品类页面研究
研究最终为页面决策服务:先说什么、在哪回答哪种恐惧、竞品已经在做什么、还有什么空白可以占领。本教程基于美国市场(减肥、勃起功能障碍、脱发)三个品类的真实实践编写;方法在所有市场通用,唯数据源不同。
一条原则贯穿始终:每条发现都必须标注来源。 读者必须能区分“直接阅读”、“由其他工具收集但未核实”和“推测”三类信息。隐藏来源的研究一旦被引用到线上页面,最后证明是错的。
第0步 — 范围界定
充分利用请求中已提供的信息。只询问缺失的部分,且仅在一轮对话中提出,最多四个问题:
- 市场 — 国家和语言。这几乎决定了所有数据源。
- 品类 — 病症或产品线(每次1至3个;更多会导致研究浅尝辄止)。
- 谁的页面及其任务 — 品牌,以及页面的作用(“硬销售:访客暖场后得出结论‘这适合我’”、“介绍新产品”、“赢回老客户”)。
- 深度 — 快速扫描(竞品 + 评论,约一小时)或完整研究(以下所有步骤)。
当用户说“你定”时的默认设置:完整研究,以用户语言撰写发现,引文和竞品文案保留原文。
第1步 — 该市场的数据源计划
读取 references/source-map.md。该文件列出了数据源类型,并为美国、英国和德国提供了具体起点;对于其他市场,则给出了寻找本地等价来源的方法。
以简短表格形式编写计划,并在开始收集前展示(除非用户要求审查,否则无需等待批准):
| 数据源类型 | 针对该市场的具体来源 | 我将如何获取 |
|---|---|---|
| 竞品页面 | … | 浏览器 / 保存的HTML |
| 视频 | YouTube,本地语言查询 | 按观看量排序搜索 |
| 论坛 | … | ChatGPT / Gemini / Codex 提示,或粘贴的帖子 |
| 服务评论 | … | 浏览器 |
| 患者/产品评论 | … | 浏览器 |
| 自有数据 | Confluence,Mixpanel | 连接器 |
有两件事会随市场变化且容易被忽略:
- 竞品集合是本地化的。 美国市场的领导者可能根本不在该国运营。找到真正在该地排名和投放广告的对手(使用本地语言搜索,查看本地Trustpilot)。
- 广告法规塑造页面。 在美国,页面可以提及药品名称和价格。在英国和德国,处方药不能向公众做广告,因此竞品页面会绕开产品本身,其措辞不能简单复制。在计划中需注明当地法规并作为需要咨询法务的问题——切勿将其作为已确定的结论。
第2步 — 收集,每个数据源一个文件
在开始第一个数据源前,先阅读 references/collection-playbook.md;其中包含了从每种数据源需要捕获的内容,以及在无法访问数据源时的处理方法。
按以下顺序工作——每一步都会让下一步更精准:
- 竞品页面。 阅读整页文本,而非截图:标题、要点、按钮措辞、板块顺序、产品数量、真实价格披露位置、FAQ问题、脚注。屏幕库(Mobbin, Refero)是补充,而非研究本身。
- 服务评论(Trustpilot或本地等价平台):评分、评论数、一星占比、投诉主题。这是“用户对服务商的吐槽”的来源。
- 患者或产品评论(Drugs.com及本地等价平台):每个产品“最有帮助”的评论——用户自己的语言描述的疗效、副作用、评论者是谁。
- 视频。 针对用户搜索的问题,按观看量排序的热门视频。标题和观看量显示哪些问题最受关注。若需了解实际内容,请使用字幕(见下文)。
- 论坛。 触发因素、恐惧、遗憾、放弃原因。参见下文“论坛”部分。
- 自有数据。 Confluence中的用户画像、品牌词汇和过往研究;Mixpanel中现有页面的用户行为数据(设备分布、浏览→点击→转化率、页面点击热区)。
每读完一个数据源就立即保存到对应的文件(competitors-live.md, reviews.md, youtube.md, forums/<category>.md, own-data.md)。在长时间运行中,上下文会压缩;没有写入文件的东西都会丢失。
当数据源无法访问时
- 竞品网站出现机器人检测或验证码 — 不要尝试绕过。询问用户是否可以通过他们自己的Chrome浏览器读取页面;如果允许,
scripts/save_chrome_tabs.sh将每个页面保存为HTML,scripts/extract_text.py将其转换为可读文本(macOS)。否则,请用户将页面保存为HTML或PDF。如果都不行,将页面标记为“未读取”。 - Reddit — Claude的浏览器工具无法打开它,也不应采用镜像或其他变通方案。请使用下文“论坛”部分中的路径。
- YouTube搜索页面在隐藏浏览器窗格中渲染为空白 — 先截取一张截图强制渲染,然后再读取页面。
- 其他任何无法访问的内容,在状态表中标注为“未读取”并说明原因。有命名的缺口是可接受的;用记忆填补的缺口则不行。
论坛(Reddit及本地论坛)
三种路径,按优先级排序:
- 提供给ChatGPT或Gemini(深度研究模式)的提示,由产品经理运行并粘贴结果回来。
- 终端中的Codex CLI(如果已安装)——相同的提示,由Claude运行。
- 用户粘贴或导出的帖子。
references/forum-research-prompts.md 包含提示模板、如何本地化、Codex命令,以及针对单个问题的后续提示(“注射还是药片”、“每日服用还是按需服用”)。以纯文本任务的形式为用户编写提示——说明要查找什么以及以什么格式输出。
无论从其他工具返回什么,都未经核实:引文并未由你亲自打开验证。以这种方式标记文件,保留帖子链接,并且在将引文用于页面之前,应打开其链接进行核实。
YouTube字幕(深度处理)
标题只显示哪些问题很受关注,而非回答的内容。当页面需要来自视频的实际论点、数据或措辞时,使用 youtube-research 技能(https://github.com/gorelikroman/youtube-research-skill):它通过用户机器上的 yt-dlp 拉取字幕并生成带引文的笔记。如果未安装,提供以下安装命令:
git clone https://github.com/gorelikroman/youtube-research-skill ~/.claude/skills/youtube-research
从每个品类按观看量排序的列表中挑选5–10个视频,而不是全部。
第3步 — 综合提炼
在研究文件夹中,基于源文件编写 README.md。模板和表格在 references/output-templates.md 中。最重要的部分包括:
- 状态表 — 每个数据源、获取了什么、可信度如何。
- 用户的需求,用他们自己的话来说 — 生活状态的改变,而非临床目标。
- 触发时刻 — 最终促使用户采取行动的事件。
- 每个品类的异议排名 — 每条异议的具体表述、在哪些其他来源中得到确认,以及在页面中的哪个位置应予以回应。
- 针对服务商的投诉 — 以及你自身产品已经具备的应对策略。
- 竞品如何销售 — 共同的页面骨架、所使用的技巧(附使用者)、他们隐藏了什么、以及没有人做的事情。
- 页面骨架 — 该页面的板块顺序,及每个板块存在的理由。
- 待解决的问题和缺口。
排名的规则(研究中最容易夸大其词的地方):
- 基于“某主题在帖子中出现频率”建立的排名是顺序,而非占比。切勿附带百分比。说明该顺序是基于什么得出的。
- 仅当来源本身提供了数据时才展示数字:评论网站评分、观看量、转化率等。
- 当两个来源对排序意见不一致时,两者都保留并说明情况。
第4步 — 交付
- 研究文件夹(默认
docs/<topic>-research/),以README.md作为入口点。 - 一段简洁的聊天摘要:五到六个结论、未经验证的部分、需要决策的问题。
- 如果用户希望在Figma中显示 — 一个由四个看板组成的报告(摘要、观点、异议排名、竞品)。规范及构建辅助:
references/figma-report.md。 - 如果用户想要线框图 — 仅需灰色结构:板块、顺序、每个板块的说明(解释其存在的原因)。除非用户要求,否则不包含品牌设计。基于不同的主导思路提供两到三种方案,而不是只有一种。
诚实性规则
- 标记每一个源文件和每一条引文:直接阅读 / 由其他工具收集 / 二次引用。
- 医疗、法律和数字相关的结论均为建议。它们必须在任何页面发布前提交给医疗和法务团队。
- 从某个市场得出的发现不能无声地迁移到其他市场。为德国撰写的用户画像是关于德国的证据;在用于其他国家时需明确说明。
- 不要大段复制评论或帖子内容;简短的引文并附上链接即可。
- 保留客户的原始语言。将恐惧转述为营销用语会使其失去价值。
成本
收集是针对读取而非推理的工作:对其他工具使用最廉价的能力模型(对于Codex,使用低努力量的小型模型,一次运行一个任务——在大型模型上并行运行会像最初运行那样迅速耗尽使用配额)。如果使用子代理,每个品类在竞品和评论轮次中各用一个就足够了;在开始前说明每个子代理的任务。
文件
references/source-map.md— 按市场划分的数据源类型和本地等价来源references/collection-playbook.md— 每个数据源应捕获的内容及访问问题references/forum-research-prompts.md— 用于ChatGPT、Gemini、Codex的提示references/output-templates.md— 文件夹布局、README及表格模板references/figma-report.md— 四看板Figma报告scripts/save_chrome_tabs.sh,scripts/extract_text.py— 通过用户的Chrome浏览器读取有机器人保护的页面scripts/run_codex_research.sh— 通过Codex CLI运行研究提示