当前 AI 技术虽强，许多人习惯直接将产品丢给 AI 生成人群画像与痛点方案。这种方式看似高效专业，实则经不起推敲。
以下通过宠物洁牙粉的案例，对比"AI 臆测”与“真实语料”的差异，展示如何正确进行用户调研。
一、AI 生成的虚假画像
以《Breakthrough Advertising》思路让 AI 生成人物画像及五个意识阶段的素材设计，AI 输出了四类人群及其需求：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
AI 还附带了模拟的用户原话及针对五个意识阶段（Unaware 至 Most Aware）的素材建议，逻辑看似完美。若不经核实直接执行，将导致严重偏差。
二、真实语料揭示的真相
通过深入 Reddit 和 Amazon 挖掘真实用户评论，发现 AI 的推演存在巨大谬误。
人群一：不敢赌的老狗主人——恐惧源于“失去”而非单纯“麻醉”
这是最大的人群，但驱动因素与 AI 推测截然不同。在 Reddit 的 [Emotional Support] 标签下，大量帖子显示主人的恐惧不仅来自手术本身，更源于曾经的丧失经历：
-
5 岁犬只检查正常，主人因“怕死在手术台”而放弃（15 分/31 评论）； -
8 岁犬只曾因绝育心脏骤停，主人极度纠结（27 分/15 评论）； -
多狗家庭主人两年内送走两只爱犬，无法承受再次麻醉的风险（22 分）。
真实痛点并非简单的“不要上麻醉台”，而是“我已失去过伙伴，不能再冒险，且无人敢给我确切保证”。此外，兽医对风险谨慎表态与人类医生打包票的落差，加剧了这种恐惧。
人群二：刷牙失败者——需细分为“不配合”与“无效”两类
AI 仅涵盖了“狗不配合”的情况，忽略了更深层的痛点：
-
第一类（不配合）：狗抗拒刷牙、洁牙棒太硬或排斥湿巾，主人感到挫败。 -
第二类（无效）：狗配合刷牙，但长期使用后牙齿状况无改善。Amazon 评论指出：“从幼犬起天天刷，作用微乎其微。”这类用户感受到的是“努力白费”的荒谬感。
人群三：账单回避者——痛点是“价格不透明”而非“贵”
真实报价差异巨大（$850 至 $5,000+），核心问题在于难以获取预估价格。许多主人反馈，即便询问多家诊所也得不到数字下限和上限，导致无法做预算。
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
生意的关键不在于打“低价”，而在于提供“透明化”的价格预期，解决用户无法预算的焦虑。
人群四：口臭忍受者——该人群实际上不存在
真实语料中，口臭仅是发现问题的“信号”，而非购买动机。没有用户表示因口臭而无法亲近宠物。AI 构建的“口臭影响亲密关系”纯属逻辑臆造，以此为导向的营销将完全落空。
人群五：愧疚者——被 AI 遗漏的高价值人群
这是真实语料中情绪最强烈、最接近购买的人群。典型场景是：兽医历年告知“牙齿没事”，最终却确诊重度牙周病需拔牙。用户充满自责与愤怒：“为何 85% 的狗三岁前就有牙周病，兽医却让我等？”他们正在主动寻找阻止恶化的方案，而非被动接受科普。
三、AI 无法预测的关键细节
一位兽医从业者分享的真实经历揭示了关键洞察：
-
狗天生隐藏疼痛，即使牙坏死化脓也不会叫唤； -
即便疼痛等级高达 9 分，狗仍会用患侧咀嚼，“正常吃饭”不代表无痛； -
进食时头往后仰或拨弄食物，实则是为了避开坏牙。
AI 生成的文案“它不会告诉你疼”虽方向正确，但缺乏上述可验证的具体行为描述。正是这些源自真实经历的细节，才能促使用户立即行动检查爱犬口腔。
四、盲目依赖 AI 的代价
|
|
真实情况及后果 |
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
五、实操第一步：利用 Reddit 采集语料
使用带浏览器功能的 AI 工具（如 Claude 插件），访问旧版 Reddit 以获取完整正文内容。搜索 URL 格式如下：
https://old.reddit.com/r/dogs/search?q=teeth+cleaning+dental&restrict_sr=on&sort=relevance&t=all
参数说明：old.reddit.com 避免风控且展示全文；restrict_sr=on 限定板块；sort=relevance 确保相关性；t=all 覆盖历史有效内容。
提示词策略：
角色：用户调研助手。目标：{宠物洁牙粉}，市场：{美国}。
任务：使用浏览器采集 Reddit 真实语料。
规则：
1. 仅使用 old.reddit.com。
2. 自主判断相关板块，每组关键词覆盖症状、方案、价格、失败经历及情绪。
3. 筛选标准：仅记录高分数或高评论数内容，互动量代表权重。
4. 输出要求：按情绪聚类，列出担忧点、语料复述（含分数/评论数）及规模信号。
5. 禁忌：严禁编造任何语料，未搜到即如实反馈。六、实操第二步：利用 Amazon 验证反馈
Reddit 反映购买前声音，Amazon 则呈现购买后反馈。直接访问竞品详情页（ASIN），利用 Amazon 自动生成的话题频次表及精选评论进行分析。
关键发现：
-
话题频次：Amazon 已统计好关键词提及次数（如副作用 288 次、气味 219 次），需在素材中正面回应。 -
星级分布：一星差评多于二星，说明问题集中在“完全无效”或“安全事故”，非小瑕疵。 -
真实图片：买家晒出的牙结石脱落瞬间最具冲击力，优于摆拍的前后对比图。
提示词策略：
任务：采集 Amazon {宠物洁牙粉} 类目真实评论。
步骤：
1. 类目大盘：分析价格分布、高频卖点、头部产品及新品牌动态。
2. 拆解头部：记录星级分布、AI 话题频次表、“经常一起购买”组合（如发现洁牙粉 + 水添加剂的组合趋势）。
3. 深挖评论：聚焦高赞差评（信任障碍）、三四星评论（真实细节）及多国评论交叉验证。
输出：最大作用点、两大购买障碍、主要抱怨点及用户算账逻辑。
禁忌：严禁编造评论内容。
重要洞察：多国评论均提到“牙结石崩落”现象，证实产品实效；同时需警惕特定成分（如海藻碘）对患病犬只的潜在风险，避免营销翻车。
七、第三步：收敛人群与总结
将采集的语料收敛为具体人群，遵循以下原则：
1. 区分标签与欲望：标签是“老狗主人”，欲望是“安全地多陪几年”。只有欲望能转化为素材。
2. 证据支撑：每个痛点必须对应具体语料来源（分数、评论数）。
3. 规模信号：用语料互动数据证明人群规模。
4. 输出结果：3-5 个基于真实欲望的人群画像。VOC 的核心在于捕捉那些模型无法生成的、源自真实经历的句子。例如兽医那句“疼到九分还在咀嚼”，只有亲历者才能道出。这些真实的声音不在数据库中，而在用户的讨论里。
建议您立即对现有产品执行此流程：搜索 Reddit、分析 Amazon 头部链接，让 AI 辅助收敛人群。这将为您带来真正具备转化力的素材原材料。