Demand Mining - 需求挖掘
从社交平台挖掘用户真实声音，发现产品需求和市场机会。
工作流程
Step 1: 明确挖掘目标
向用户确认：
- 挖掘对象: 特定产品（如 Notion、Figma）还是领域（如 AI 写作工具）
- 竞品范围: 是否分析竞品的用户反馈
- 时间范围: 近期（1个月）还是更长时间
Step 2: 构建搜索策略
根据目标构建多维度搜索查询：
抱怨类关键词（英文）:
[product] sucks / hate / annoying / frustrating[product] problem / issue / bugswitched from [product] / leaving [product]wish [product] could / [product] should[product] alternative / better than [product]
抱怨类关键词（中文）:
[产品] 难用 / 垃圾 / 坑 / 吐槽[产品] 问题 / bug / 闪退弃用 [产品] / 从 [产品] 换到希望 [产品] 能 / [产品] 要是能[产品] 替代品 / 比 [产品] 好用
平台搜索策略:
| 平台 | 搜索方式 | 特点 |
|---|---|---|
site:reddit.com [query] | 深度讨论、真实反馈 | |
| X/Twitter | site:x.com [query] 或 site:twitter.com | 即时吐槽、情绪强烈 |
| Hacker News | site:news.ycombinator.com [query] | 技术用户、专业观点 |
| V2EX | site:v2ex.com [query] | 中文技术社区 |
| 知乎 | site:zhihu.com [query] | 中文深度讨论 |
｜ 小红书 ｜ site:xiaohongshu.com [query] | 中文内容分享与电商平台 |
Step 3: 执行搜索
使用 WebSearch 依次搜索各平台：
搜索示例：
1. site:reddit.com "notion" frustrating OR annoying OR sucks
2. site:x.com "notion" "switched to" OR "moving away"
3. site:reddit.com "notion" "wish it could" OR "should have"对于有价值的帖子，使用 WebFetch 获取完整内容。
Step 4: 分析与分类
将收集的用户声音按维度分类：
分析框架（参见 ANALYSIS_FRAMEWORK.md）:
- 功能缺失 - 用户想要但产品没有的功能
- 体验问题 - 使用中的摩擦和痛点
- 性能问题 - 速度、稳定性、兼容性
- 定价问题 - 价格、性价比、付费模式
- 竞品对比 - 用户为什么选择/离开
分析维度:
- 频次：多少人提到这个问题
- 情绪强度：轻微抱怨 vs 强烈不满
- 可操作性：能否转化为产品需求
- 市场机会：是否存在未被满足的市场
Step 5: 生成报告
输出结构化 Markdown 报告（参见 REPORT_TEMPLATE.md）。
输出格式
需求挖掘报告
# [产品/领域] 需求挖掘报告
**生成时间**: YYYY-MM-DD
**数据来源**: Reddit, X, Hacker News, ...
**样本量**: 分析了 N 条用户反馈
## 核心发现
### Top 5 用户痛点
| 排名 | 痛点 | 频次 | 情绪强度 | 典型声音 |
|------|------|------|----------|----------|
| 1 | ... | 高 | 强烈 | "..." |
### 产品机会矩阵
| 机会点 | 用户需求 | 当前解决方案的不足 | 建议方向 |
|--------|----------|-------------------|----------|
| ... | ... | ... | ... |
## 详细分析
### 1. 功能缺失类
#### 1.1 [具体功能需求]
- **用户声音**: 原文引用
- **来源**: [平台链接]
- **分析**: 为什么用户需要这个
- **建议**: 可能的解决方案
### 2. 体验问题类
...
### 3. 定价问题类
...
### 4. 竞品洞察
...
## 行动建议
1. **立即可做**: ...
2. **中期规划**: ...
3. **需要调研**: ...
## 数据来源
| 平台 | 帖子数 | 链接汇总 |
|------|--------|----------|
| Reddit | N | [查看全部](...) |最佳实践
- 搜索多样性: 使用多种关键词组合，避免遗漏
- 原文引用: 保留用户原话，避免过度解读
- 注明来源: 每条发现都标注出处链接
- 量化呈现: 用频次、比例说明问题普遍性
- 可操作性: 将痛点转化为具体产品建议
参考资料
- ANALYSIS_FRAMEWORK.md - 完整分析框架和分类标准
- REPORT_TEMPLATE.md - 报告模板详细说明
- SEARCH_PATTERNS.md - 更多搜索关键词模式