这个没多少人用的 AI 功能，能让你每周多出10小时-优快云博客

在增长、运营和市场（GTM）领域，最稀缺的资源不是预算，而是带宽。

一边是马上要的执行压力，一边是必须做的深度研究：竞品怎么打广告？新市场怎么进？归因模型怎么建？这些战略问题，每一个都足以消耗掉一个团队数周的时间。

如今，AI 让你一个人就能拥有一整个战略分析部。

但前提是，你不能把它当成一个简单的搜索引擎，而要学会做它的项目总监。

这篇文章，就是一份写给增长操盘手的 AI 实战手册。它不谈空话，讲的是怎么用 AI 做 Deep Research 来支撑 GTM（Go-to-Market）策略，具体拆解了怎么用 AI 替代掉原本需要我们手动花几小时调研分析、和对比总结才能做出的市场认知工作，而且写得特别实操，prompt 和案例全给了，直接复制就行。

以下是正文👇

我最近彻底迷上了 ChatGPT 和 Perplexity 的“深度研究”（Deep Research）模式。无论是为这份简报搜集资料，还是为任何需要密集调研的GTM（进入市场）项目做准备，这个功能都给我省下了大把时间，多到我自己都数不清。这绝对是目前最强大、却又最容易被忽视的 AI 功能之一。今天，咱们就来给它正名。

为了写好这篇文章，我特意请来了 Torsten Walbaum^[1] 这位大神。他曾在优步（Uber）、Meta 和 Rippling 等公司搭建并领导战略与分析团队，经验极其丰富。

一如既往，Torsten 在本文中分享了一份极其详尽的实战指南，教你如何把“深度研究”功能变成你专属的、麦肯锡级别的私人分析师。

“深度研究”是第一个真正让我大开眼界的 AI 功能。

这是我第一次看到 AI 能够端到端地解决复杂的非工程类任务——从制定计划、搜集相关信息，到最终产出一份高质量的交付物。我通常对 AI 的能力不敢夸下海口，但“深度研究”确实把过去需要我花10多个小时才能完成的任务，浓缩到了几分钟之内（当然，是在我摸透了它的正确用法之后）。

尽管如此，我发现“深度研究”的重度用户比我想象中要少得多。我想，这可能跟它的名字有关。“研究”这个词，听起来好像主要是给学者和投资人用的工具，但这其实只触及了皮毛。事实上，对于任何需要审阅大量信息并从中提炼实战洞察的任务来说，它都是一个颠覆性的利器。

而事实证明，几乎所有的 GTM 项目都属于这一类。

这正是我和 Kyle 合作这篇文章的第一个原因：通过几个真实的 GTM 案例，我想向大家展示这个工具的真正实力，并激发更多人创造性地使用它。

第二个原因是，尽管潜力巨大，“深度研究”也并非完美。要想获得顶尖的成果，你得像带徒弟一样，手把手地教 AI。和其他 AI 应用场景不同，在这里，提示词（prompt）怎么写，你提供了哪些背景信息，真的会天差地别，直接决定了结果的好坏。

在接下来的内容里，我们将覆盖：

如何从“深度研究”中获得最佳输出的实战技巧？
一个高效的“深度研究”提示词长什么样？
各家工具（ChatGPT, Gemini, Claude, Perplexity, Grok）孰优孰劣？
五个拿来就用的 GTM 实战案例，附带提示词模板（以及更多启发思路）。

如何用好深度研究，获得最佳结果

无论你用的是哪款 AI 工具（后面会详谈），都有几个关键的局限性需要你心中有数。

不过别担心： 这些问题都有解。我们会一步步教你具体的工作流和提示词技巧，帮你拿到最好的结果。

1. 给 AI 指明高质量的信息来源

“深度研究”产出的质量，很大程度上取决于它用了哪些信源。不幸的是，AI 在这方面的判断力常常掉链子：它会把社交媒体上的观点当事实，过度依赖单一来源，或者使用过时的数据。最让人抓狂的是，等到报告生成完毕你才发现这些问题，届时只能推倒重来，白白浪费15分钟和宝贵的研究额度。

好在，有两个简单的方法可以解决这个问题：

方法一：
在提示词中明确要求它优先使用哪类信源（比如，优先使用政府数据等一手来源，而不是新闻报道等二手来源）。
方法二：
先用 GPT-5 或 Claude Opus 这样的高级模型生成一个高质量的信源清单，再把这个清单喂给“深度研究”功能（在下面的案例五中你会看到具体操作）。

此外，如果你想让整个过程更透明，还可以要求研究代理做到以下几点：

它提出的任何论断，都必须在文中注明出处。
在报告末尾附上一张表格，列出所有信源，并说明每个信源用在了哪里、信源类型、数据年份等。
标出不同信源在数据或观点上的分歧，并分析可能的原因（例如，统计方法不同）。

ChatGPT 生成的信源概览表示例；默认情况下它不会提供这个。

这个小步骤只会多花你一分钟，却能省去后续无尽的麻烦。

2. 提供背景信息，获得定制化洞察

一键生成某个主题的深度概览，这本身已经很酷了；但老实说，用处不算太大。要想真正从中榨取价值，你需要的是一份为你量身定做的分析报告。

可惜，大多数“深度研究”工具都没有主动询问背景信息的习惯。所以，如果你不主动提供，它们要么自己瞎猜，要么给出的就是些放之四海而皆准的空话。

为了避免这种情况，你需要把一个真人同事所需要的所有背景信息都提供给它。具体是哪些信息，要看具体情况，但下面几点通常都用得上：

💼 你的公司和业务背景

这一点至关重要，特别是当你希望 AI 给出具体的行动建议和战术指导时。

如果你的公司在网上知名度很高，通常提一句公司名就够了；但如果你在一家小型创业公司，最好还是简单介绍下公司业务、规模，以及任何与当前任务相关的信息（比如你们的 GTM 模式等）。

🎯 你的具体目标

我经常看到人们在使用“深度研究”时，只给 AI 一个任务（比如，“帮我整理一份这些工具的对比报告”），却不分享背后的动机和最终目的（比如，“我们想更好地了解市场活动的效果，以便进行规划和预算分配”）。

你对自己的目标以及 AI 在其中扮演的角色越坦诚，得到的结果就越有价值。如果你的请求只是一个大项目的一部分，务必把项目已经完成的进展也分享给它。

🚧 [如果适用] 你面临的现实约束

如果存在某些硬性约束，会直接排除掉一些选项，一定要告诉 AI，这样才能得到更有针对性的报告：

你为这个项目准备了多少预算和人力？
有没有必须赶上的截止日期？
根据以往经验，有哪些方案是领导或法务肯定不会批准的？

专业提示： 如果你不想每次用“深度研究”都重复提供背景信息，可以创建一个项目（Project）。这样，你只需上传一次初始背景，之后每一次的研究报告都会不断丰富你和 AI 之间的共享知识库。

ChatGPT 中的项目示例

以上算是一个不错的开始，但我发现，有时候要快速想出到底该分享哪些信息，其实挺难的。

为了让事情简单点，我现在会先问问 AI 的看法（GPT-5 和 Claude Opus 在这方面都做得很好）：

我准备就 [X] 生成一份深度研究报告，目的是为了 [Y]。为了得到一份定制化的、可执行的报告，我应该提供哪些背景信息？请假设你对我们之前的对话一无所知。

最后，如果你想确保万无一失，可以直接要求“深度研究”代理向你索取更多背景信息：

3. 动手前，先让它给个研究计划

Gemini 深度研究最大的优点是，它总会在开工前分享一份计划。这样一来，你可以提前调整，而不是干等20分钟后才发现你不同意它的研究方法，或者报告的重点完全跑偏了。

其他工具都不会主动这么做，所以你必须在提示词里明确要求它提供研究计划：

注意： 如果你在初次提问后又回答了 AI 的追问，记得重复一下这个要求，否则工具们有时会把它忘了。

在审阅研究计划时，可以问自己这几个问题：

它是否涵盖了所有你感兴趣的点？你还需要其他类型的产出吗（比如模板、代码片段等）？
你是否同意它的研究方法和重点（比如，它打算如何评估不同选项）？
AI 似乎做了某些假设，或者某些部分看起来很空泛吗？如果是，你需要提供更多背景信息。

4. 指定一个易于消化的报告格式

工具默认生成的报告通常很难读，特别是当你想快速抓住重点时。

不过，用对提示词，这个问题就迎刃而解了。你只需要让它：

在文档开头和每个章节开头都加上摘要。
先给出关键洞察或建议，再展开细节。
在适当的地方，用概览表格或图示代替大段文字。

如何写出一条好的“深度研究”提示词

综合以上所有技巧，再加一些可选的补充，一个高效的“深度研究”提示词模板就出炉了。

直接复制粘贴，填入你自己的信息即可（以“#”开头的注释是用来解释每个部分，不应包含在提示词里）：

# 目标：说明 1) 你的最终目的，以及 2) 你希望 AI 具体做什么。例如：

<目标> 我们希望建立一个客户评分模型，用来给销售开发代表（SDR）分配客户，并决定优先联系哪些客户。理想的模型需要为每个客户分配 1) 一个客户画像匹配分（即“这家公司总体上是不是我们的理想客户？”）以及 2) 一个意向分（即“这个客户当前是否在寻找解决方案/有购买意向？”）。</目标>

# 背景信息：提供所有与本次请求相关的、但尚未包含在你项目（Project）中的背景信息。例如：

<背景信息> 我们目前只专注美国市场。我们的 GTM 和数据技术栈包括 Salesforce、Marketo、Outreach、dbt 和 Snowflake；我们对购买意向数据持开放态度。模型和分数的可解释性至关重要。</背景信息>

# [可选] 内容要求：明确你希望最终产出物包含哪些内容，例如：对比分析、SQL 代码片段、Salesforce 自定义对象的规格说明等。例如：

<内容要求> 报告至少要覆盖：1) 详尽的“自建 vs. 购买”分析与建议，2) 内部自建的几种不同方法的概述，3) 如何在市场和销售团队之间落地这套客户评分体系，4) 如何让销售代表能清楚地看到分数的计算逻辑。</内容要求>

# [可选] 风格要求：定义报告的格式。这部分最好放在项目的自定义指令里，因为通常每次研究任务都可以复用。例如：

<风格要求> 请遵循金字塔原则：先给出核心结论或建议，然后用论据和数据支撑。给出建议时，务必解释清楚你是如何得出这个结论的。多使用项目符号、概览表格等格式，让报告易于阅读。</风格要求>

# [可选] 信源要求：指定 AI 应优先使用哪些信源，以及/或者应如何标注信源。例如：

<信源要求> 在进行工具对比时，请重点参考行业领先博客或从业者的评测，而不是工具公司自己的宣传说辞。</信源要求>

# [可选] 其他指令：提供一些杂项指令（例如，你希望 AI 遵循的特定方法论或步骤）。例如：

<其他指令> 在开始之前，请先向我询问你需要的任何额外背景信息。</其他指令>

注意，大部分板块都标记为“可选”。在下面的案例中你会看到，我只挑选了那些我认为跟每次研究任务最相关的部分。我建议你也这样做，没必要把简单的请求搞得过于复杂。

如何为你的应用场景选择合适的深度研究工具

一句话总结： 总体来看，ChatGPT 是目前最强的通用型深度研究工具，特别是最近发布了 GPT-5（无需再切换模型）和代理模式（Agent Mode，能真正与网站交互）之后。

它有两大核心优势：

与其他工具不同，它总会主动询问背景信息。
它提供的报告深度遥遥领先，且判断力一直在线。

第一点优势不大，因为你可以通过提示词让其他工具也这么做。但第二点是无法弥补的鸿沟：无论你怎么优化提示词，其他工具都无法产出接近 ChatGPT 的深度和严谨度。

这意味着，如果你需要极其详尽的信息或指导，ChatGPT 是不二之选。但如果你并不需要一份万字长文，那么其他工具也很有吸引力。例如：

Gemini
的表现通常仅次于 ChatGPT，而且使用额度更宽松。所以，如果你的 ChatGPT 额度用完了，它是个很好的备胎。
Perplexity
如果你想把研究范围限定在特定网站或社交论坛，它是个不错的选择，因为它 1) 有更精细的信源控制选项，2) 在这方面更听话。
Claude
、Perplexity 和 Grok 都能生成排版精美、易于阅读的报告（通常在1000-2000字），如果你刚开始研究一个新领域，它们是很棒的入门工具。

正因如此，在下面的实战案例中，我会针对每个场景，点明哪个工具最合适。

5个拿来就用的GTM实战案例

应用场景一：手把手教你搞定公司内部的大项目

👑 首选工具： ChatGPT 深度研究；
🥈 备选工具： Gemini 深度研究。

*“我们应该开始规模化地个性化我们的销售邮件了。别人家都在这么干了！”*

做 GTM 的同学对这种场景肯定不陌生：某天，当你正在自己的舒适区里愉快地执行任务时，一位高管突然扔给你一个需求，让你马上优先处理——而你对这个领域一窍不通。

做GTM的普通星期二罢了。

无论是新的 AI 应用，还是像潜客评分、归因分析这样的基础建设，没有哪家创业公司能在所有领域都配有专家。所以，你迟早要接手一个你完全不知道该从何下手的大项目。

这时候，“深度研究”就是一个能让你在1小时内快速上手的神器。你不会立刻成为认证专家，但足以让你对项目有个宏观规划，并搞清楚哪些地方需要深入研究（或者寻求帮助）。

我们来看一个实例。 假设你想搭建（或重建）市场归因体系。你对归因的用途有个大概想法，但完全不知道该如何落地。

下面是一条针对这个问题的有效提示词：

<目标> 请为一家创业公司撰写一份详尽的、战术层面的内部市场归因搭建指南。第一步，我们希望建立一个简单的归因模型，能将相关渠道（邮件、领英等）的触点纳入考量，并为每个创建的商机分配一个单一来源。 </目标>

<背景信息> 我们是一家 B2B SaaS 创业公司，销售会议转录软件。主要目标客户是中小型企业（SMB），目前年经常性收入（ARR）为1000万美元，同比增长100%。我们主要以市场为主导，大部分销售线索来自领英广告和程序化邮件。我们使用的技术栈是 Salesforce、Marketo、dbt、Snowflake。 </背景信息>

<读者定位> 假设读者熟悉相关工具和系统，但在市场归因方面是零经验。 </读者定位>

<报告结构> 请先概述需要做出的关键决策和主要的工作流。对于每个工作模块，请列出几种可行的不同方法，然后为你推荐的方法提供详尽的、一步步的操作指南。 </报告结构>

<风格要求> 请遵循金字塔原则：先给出核心结论或建议，然后用论据和数据支撑。多使用项目符号、概览表格等格式，让报告易于阅读。 </风格要求>

☝️ 注意： 这里最关键的一点，是让 AI 了解你公司的流程和技术栈，这样才能得到一份定制化的行动手册。

然后，你就能得到这样一份报告^[2]：一份端到端的归因指南，涵盖了不同的方法论、实施路径，以及手把手的操作说明（包括 UTM 标签规范建议、dbt 模型的 SQL 代码示例等等）：

完整回复

当然，这只是个例子；你可以为任何 GTM 话题生成一份详尽的指南。这里再提供一些灵感：

从零开始搭建内容营销体系
从一个工具迁移到另一个（例如，从 HubSpot 迁移到 Marketo）
设计一个能最大程度减少市场和销售摩擦的 GTM 规划流程
为销售代表制定合理的薪酬方案

应用场景二：研究竞争对手的广告策略

👑 首选工具： GPT-5 代理模式（Agent Mode）；
🥈 备选工具： Perplexity

在上面的例子里，我们的目标是通过 AI 审阅大量不同信源，综合提炼出最佳实践，从而全面理解一个主题。但有时候，你需要做的恰恰相反：对某一个特定数据源进行深度挖掘。

比如，你可能想搞明白，为什么在领英（或谷歌）上投付费广告，你的竞争对手能大获成功，而你却怎么也算不过来账。

好消息是：你可以在广告资料库里看到竞争对手投放的所有广告，包括私信广告（领英广告资料库^[3] / 谷歌广告透明度中心^[4] / Meta 广告资料库^[5]）。而更好的消息是：你不用再花几天时间手动筛选这些信息了，直接让 AI 来干重活就行。

ChatGPT、Claude 和 Grok 的标准研究模式不太适合这个任务，因为要让它们在单个网站上进行地毯式搜索，几乎是不可能的。Perplexity 表现尚可，但真正的解决方案是开启 ChatGPT 的代理模式（Agent Mode）。

官方宣传说它是连接研究与行动的桥梁，事实也确实如此。你只要告诉它打开广告资料库，看50到100个广告，然后写一份详细报告。只要提示词给得好，它本质上就是一个拥有额外技能的“深度研究”工具：能登录账户、点击开关和筛选器、截屏等等。

下面是一个有效的提示词示例：

<目标> 我想了解 [公司名] 是如何利用领英广告来获得增长的。请利用领英广告资料库（https://www.linkedin.com/ad-library/）撰写一份关于他们定位、信息传递和战术的综合报告。 </目标>

<背景信息> 每个广告的详情页都包含大量需要考虑的相关信息。例如，它会显示广告类型、投放起止时间、在各地区的曝光量等。 </背景信息>

<内容要求> 报告至少要覆盖以下几点：
- 他们投放了哪些广告格式（如私信广告 vs. 单图广告）和类型（如客户案例、CEO思想领导力等）
- 他们似乎在瞄准哪些买家角色
- 他们如何进行自我定位，以及向受众传递的核心信息是什么
- 他们的行动号召（CTA）是怎样的
- 他们提供哪些激励措施（如提供现金或礼品来换取产品演示）

请确保你提出的任何论点都有具体案例支撑（即，在文中附上具体广告的链接）。请至少链接到20个具体的广告案例（URL 格式类似 "https://www.linkedin.com/ad-library/detail/[ad_id]"）。 </内容要求>

<其他指令> 请审阅50个以上的广告，并生成一份3000字以上的详细报告，总结你的发现。 </其他指令>

注意： 如果你希望洞察是为你公司量身定做的，那么可以上传你的业务背景信息，或在上面的提示词中扩展 <背景信息> 部分。

我用这个完全一样的提示词（以 AI 创业公司 ElevenLabs 为例），得到了这样一份报告^[6]：

我觉得质量相当不错。特别酷的是：除了链接到具体的广告案例，代理模式还截了图，这个能力为许多其他应用场景打开了大门。

应用场景三：审计你的官网主页或落地页

👑 首选工具： ChatGPT 代理模式；🥈 备选工具： Gemini 深度研究

如果你想彻底改造你的官网主页，你得做这么几件事：

研究最佳实践（比如，Growth Unhinged 上的这篇文章^[7] 🙂）
审阅竞争对手的网站，看他们是怎么做的
详细检查自己的网站，找出可以改进的地方
制作修改计划的模型，并起草新的文案

“深度研究”可以极大地加速这个过程，它能提供一份帮你完成80%工作的评估报告；你仍然需要自己去完善细节，但可以跳过大部分的苦力活。

下面这个提示词结构对我来说效果很好（以 Linear 的定价页面^[8] 为例）：

<目标> 请对 Linear 的定价页面（http://linear.app/pricing）进行深度分析，评判其有效性，并指出 1) 它在哪些地方遵循了行业最佳实践，2) 它通过哪些创新想法脱颖而出，以及 3) 它在哪些地方存在不足。 </目标>

<报告结构与内容> 在对页面进行总体评估后，请提供详细的改进建议，明确指出应该改进什么、如何改进，并给出其他公司做得更好的例子。请按预期影响和实施难度对改进建议进行排序。如果你建议增加新元素或重新设计现有元素，请提供模型图和详细的文案示例作为起点（需与 Linear 主页现有基调保持一致）。 </报告结构与内容>

<其他指令> 请将直接从其他 SaaS 公司定价页面获得的洞察与行业领先博客讨论的最佳实践相结合。报告目标篇幅约为3000字。 </其他指令>

10分钟后，我得到了一份约7600字的分析报告^[9]，里面充满了可行的建议。

它对定价页面进行了详细的剖析，并准确地指出了许多可以用很小力气就得到改进的地方，例如：

突出显示年度套餐的优惠；
为每个套餐添加描述，说明它适合哪类用户；
突出显示一个推荐/最受欢迎的套餐；
添加更多/更好的工具提示和一个常见问题解答（FAQ）部分。

然而，它也很好地暴露了“深度研究”目前的局限性。ChatGPT（和我用过的其他工具类似）无法使用“年度/月度”定价的切换按钮，并（错误地）认为没有月度选项。同样，它也“看”不到那一行滚动的客户 logo。

在我看来，这不算什么大问题，因为你只需花几秒钟就能确认这些说法是否准确，然后忽略不准确的建议即可。但如果你对此很介意，可以改用代理模式，AI 会真正与网站互动并截图，从而避免这类错误的结论。代价是，你需要等更长的时间才能拿到报告。

应用场景四：分析竞争对手的产品功能

👑 首选工具： ChatGPT 深度研究；
🥈 备选工具： Gemini 深度研究。

在说服那些正在不同解决方案之间犹豫的高意向买家时，客户对比页面是一个绝佳的资源。随着答案引擎优化^[10]（AEO）的兴起，它们的重要性正与日俱增。

但如果你想创建这样的页面，或者投放广告来凸显你的产品比竞品更优越的功能，你就需要做大量的研究。

审阅竞品网站、阅读文档和帮助文章、观看 YouTube 教程等等，这些工作轻轻松松就能花掉你好几天时间，而且如果你想确保自己的说法准确无误，这部分工作几乎没法绕开。

幸运的是，“深度研究”在这方面相当在行。如果你是白手起家，我建议先用一个宏观的提示词扔给 Claude、Perplexity 或 Grok；它们虽然不如 ChatGPT 或 Gemini 深入，但你能很快得到一份格式精美、重点突出的总结。

<目标> 我在 [你的公司] 工作，想了解我们的产品与 [竞争对手] 相比如何。请撰写一份详细的报告，比较两个平台的功能，并指出双方的任何功能差距。 </目标>

<信源要求> 请优先使用包含事实的一手来源；即，不要依赖任何人对产品功能的解读，而是重点关注官方文档、功能发布公告等。你提出的任何论点，都必须在文中注明出处。 </来源>

<其他指令> 请务必核实你指出的任何产品差距是否仍然存在；例如，如果你发现一年前的报告声称某个功能缺失，请进行搜索，看看这个问题在此期间是否已得到解决。 </其他指令>

这应该能让你对产品的潜在优势有个基本概念。然后，你可以给 ChatGPT 一个更精细的提示词，要求它提供关于特定功能的详细信息。

接下来，拿到深度报告后，你可以就任何需要澄清的地方继续追问，或者挑战那些与你认知相悖的论断，直到你对这份对比分析充满信心为止。

最后，你甚至可以要求它为你如何将这些洞察转化为一个竞品对比页面提供建议^[11]：

对比财务规划与分析（FP&A）平台 Runway 和 Pigment 的完整报告示例

⚠️ 主要需要注意的坑：

产品迭代很快，所以你一定要确保所有论断都基于最新信息。这意味着：
- 指示研究代理优先使用最新的信源，并重点关注过去6个月的信息（就像我们在上面例子里做的那样）。
- 自己快速谷歌一下，确认最重要的几个论断是否依然准确。
无论你最初的提示词写得多好，AI 常常会引用一些模糊的营销说辞，比如“卓越的 AI 能力”。遇到这种情况，我建议你追问到底，要求它提供详细的例子；通常第二版的回答会好得多。

应用场景五：为国际化扩张做市场评估

👑 首选工具： GPT-5 思维模式 / Claude Opus 用于搭建框架和寻找数据源；ChatGPT 深度研究用于生成最终报告

迟早有一天，每家创业公司都要面对国际化的问题。但应该进入哪些国家，又该按什么顺序进入呢？

对此，我推荐一个两步走的方法：

首先，与你选择的 AI 模型（例如 GPT-5 或 Claude Opus）合作，搭建你的扩张框架，并找到高质量的数据源。
然后，让 ChatGPT 深度研究根据你确定的维度，生成一份详尽的潜在国家排名报告。

通常来说，“深度研究”的设计初衷是包揽所有这些工作，省去第一步。但在实践中我发现，如果你提前提供了这份指导，它产出的结果会好太多。

让我们从搭建框架开始。如果你心里已经有了个思路，可以描述给 AI，让它挑战你的逻辑。如果没有，就让它和你一起头脑风暴几种不同的心智模型。（这里有一个来自 ChatGPT 的回复示例^[12]）。

<目标> 请帮我为国际化扩张制定一个市场排序框架，概述可以从哪些不同角度来构建这个框架，并提出一个结合了最重要维度的综合框架。 </目标>

<背景信息> 我们是 [关于你公司的背景信息]。在美国市场取得一定规模后，我们正考虑向国际扩张。我目前的想法是 [概述你当前对国际化的思考]，但我希望你能帮我更全面地思考这个问题。 </背景信息>

然后，我们来整理一份最高质量的市场数据源清单。（这里有一个来自 ChatGPT 的回复示例^[13]）。

我打算在“深度研究”里做实际的市场排序。请为我整理一份潜在的高质量数据源清单，分别针对 1) 市场总规模（TAM）和 2) 竞争格局数据。

请列出不同的数据源，并根据以下标准进行比较：1) 它们具体包含哪些数据维度，2) 它们的可信度如何（并说明原因；例如，来自统计局和政府组织等一手来源的数据，评级应高于博客/不知名网站），3) 数据的时效性如何等。请同时按获取方式（免费 vs. 付费 vs. 需免费注册/登录）对它们进行分类。

最后，我们把所有这些都喂给“深度研究”，来得到我们的国家排序列表^[14]：

关于“深度研究”的更多灵感

以上例子只是“深度研究”能做的事情中的一小部分。它的可能性几乎是无限的，但如果在这里全部讲完，文章就太长了。

不过，这里还有一些思路供你尝试：

用 ChatGPT 代理模式，记录下行业领先公司或你的竞争对手是如何处理产品演示预订或用户引导等流程的。
用 Perplexity 快速了解社交媒体上对你最近发布的新功能的反馈。
让 ChatGPT 深度研究整理一份详尽的报告，介绍与你类似的公司用过的成功营销噱头和增长黑客案例，然后再与一个推理模型（GPT-5 或 Claude Opus）合作，分析哪些适合你，以及你该如何调整应用。

另外，如果你也在 GTM 的任何场景中使用“深度研究”（或 ChatGPT 代理模式），非常欢迎在评论区分享你的经验！