L’interface est localisée ; les présentations et documents des Skills sont traduits automatiquement par IA dans votre langue. Le code, les commandes, chemins et termes techniques restent en version originale, et le document de l’auteur fait foi.
Explorer les Skills
Données et recherche · SKILL.md

research-analysis

research-analysis

研究分析:文獻回顧、競品分析、市場調研、數據分析方法論

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentation de la Skill

GitHub

schema: "1.0" name: research-analysis version: "1.0.0" description: 研究分析:文獻回顧、競品分析、市場調研、數據分析方法論 domain: professional triggers: keywords: primary: [研究, research, 分析, analysis, 調研, 文獻回顧, literature review, 競品分析, competitor analysis, 市場調查] secondary: [報告, report, 調查, survey, 洞察, insight, 問卷, questionnaire, 訪談, interview, 數據分析, data analysis] context_boost: [方法論, methodology, 質性, quantitative, 量化, qualitative, 框架, framework] context_penalty: [code, 程式, api, frontend, backend] priority: high dependencies: software-skills: [documentation] author: claude-domain-skills

研究分析 Research Analysis

系統化的研究方法與分析框架

適用場景

  • 市場調研與競品分析
  • 文獻回顧與研究綜述
  • 用戶研究與需求分析
  • 數據分析與洞察報告

研究流程框架

1. 定義問題 → 2. 資料收集 → 3. 分析整理 → 4. 洞察提煉 → 5. 建議行動
階段關鍵活動
定義研究目的、關鍵問題、成功標準
收集一手資料(訪談、問卷)、二手資料(文獻、數據庫)
分析定性(編碼、主題歸納)、定量(統計、視覺化)
提煉關鍵發現、模式識別、因果推論
建議策略建議、行動方案、風險評估

競品分析框架

分析維度

維度分析要點
產品功能核心功能、差異化特點、功能完整度
用戶體驗介面設計、使用流程、學習曲線
商業模式定價策略、收入來源、獲客方式
市場定位目標客群、價值主張、品牌形象
技術架構技術棧、擴展性、安全性

競品矩陣模板

| 維度 | 我們 | 競品A | 競品B | 競品C |
|------|------|-------|-------|-------|
| 核心功能 | ★★★ | ★★★★ | ★★ | ★★★ |
| 定價 | $99 | $149 | $49 | $79 |
| 目標客群 | SMB | Enterprise | Startup | SMB |
| 差異化 | 簡單易用 | 功能完整 | 價格低 | 整合多 |

市場調研方法

定性研究

方法適用場景樣本量
深度訪談探索動機、理解脈絡8-15 人
焦點小組收集多元觀點、激發討論6-10 人/組
觀察法了解實際行為、發現痛點視情況
日誌研究追蹤長期行為變化10-20 人

定量研究

方法適用場景樣本量
問卷調查驗證假設、量化趨勢100+
A/B 測試比較方案效果視流量
數據分析發現模式、預測趨勢大數據

常見分析框架

框架用途適用場景
SWOT優劣勢機會威脅策略規劃
PEST政經社技環境宏觀分析
Porter's 5 Forces產業競爭力產業分析
Jobs-to-be-Done用戶任務動機產品創新
Affinity Diagram歸納整理資訊質性分析

假說驅動分析

假說公式

IF [做 X 行動] → THEN [產生 Y 結果] → BECAUSE [基於 Z 理由]

驗證流程

  1. 建立假說 - 基於觀察提出可驗證假說
  2. 設計驗證 - 決定數據需求與收集方式
  3. 收集證據 - 收集支持或反駁的數據
  4. 分析結果 - 判斷證據是否支持假說
  5. 修正確認 - 成立則進入建議,否則修正重驗

三角驗證法

使用多種來源驗證同一結論,提高可信度:

類型說明範例
數據三角多種數據來源訪談 + 問卷 + 行為數據
方法三角多種研究方法質性 + 量化
研究者三角多人獨立分析兩位分析師編碼

問卷設計要點

結構:開頭簡單問題 → 中間核心問題 → 結尾人口統計

原則:

  • 一題只問一件事
  • 避免引導性問題
  • 提供「不適用」選項
  • 5-10 分鐘最佳(約 15-25 題)

問題類型:單選、多選、量表、矩陣、開放式、排序

數據視覺化選擇

目的推薦圖表
比較長條圖、折線圖、堆疊長條圖
分布直方圖、盒鬚圖、散點圖
組成圓餅圖(< 6 類)、樹狀圖
趨勢折線圖、面積圖

原則:標題說明訊息、Y軸從0開始、一致顏色編碼、標註來源

研究品質標準

質性研究

標準達成方法
可信性三角驗證、成員查核
可轉移性厚描述、清楚脈絡
可靠性詳細記錄、審計軌跡
可確認性反思日誌、同儕檢核

量化研究

標準評估方式
內部效度控制變項、隨機分配
外部效度樣本代表性
信度Cronbach's alpha
構念效度因素分析

研究倫理

必須:知情同意、保護隱私、如實呈現、標註來源、說明限制

避免:操縱數據、選擇性呈現、未授權使用個資、誇大普適性

工具推薦

用途工具
文獻管理Zotero, Mendeley
質性分析NVivo, ATLAS.ti, Dovetail
問卷調查Typeform, SurveyMonkey
數據視覺化Tableau, Power BI
AI 輔助Elicit, Consensus, Claude

延伸資源

詳細模板與指南請參考 extended/ 目錄:

  • templates.md - 研究計劃、文獻回顧、報告、訪談指南模板
  • examples.md - 假說分析、三角驗證、問卷設計範例
  • checklists.md - 研究倫理、品質評估、AI 使用清單

參考資源

Skills enregistrées