适用场景

当用户需要市场实证依据，而非仅凭主观意见做判断时，应使用本技能。该技能适用于以下场景：市场规模测算、机会验证、竞品格局分析、目标客群细分选择、定价研究、空白市场识别（whitespace mapping）以及扩张决策。

当用户提出如下问题时，本技能尤为有效：“这个市场是否值得进入？”、“真实的机会规模有多大？”、“还有谁已在此领域取得成功？”或“在我们投入更多时间进行开发、发布或投资前，哪些证据可有效降低风险？”

速查指南

针对具体任务，选用最小且相关的文件。

研究简报

每次正式开展研究前，请先撰写一份精炼的简报，格式如下：

MARKET RESEARCH BRIEF
Decision:
Target customer:
Geography:
Category or substitute set:
Time horizon:
Must-answer questions:
Evidence bar:

若简报内容薄弱，研究过程将容易偏离方向。聚焦明确的问题，才能产出更精准的市场判断、更有效的对比分析，以及更具操作性的建议。

研究模式

选择能充分支撑决策的最轻量级研究模式。研究深度应服务于决策本身，而非个人偏好或展示欲。

核心原则

1. 研究启动前，先明确定义决策目标

所有工作必须锚定一个具体决策：

• 进入或放弃某市场
• 在多个细分中优先选择其一
• 塑造产品定位与定价策略
• 验证是否应推进开发、发布或扩张

若缺乏明确的决策目标，研究极易沦为堆砌事实的文档，缺乏实际杠杆作用。

2. 分层测算市场，而非仅依赖 headline 数字

切勿止步于单一宏观数字。需拆解为三层：

尽可能呈现计算公式、关键假设及置信水平。一个更小但有坚实依据的数字，远胜于庞大却模糊的估算。

3. 多源交叉验证，并评估信息源质量

在得出强结论前，至少应整合三类证据：

• 市场结构数据：人口普查、企业备案、行业协会报告、公开基准数据
• 行为数据：搜索趋势、用户评论、招聘启事、产品使用替代指标（proxies）
• 直接客户证据：深度访谈、结构化问卷、等待名单、预付款、意向书（LOIs）

详见 evidence-grading.md 中的置信度阶梯（confidence ladder）。若所有证据均来自同一类型来源，则结论依然脆弱。

4. 先完成细分，再尝试泛化

切勿将“整个市场”视为均质整体。请按以下维度进行合理细分：

• 客户类型
• 公司规模
• 地理位置
• 问题紧迫性
• 付费意愿
• 现有替代方案

许多错误结论源于将行为差异极大的细分群体强行平均处理。

5. 围绕客户选择展开竞品图谱，而非仅罗列品牌名称

竞品分析应涵盖：

• 直接竞品
• 间接替代方案（indirect substitutes）
• 内部临时解决方案（如 Excel 表格、外包机构、人工流程等）
• 具备清晰邻近优势的潜在新进入者（future entrants with clear adjacency）

请使用 competitor-analysis.md 构建定位地图（positioning map）、评论挖掘矩阵（review-mining matrix）及空白市场视图（whitespace view）。真正的竞争对手，是客户在你提出的方案之外实际会选择的替代选项。

6. 优先采信“已显现的需求”，而非“口头表达的热情”

可借助访谈与问卷了解用户语言和行为模式，但应更信任实际行为，而非表面赞誉。

强信号包括：

• 反复出现的痛苦型临时解决方案（painful workarounds）
• 高频发生的紧急问题
• 客户主动向他人推荐、并描述相同痛点
• 真实付费意愿、参与试点、预购或切换供应商的行为

弱信号包括：

• “很棒的想法”（great idea）
• 泛泛而谈的问卷正面反馈
• 点赞、关注或宽泛的好奇心，但无任何具体行动

详见 validation.md 中关于访谈设计、问卷结构及定价研究的方法论。

7. 以“可执行的决策建议”收尾

每份交付物均须以如下结构结束：

RECOMMENDATION
- 证据所支持的结论
- 当前仍存在的不确定性
- 下一步应采取的具体行动
- 哪些新信息或变化将导致建议调整

优秀的市场研究能降低不确定性；卓越的市场研究则能让“下一步动作”变得显而易见。

常见陷阱

• 自上而下的表演式测算（Top-down theater） → 过大的品类数字制造虚假信心，削弱实际规划能力。
• 竞品隧道视野（Competitor tunnel vision） → 仅关注可见品牌，忽略替代方案及维持现状（status-quo）行为。
• 细分模糊（Segment blur） → 混合 SMB、企业级、专业消费者（prosumer）与普通消费者需求，污染最终结论。
• 信息时效性失效（Source recency failure） → 使用过时的定价页面与陈旧报告，使当前决策看似比实际更安全。
• 观点通胀（Opinion inflation） → 将无实际行动支撑的问卷热情误判为真实需求。
• 缺失置信度标注（No confidence labeling） → 强证据与弱证据被同等呈现，未加区分。
• 无建议的研究（Research with no recommendation） → 用户获得一份报告，却无清晰可行的后续路径。

安全与隐私

本技能不会执行以下操作：

• 发起隐蔽的外部请求（hidden outbound requests）
• 虚构客户信号或伪造访谈内容
• 访问私有竞品系统
• 默认创建持久化记忆或维护本地 workspace
• 存储密钥（secrets），除非用户明确要求启用该工作流

仅当任务确实需要当前市场数据，或用户明确要求引入外部证据时，才可进行实时网络调研（live web research）。

关联技能

若用户确认安装，可通过 clawhub install 获取以下扩展技能：

• pricing —— 将验证结果转化为定价策略与支付意愿（willingness-to-pay）决策
• seo —— 将经验证的需求转化为以搜索为导向的定位策略与内容机会
• business —— 将市场发现对接至战略选择与日常运营权衡
• compare —— 在多个市场或细分竞争时，构建横向选项对比框架
• data-analysis —— 将采集的数据转化为更清晰的解读与配套可视化图表

反馈

• 若本技能有用：clawhub star market-research
• 保持更新：clawhub sync