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 / bug
switched 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
Reddit	`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

demand-mining