本地合作伙伴
技术	互联网普及率、云计算渗透率、AI 基础设施	API 可用性、模型推理延迟、开源社区活跃度	技术报告、基础设施厂商数据

实操建议：为目标市场的每个国家单独填写 PEST 表格，然后做横向对比。同一个产品在巴西和日本的宏观环境差异可能非常大，混在一起分析容易遗漏关键信息。

波特五力分析

波特五力用于评估行业的竞争强度和吸引力。对于 AI 产品出海，五力的具体表现：

现有竞争者的竞争程度：AI 赛道竞争激烈，但细分市场差异大。需要判断你所在的细分领域是红海还是蓝海。关注指标：竞品数量、行业集中度、价格战频率。
潜在进入者的威胁：大模型厂商不断向下延伸，垂直 SaaS 公司不断集成 AI 能力，进入门槛在变化。关注指标：新入局者数量、大模型厂商的产品线扩展方向。
替代品的威胁：用户的替代品不只是竞品，还包括「用 ChatGPT 直接搞定」这种通用方案。关注指标：通用 AI 工具的能力边界、用户 DIY 方案的普及度。
供应商的议价能力：如果你的产品依赖 OpenAI、Anthropic 等模型服务，供应商的定价策略直接影响你的成本结构。关注指标：模型 API 定价趋势、多模型切换的迁移成本。
买方的议价能力：用户切换成本越低，议价能力越强。AI 工具的切换成本通常较低，因为大多数产品基于相同的大模型。关注指标：用户留存率、数据锁定效应、功能差异化程度。

每个「力」可以用高 / 中 / 低三级评估，最后汇总为行业吸引力评级。五力中如果有三个以上被评为「高」，说明行业竞争压力大，需要明确的差异化策略才能立足。

报告模板

调研完成后，需要将发现整理为结构化的报告。一份完整的市场调研报告应包含以下结构：

报告结构

章节	核心内容	篇幅建议	呈现形式
执行摘要	核心发现、关键结论、行动建议	1 页	要点列表，3-5 条核心结论
调研背景	调研目的、范围、方法论、时间线	1-2 页	文字说明 + 时间线图
市场环境	PEST 分析、市场规模（TAM/SAM/SOM）	3-5 页	表格 + 柱状图 / 折线图
竞争分析	竞品地图、功能对比、定价对比	3-5 页	对比表格 + 定位矩阵图
用户洞察	用户画像、需求分层、痛点排序	3-5 页	画像卡片 + 需求优先级矩阵
技术环境	模型能力、基础设施、开源生态	2-3 页	趋势折线图 + 技术路线图
SWOT 综合分析	四象限梳理 + 交叉策略	2-3 页	四象限矩阵 + 策略表格
机会与风险	按优先级排列的机会清单和风险清单	1-2 页	影响-概率矩阵
行动建议	具体的 Go-to-Market 建议和优先级	2-3 页	时间线 + 责任矩阵
附录	原始数据、访谈记录、问卷结果	按需	数据表格、访谈摘要

报告格式规范

数据标注来源：每个关键数据点标注出处，区分一手数据和二手数据。格式建议：数据后标注 [来源名, 年份]，例如「全球 AI 写作工具市场规模约 15 亿美元 [Grand View Research, 2025]」。
可视化优先：能用图表展示的不用文字。竞品对比用表格，市场趋势用折线图，用户分布用地图，需求优先级用矩阵图。
结论前置：每个章节开头写结论，再展开分析。决策者可能只读摘要和各章节结论。
版本管理：报告标注版本号和日期，定期更新。市场数据变化快，季度更新是合理的节奏。
可操作性：每个发现都应指向一个可执行的行动建议。「市场规模 50 亿美元」不是结论，「建议优先进入东南亚市场，因为 TAM 增长最快且竞品覆盖不足」才是。

执行摘要模板

执行摘要是整份报告最重要的部分。以下是可以直接复用的模板结构：

调研主题：[具体描述]
调研时间：[起止日期]
调研方法：[二手数据来源 + 一手调研方式]

核心发现：
1. [最重要的发现，带关键数据]
2. [第二重要的发现，带关键数据]
3. [第三重要的发现，带关键数据]

行动建议：
1. [短期（0-3 个月）的具体行动]
2. [中期（3-6 个月）的具体行动]
3. [长期（6-12 个月）的具体行动]

风险提示：
1. [最大风险及应对方案]
2. [次要风险及应对方案]

市场调研流程

从启动到产出报告，完整的市场调研流程可以分为六个阶段：

适读画布 · 130%

Mermaid 流程图加载中...

每个阶段的关键产出：

阶段	时间建议	关键产出	负责角色
明确调研目标	0.5 天	调研问题清单、预期产出定义	产品负责人
制定调研计划	0.5-1 天	调研维度、数据来源、时间表、分工	产品负责人 + 调研执行者
二手数据收集	2-3 天	行业报告摘要、竞品数据库、市场数据表	调研执行者
一手数据收集	3-5 天	访谈记录、问卷结果、竞品试用笔记	调研执行者 + 产品设计
数据分析与框架应用	2-3 天	SWOT / PEST / 五力分析文档、关键洞察清单	产品负责人 + 调研执行者
撰写调研报告	1-2 天	完整调研报告	调研执行者（初稿） + 产品负责人（审校）

对于精益团队，整个流程可以压缩到一到两周。关键是根据决策的时间紧迫性调整调研深度——不需要每次都做到完美。如果决策需要在三天内做出，聚焦二手调研和一两个核心框架即可；如果有两周时间，再加上一手调研和完整的框架分析。

案例分析

案例一：AI 写作工具进入东南亚市场

一个面向英语市场的 AI 写作工具团队考虑扩展到东南亚。调研团队首先通过 Statista 和 Google Trends 收集了东南亚各国内容营销市场的增长数据（二手调研），发现印尼和越南的增长率显著高于成熟市场。

随后团队对 12 位东南亚内容从业者进行了深度访谈（一手调研），发现两个关键洞察：第一，当地用户对多语言支持（英语 + 本地语言）的需求远高于单纯的英语优化；第二，用户对定价的敏感度远超预期，按月订阅的模式不如按量付费受欢迎。

基于 PEST 分析，团队注意到东南亚各国对 AI 生成内容的监管相对宽松（政治因素），但印尼的互联网渗透率仍在增长中（技术因素）。SWOT 交叉分析后，团队决定先进入新加坡和马来西亚（英语使用率高、付费能力强），同时启动印尼语的本地化适配。

关键数据与结论：

维度	发现	决策影响
TAM	东南亚内容营销工具市场约 8 亿美元，CAGR 18%	市场增速支持进入决策
用户偏好	72% 受访者需要多语言支持，65% 偏好按量付费	产品需要本地语言适配 + 定价模式调整
竞品覆盖	头部竞品（Jasper、Copy.ai）均无本地语言支持	多语言支持成为差异化切入点
PEST 结论	监管宽松，但数据跨境政策各国差异大	需要按国家分别评估合规要求

案例二：AI 数据分析工具的北美市场调研

一个面向中小企业的 AI 数据分析工具在立项前进行了系统的北美市场调研。团队首先用 TAM/SAM/SOM 模型估算了市场容量：北美中小企业 BI 工具市场 TAM 约 120 亿美元，考虑到产品当前的 English-only 支持和自助服务定位，SAM 约 15 亿美元，基于竞品渗透率和自身获客能力，SOM 设定为 3 年内 500 万美元 ARR。

竞品分析覆盖了 8 个直接竞品和 3 个间接竞品。通过 G2 评论的系统化分析，团队发现用户对现有工具普遍不满的两个点：一是上手门槛高（学习曲线陡峭），二是数据连接器的维护成本高。这两个痛点成为了产品的差异化方向。

波特五力分析揭示了一个重要威胁：「用户自己用 ChatGPT + Excel 就能做简单的数据分析」这个替代方案的威胁程度被低估了。团队据此调整了产品定位，从「通用数据分析」转向「特定行业的深度分析」，提高专业壁垒来抵御通用 AI 工具的替代。