29
0一：把调研外包给 AI，交回来的为什么全是废话
- 问卷丢进去，AI 总结出的用户需求永远是「更便宜、更好用」；销量报表丢进去，回来的是行业里人人都知道的趋势；让它盯社交情绪，抓回来的是算法推给所有人的那几个热词。数据不缺，提示词攒了一大堆，读完自己都嫌是废话。
- 麦当劳早年拉奶昔销量，用的是最标准那套：做调研、调口味、调甜度、加巧克力碎，迭代了好几版。动作全对，销量纹丝不动——问题不在执行，在一开始问的那个问题。
- AI 擅长把答案做便宜，而调研里真正贵的东西，从来不是答案。三个动作分它：反问常识、盯住异常、人到现场。每个动作里，人跟机器各拿一半，拿错了就白干。
二：三条线，逼出 AI 到底能接哪一半
- 反问常识：哪一条行业共识值得怀疑，这一步只能人来指——AI 没有立场，不知道你行业里那条「手机必须有键盘」长什么样。指完之后，那种不知疲倦、一句接一句的追问，交给 AI，它比任何人都能扛。
- 盯住异常：扫报表、把不符合预期的行列出来，AI 又快又便宜，这是它最硬的强项。但哪一行值得追、这一行背后站着谁，得人来判——异常清单是原料，不是结论。
- 人到现场：这一半 AI 连接口都没有。买家真正在用的场景、和详情页写的用途对不对得上，只有自己下单用一遍、找那批反复回购的老买家聊几句才知道。
三：从异常清单到主推位，一个选品岗的完整闭环
- 那位做电商选品的朋友，先给 AI 换了任务：把「跟着热销榜走」这条共识反问了一遍。AI 交回一张异常清单，他从里头圈出一款早就停投的旧款——复购不对劲。
- 然后他自己下单、从头用了一遍，又去找那一小批老买家。结果是：这些人买回去干的事，跟详情页上写的用途根本对不上，是一个他从没预想过的使用场景。他照着买家真正在用的场景重做链接，把这款旧品排进了下个月主推。
- 报表还是那张报表，AI 还是那个 AI，变的只是分工。AI 把答案做便宜了，贵的只剩问题、异常和现场。
- 留一个问题带走：你那个行业里，「手机必须有键盘」是哪一条。想到了先别自己下结论，丢给 AI，只给它一条规矩——只准反问，不准总结。真的是这样吗。
