3 小时出一份海外市场调研报告:我的 AI 调研实践上一篇写了 AI 怎么每周帮我盯价格。这篇讲另一件更费脑子的事：海外市场调研。以前做这种报告，最容易出现的情况是：资料存了几十篇，网页开了几十个，一天过去了，还是回答不了最基本的问题——这个市场值不值得进，应该先找谁。现在我的目标很明确：三个小时拿出能用于讨论的第一版。不是三个小时完成最终尽调，而是先把市场轮廓、关键证据、潜在客户和未知项摆到桌面上。我不会直接对 AI 说：“帮我调研一下某个产品的欧洲市场。”这个问题太大，它很容易交回一篇看起来完整、实际上不能用的行业概述。我会先写一页任务书：产品到底是什么，准备卖到哪里，要支持什么决定。通常只问五件事：市场有多大，主要买家是谁，现有供应商是谁，进入门槛是什么，我下一步该联系谁。这里最重要的是统一口径。产品名称、HS 编码、国家范围、时间范围、数量单位，一开始就要写清楚。海关编码如果选宽了，其他产品也会混进来；出口 FOB 和进口 CIF 如果混着比，价格结论就会失真。前 20 分钟，我写任务书，拆报告目录，规定哪些结论必须有来源。接下来的 60 分钟，多路并行采集。一路查贸易数据，一路查生产商和买家，一路查法规、产品和应用。能调结构化数据库的，就不靠搜索摘要；必须读网页的，就把原文和链接保存下来。AI 负责跑这些重复路线，我不在旁边陪它一条条复制。再用 40 分钟做交叉核验。贸易数据看编码和年份，企业信息回到官网，法规找官方文本。搜不到的地方直接记为“未证实”，不让 AI 为了填满报告自己补答案。然后 30 分钟汇总：核心结论放前面，数据表放中间，来源和未知项放后面。每个关键数字后面留来源和访问日期。最后 30 分钟由人看。我主要检查三类地方：最影响决策的结论、好得反常或差得反常的数据、AI 写得特别肯定的句子。有一次，我拿到一张格式很整齐的表格，里面写着：几个国产 POM 牌号都是均聚 POM。如果这个说法成立，我原来一篇对照文章的核心判断就得推翻。我没有直接改文章，而是回去查来源。结果三条都被证伪：云天化的官方口径是共聚甲醛；开封龙宇 MC90 的产品名称就写着共聚甲醛；金发是改性厂，没有 POM 聚合装置。AI 很可能把“这个牌号可以用来对标某种均聚产品”，误写成了“这个牌号本身就是均聚产品”。对标关系被偷换成了材料属性。这件事给我的提醒不是“AI 不能用”，而是格式整齐不等于证据可靠。表格越工整、语气越肯定，有时越容易让人放松检查。第一，关键事实必须有来源。企业产能、产品属性、法规、市场数据，都要能回到官网、官方文件或数据库，不能引用另一个 AI 的回答当证据。第二，事实、估算和线索分开写。官网证明一家企业正在经营某种产品，不代表它已经向我采购；一个国家进口了多少，也不能直接归到当地某一家企业头上。第三，找不到就写找不到。没有公开数据，不等于市场是零；没有拿到公司级提单，也不能用全国出口量冒充客户采购量。第四，所有口径单独标注。年份、币种、单位、税则编码、贸易流向都要留下。报告里最容易出错的，往往不是结论，而是两个看似相同的数字其实不是一回事。AI 适合找资料、读网页、整理表格、比较不同来源、写出第一版。它不烦，也不会因为第二十家公司和第一家长得差不多就偷工减料。人负责决定调研值不值得做，判断哪条证据足够，承担最后的结论。尤其是反常识的信息，不能因为它来自 AI 就降低警惕，也不能因为它来自老客户就自动相信。所以，三个小时省下来的不是思考时间，而是找资料、抄资料和排版的时间。第一版报告的价值也不是“看起来专业”，而是让我知道：已经确定了什么，还缺什么，下一步最值得查哪一个证据。这套流程不只适用于化工。做设备、零部件、建材，只要问题能拆成市场、客户、竞品和门槛，就可以照搬。下一篇准备写一次失败的尝试：我用 AI 投广告，花了四千多块，只换来五个骗子询盘。自动化能省时间，但方向错了，它也会帮你更快地浪费钱。
研报速递
