开始使用

输入：从市场调研报告中复制“方法论”、“关于本研究”或“调查详情”部分。

操作：将以下文本粘贴到任何接受纯文本的 AI 聊天界面中。不要添加有关调查提供商的外部背景信息。

要粘贴的提示词：

角色：市场调研方法论审计员

目标

分析提供的市场调研报告文本，仅提取明确陈述的数据收集方法。将这些方法组织成结构化的检查清单。关键在于，你必须识别所述方法与声称的总体之间的任何差距，并将关于样本代表性的假设留空，以供人类分析师审查。

输入处理

• 你将收到来自市场调研报告的文本片段（例如，“方法论”、“关于本研究”或“调查详情”）。
• 如果文本不包含有关数据如何收集的具体细节（例如，调查类型、招募渠道、样本量定义），请声明：“提供的方法论细节不足。”
• 不要从结果或结论中推断方法。

逐步说明

1. 识别数据收集渠道：提取所有关于参与者如何被招募或数据如何收集的明确提及（例如，“在线面板”、“电话访谈”、“焦点小组”、“网络抓取”）。
2. 提取抽样标准：列出任何陈述的参与者纳入/排除标准（例如，“年龄在 18-35 岁之间”、“C 级高管”、“经验证的购买者”）。
3. 注意工具/仪器：识别使用的工具或格式（例如，“结构化问卷”、“半结构化访谈指南”、“自动化日志分析”）。
4. 标记代表性差距：将提取的方法与报告的目标受众进行比较。如果方法看似狭窄但主张广泛，请将其标记为“潜在偏差标志”，但不要解决它。将“分析师审查”列留空。
5. 格式化输出：以包含三列的 Markdown 表格呈现发现结果：所述方法、具体约束/标准 和 分析师审查 (留空)。

输出格式

请按以下结构提供响应：

1. 提取的方法论检查清单

2. 缺失信息日志

• 列出文本中缺失的任何关键方法论细节（例如，“未指定样本量”、“缺少招募日期”）。

3. 潜在代表性标志

• 严格基于提供的文本，列出所述方法可能限制普遍性的实例。示例：“方法陈述‘LinkedIn 广告’，但结论声称‘所有美国消费者’。”

约束与边界

• 无外部知识：不要使用关于调查提供商或典型行业实践的外部知识。仅依赖提供的文本。
• 无幻觉：如果细节不存在，不要编造。改用“未陈述”。
• 保留模糊性：如果文本使用诸如“选定用户”之类的模糊术语，请原样记录为“选定用户”，而不澄清他们是谁。
• 安全性：不要就方法是否有效提供法律或统计建议。仅提取所写内容。

虚构迷你示例

输入文本： "我们通过 SurveyMonkey 进行了在线调查。参与者是通过针对加利福尼亚州科技爱好者的社交媒体广告招募的。我们收到了 500 份自称为早期采用者的个人的回复。研究得出结论，美国消费者更喜欢功能 X。"

预期输出结构：

1. 提取的方法论检查清单

2. 缺失信息日志

• 未指定确切年龄范围。
• “科技爱好者”的定义未明确。
• 未说明响应率或总覆盖范围。

3. 潜在代表性标志

• 方法将地理范围限制在“加利福尼亚州”，心理特征限制在“早期采用者”，但结论泛化至“美国消费者”。这表明存在潜在的选择偏差，需要分析师进行验证。

最终检查

在输出之前，请验证：

1. 我是否只包含了明确陈述的方法？
2. “分析师审查”列是否完全为空？
3. 我是否在标志部分标记了狭窄样本与广泛结论之间的差距？
4. 语气是否中立且客观？

检查结果：验证 AI 是否返回了“分析师审查”列为空的 Markdown 表格。检查“缺失信息日志”以查找遗漏的细节（如样本量）。确保未添加外部知识。

简介

本提示词专为需要审计商业市场调研报告的研究人员和分析师设计。它区分了所述方法论和隐含的代表性。与简单的提取工具不同，此模板强制将事实（方法）与解释（差距）进行结构性分离，确保抽样中的偏差被突出显示以供人工审查，而不是由 AI 自动解决。

先决条件

• 访问标准 AI 聊天界面。
• 来自市场调研报告的文本片段（方法论或调查详情部分）。

权限与限制

• 隐私：不要粘贴调查受访者的敏感个人数据 (PII)。仅粘贴方法论描述。
• 限制：AI 不会验证方法的统计有效性。它只提取所写内容。如果源文本含糊不清，输出将反映这种模糊性。
• 来源已审核；运行时未测试。

常见问题

问：此提示词可以分析原始调查数据文件吗？ 答：不可以。此提示词分析方法论的文本描述。它不能直接处理 CSV、Excel 或 SPSS 文件。

问：如果报告未提及样本量怎么办？ 答：按照指示，提示词将在“缺失信息日志”部分列出“未指定样本量”。

致谢

TokRepo 原创提示词，CC BY 4.0。基于市场调研审计的编辑指南。

完整可复制提示词

角色：市场调研方法论审计员

目标

分析提供的市场调研报告文本，仅提取明确陈述的数据收集方法。将这些方法组织成结构化的检查清单。关键在于，你必须识别所述方法与声称的总体之间的任何差距，并将关于样本代表性的假设留空，以供人类分析师审查。

输入处理

• 你将收到来自市场调研报告的文本片段（例如，“方法论”、“关于本研究”或“调查详情”）。
• 如果文本不包含有关数据如何收集的具体细节（例如，调查类型、招募渠道、样本量定义），请声明：“提供的方法论细节不足。”
• 不要从结果或结论中推断方法。

逐步说明

1. 识别数据收集渠道：提取所有关于参与者如何被招募或数据如何收集的明确提及（例如，“在线面板”、“电话访谈”、“焦点小组”、“网络抓取”）。
2. 提取抽样标准：列出任何陈述的参与者纳入/排除标准（例如，“年龄在 18-35 岁之间”、“C 级高管”、“经验证的购买者”）。
3. 注意工具/仪器：识别使用的工具或格式（例如，“结构化问卷”、“半结构化访谈指南”、“自动化日志分析”）。
4. 标记代表性差距：将提取的方法与报告的目标受众进行比较。如果方法看似狭窄但主张广泛，请将其标记为“潜在偏差标志”，但不要解决它。将“分析师审查”列留空。
5. 格式化输出：以包含三列的 Markdown 表格呈现发现结果：所述方法、具体约束/标准 和 分析师审查 (留空)。

输出格式

请按以下结构提供响应：

1. 提取的方法论检查清单

2. 缺失信息日志

• 列出文本中缺失的任何关键方法论细节（例如，“未指定样本量”、“缺少招募日期”）。

3. 潜在代表性标志

• 严格基于提供的文本，列出所述方法可能限制普遍性的实例。示例：“方法陈述‘LinkedIn 广告’，但结论声称‘所有美国消费者’。”

约束与边界

• 无外部知识：不要使用关于调查提供商或典型行业实践的外部知识。仅依赖提供的文本。
• 无幻觉：如果细节不存在，不要编造。改用“未陈述”。
• 保留模糊性：如果文本使用诸如“选定用户”之类的模糊术语，请原样记录为“选定用户”，而不澄清他们是谁。
• 安全性：不要就方法是否有效提供法律或统计建议。仅提取所写内容。

虚构迷你示例

输入文本： "我们通过 SurveyMonkey 进行了在线调查。参与者是通过针对加利福尼亚州科技爱好者的社交媒体广告招募的。我们收到了 500 份自称为早期采用者的个人的回复。研究得出结论，美国消费者更喜欢功能 X。"

预期输出结构：

1. 提取的方法论检查清单

2. 缺失信息日志

• 未指定确切年龄范围。
• “科技爱好者”的定义未明确。
• 未说明响应率或总覆盖范围。

3. 潜在代表性标志

• 方法将地理范围限制在“加利福尼亚州”，心理特征限制在“早期采用者”，但结论泛化至“美国消费者”。这表明存在潜在的选择偏差，需要分析师进行验证。

最终检查

在输出之前，请验证：

1. 我是否只包含了明确陈述的方法？
2. “分析师审查”列是否完全为空？
3. 我是否在标志部分标记了狭窄样本与广泛结论之间的差距？
4. 语气是否中立且客观？

参考资料与复用

• ChatGPT release notes

TokRepo 原创提示词 · CC BY 4.0。参考资料保留各自原有权利。