字节跳动-AI产品深度调研模板_产品经理|产品经理|PM老猫

大家好，我是2025年通过薛老板的辅导上岸字节跳动AI产品团队，做了半年实习的晓晗。

这段时间天天跟模型、Prompt、用户反馈打交道，mentor带着做了好几个从0到1的调研项目。

今天想把我自己跑通的一套「深度调研方法」分享给大家，特别适合对AI产品好奇、或者正在找AI 产品经理/产品运营实习的同学。

整个指南的方法论其实来自mentor常提的——AI产品经理要做到知行合一。

很多同学调研停留在看报告，但真正能落地的认知必须经过动手验证。

我把这个过程切成三块：

输入（Input）→ 内化（Process）→ 输出（Output）

输入(Input)：锁定高质量信息源，把商业逻辑和技术底层摸透，拒绝瞎刷信息
内化(Process)：动手实操（写简易代码/走通完整产品流程），搞懂技术边界和落地细节
输出(Output)：把学到的认知落地成产品洞察，能给团队决策做支撑才叫有用

第一步：Input（输入）｜搭建高维认知

字节前辈天天强调：调研别当无效冲浪！要从战略层面切入，先搞懂「背后逻辑」再看「表面功能」，分享我日常通勤、摸鱼时都在用的信息源和实操动作??

1、商业与战略层（盯紧「变现逻辑」和「核心壁垒」）

目标：搞懂这个AI技术凭啥能赚钱、谁会为它买单，摸清赛道的底层玩法

必看信息源：

VC视角：a16z、红杉、Benchmark的官方博客！这些机构总能在技术爆发前甩出「赛道地图」，我每周固定抽1小时啃一篇，重点琢磨“这个赛道为啥现在崛起”“VC押注的趋势到底是什么”——字节做产品超看重赛道预判，这步不能省！
创始人视角：YCombinator、LexFridman Podcast、Latent Space，不用全听，重点抓创始人吐槽的“最难啃的硬骨头”，那就是当前技术的核心瓶颈，也是我们做产品能切入的机会点～
头部企业+大佬履历：谷歌、英伟达这些AI巨头的产品矩阵、商业布局要盯死；还有行业大佬的领英，顺着他们的职业路径捋，能摸清行业方向迭代的逻辑，字节做战略调研时也常这么挖信息！

字节实习复用动作：每周挑1篇深度文章，手绘赛道价值链地图（模型提供方→中间件服务商→应用开发者→终端用户），每次画完都找mentor对齐，慢慢就摸清了每个角色的核心诉求，后续做产品落地时思路超清晰！

2、技术与前沿层（摸清「能力边界」和「迭代动向」）

目标：搞懂当下主流AI产品、模型的能与不能，甚至预判下个月的技术新动向——字节AI产品岗，对技术敏感度要求拉满！

必看信息源：

Hugging Face Daily Papers：每天花10分钟刷高赞论文摘要，不用啃公式（实习生没必要钻这么深），重点看「解决了什么核心问题」「比之前的方案强在哪」，快速拿捏技术进展。
X（原Twitter）技术圈：盯紧Karpathy、LeCun、Yi Tay这些AI大佬，技术突破往往先在这“吐槽”或“炫技”，我好几次挖到的行业新动态，跟mentor同步时都被夸有敏感度～
Product Hunt：刷日榜、月榜，摸清当下出圈的AI产品有哪些，重点盯它们的核心卖点；Techmeme同步行业新闻，每天新增的AI产品、技术合作全不落下。
技术博客：重点看人家用的核心技术、怎么搭建评测集、从哪些维度（准确率、安全性、长文本处理能力）衡量产品好坏，这些都是后续做竞品分析的硬参考。

字节实习复用动作：建专属「技术名词库」！遇到KV Cache、MoE、Diffusion Transformer这些看不懂的词，要么查资料，要么让AI用大白话讲透，现在我这本本子都记满了，跟技术同学对接再也不用怕听不懂！

3、开源与工程层（搞懂「落地路径」）

目标：弄明白论文里的技术，怎么变成能落地的代码——AI产品实习生不用写复杂代码，但必须懂工程落地逻辑，不然跟技术同学对接会脱节！

必看信息源：

GitHub Trending（Python榜）：每周看一次，摸清当下热门的开源项目，知道行业里都在深耕哪些方向。
LangChain/LlamaIndex官方文档：这俩是AI Agent编排的核心工具，文档更新速度超快，能跟上业界最新共识，字节做Agent相关调研时必翻！

字节实习复用动作：遇到新赛道（比如AI视频、AI搜索），先去GitHub搜星标最多的开源项目，吃透它的README和架构图，快速拿捏核心逻辑。我之前调研AI搜索时，就靠这个方法摸清了gpt-researcher的落地思路，跟技术同学对接时精准踩中需求点～

第二步：Process（内化）｜动手实操，吃透竞品与技术落地

这是AI产品岗和传统产品岗的核心差距！

在字节实习时，mentor天天念叨“别光看文档，亲手测才有用”——不用深耕技术，但必须摸透技术能力边界，分享我实操过的3个方法??

1、全维度竞品分析（字节实习核心工作，每周必做！）

我每次做竞品分析，都按这4个维度拆解，最后整理成表格同步给团队，高效又全面，附具体调研要点和实操细节～

（1）战略层

目标用户画像：搞清楚它的受众（B端企业？C端大众？极客开发者？还是医疗、法律这类特定行业？）
调研时重点扒官网产品标语、使用案例，再蹲蹲社区，看活跃用户都是谁，比如有的AI工具社区全是开发者，那它的核心受众就是极客。
核心价值主张：用一句话总结它的定位（比如Claude是“安全又懂人心的对话助手”，Midjourney是“AI绘画天花板，艺术感拉满”），重点挖它解决了什么核心痛点——这是后续做产品差异化的关键。
差异化壁垒：它靠啥站稳脚跟？是有独占数据、算法更能打，还是价格亲民、生态插件多？字节做产品超看重壁垒，比如我们之前调研AI对话工具，就重点对比了各产品的算法精度和数据优势。

（2）体验层

交互范式：是传统对话式（Chat）、双栏画布（Canvas/Artifacts），还是Copilot那种伴随式？不同交互适配不同场景，比如办公类AI多做伴随式，绘画类多做画布式。
易用性与引导：注册流程繁不繁琐？有没有新手引导？核心功能藏得深不深？亮点功能是什么？
我在字节做产品优化时，就常参考竞品的冷启动体验，比如有的工具新手引导手把手教核心功能，留存率直接拉满。
UI/审美：为啥觉得它高级？排版、加载动画、流式输出的流畅度，甚至复杂功能的折叠展开逻辑，都影响用户体验。我每次都会截图收集优秀UI，整理成“交互灵感库”，给团队提需求时直接用。

（3）商业层

商业模式：是免费+内购（Freemium）、订阅制（SaaS），还是按量付费（Pay-as-you-go）？不同模式适配不同用户，比如B端多做订阅制，C端多做免费+内购。
定价策略：会员权益怎么分层？免费版用啥模型？Pro版多了哪些功能、能多调用多少次？比如ChatGPT Plus每月20刀，竞品有的10刀有的30刀，还要看有没有年付优惠——这些都是后续做定价参考的硬依据。
增长机制：有没有邀请裂变（比如邀请好友送使用时长/额度）？生成的内容链接有没有自带品牌水印，方便分享传播？我在字节参与的AI项目，就参考过竞品的裂变机制，拉新效果直接翻倍。

（4）能力层（重点中的重点！）

这是AI产品的核心竞争力，我每次都会逐点测试，整理成测试报告，附具体测试方法??

A. 模态维度（Form）：能“看/听/读”懂什么？
最直观的功能差异，决定覆盖多少场景，我每次都会实际上传文件测试：
1）视觉：支持上传多少张图片？能不能识别手写体、复杂图表、截图里的代码？
2）文档：支持PDF、Word、Excel这些格式吗？有没有文件大小限制？能不能精准提取内容？
3）音视频：能不能直接识别语音？能不能上传视频做分析（视频理解）？
4）链接：能不能读取网页内容？是只读HTML文本，还是能解析动态页面？
B. 容量维度（Volume）：能“记”住多少？
测试长文本处理和连续对话能力，字节做长文本AI产品时，重点盯这几点：
1）上下文窗口：支持最大Token数（8k、32k、128k还是1M+）？Token越多，能处理的文本越长。
2）大海捞针能力：上传超长文本后，提问具体细节，准确率怎么样？比如上传100页PDF，问某个小知识点，能不能精准命中。 3）多轮对话记忆：聊到10轮、20轮后，还能记住第1轮的约束条件吗（比如“全程用JSON格式回复”）？
4）并发处理：能不能一次性处理多个文件（比如“对比这3份PDF的差异”）？
C. 理解维度（Understanding）：有多懂“人话”？
测试Prompt的鲁棒性，这是AI好不好用的关键，分享我在字节常用的测试方法：
1）模糊指令识别：输入“帮我写个那个…”，看AI是主动反问澄清，还是瞎生成凑数。
2）结构化指令遵循：输入复杂逻辑（比如“先总结A，若A包含B则输出C，否则输出D，用Markdown表格呈现”），看逻辑遵循是否严格。
3）潜台词与语境：输入带情绪、暗喻的提问，测试AI的情商和意图识别能力。
4）安全与拒答机制：输入敏感问题，看AI是生硬拒绝，还是引导性拒绝——字节对AI安全要求极高，这一点必须重点调研。

2、用AI辅助“逆向工程”｜拆解竞品的Prompt策略

这是字节mentor教我的技巧！不用懂复杂技术，就能拆解竞品的调教逻辑??

核心思路：让AI帮你分析竞品的输出特征，反推它的System Prompt和模型参数，分享3个具体提问方法：

反推System Prompt：如果发现竞品生成的内容结构超清晰、逻辑超顺，就把竞品的输入输出粘贴给AI，提问：“我在做XX产品的竞品调研，麻烦帮我分析这份输出的特征，反推竞品可能用了什么System Prompt，有没有用到角色扮演、思维链（CoT）、Few-Shot这些技巧？”
诊断“幻觉”来源：如果竞品回答错了，就问AI：“竞品出现了这个错误，可能是因为模型知识截止日期太老，还是RAG检索到错误信息？如果是RAG的问题，是不是切片太碎导致上下文丢失？用大白话帮我解释下。”
推测底层模型：根据竞品的响应速度和输出质量推测，比如“我测试的这个文档对话工具，上传100页PDF能秒级处理，但回答细节经常出错，它更可能用的是长窗口模型还是RAG？这种方案的固有缺陷是什么？”

3、低代码实操｜验证技术落地逻辑（新手友好，零代码基础也能做！）

字节mentor反复强调：动手实操比看10篇报告都有用！哪怕看不懂全量代码，跑通Demo也能摸清落地难度，分享两个我常用的方法??

方法一：用Dify快速搭建简易工具
比如调研“AI法律顾问”赛道，就在Dify上建知识库，上传法律法规文档，配置RAG节点，跑通后就能直观感受到RAG的痛点（检索不准、切片太碎、回答没逻辑）
我之前做这个实操后，给团队提了3个优化建议，全被采纳了！
方法二：复刻开源项目，让AI辅助理解代码
找赛道头部开源项目（比如调研AI搜索就找gpt-researcher），把代码Clone下来，用Cursor打开，提问：“帮我解释这个项目的核心逻辑，它是怎么处理上下文记忆的？” 还能让Cursor帮我配置环境、跑通Demo。
重点：不用看懂每一行代码，跑通的过程中，能摸清工程落地的真实难度（比如依赖冲突、API延迟、显存溢出），跟技术同学对接时，能精准get他们的痛点。

第三步：Output（输出）｜沉淀成果，转化为产品洞察

字节前辈常说：调研的核心不是写报告，是沉淀洞察、提升能力！除了完整的竞品调研报告，这些交付物一定要做好，分享我在字节常用的沉淀方法??

1. 两大核心画布（字节实习必做，每周复盘用！）

用画布梳理调研成果，既清晰又能倒逼自己思考，附具体填写方法：

AI竞品调研画布：把前面全维度调研的结果填进去，重点标注竞品的优势、劣势，以及我们能切入的机会点，同步给团队做决策参考。
AI PM能力成长画布：分两步填写，帮自己复盘成长：
调研前（Plan）：填写左侧，明确这次调研要学懂的技术点、要验证的猜想（比如“搞懂RAG的落地痛点”）。
调研后（Review）：填写右侧，诚实记录自己的差距，比如“对MoE技术的理解不够深”“竞品商业层分析不够细致”，后续针对性弥补。

2、个人知识库沉淀（长期受益，跳槽、晋升都能用！）

这些都是我在字节实习时，慢慢攒下来的“宝藏”，后续做任何AI产品调研都能直接复用：

专业术语词库（Wiki）：把遇到的AI术语、技术名词整理下来，标注大白话解释，后续遇到不用再反复查，跟技术同学对接更顺畅。
Prompt模式库（Library）：记录自己调试Prompt的经验，比如“怎么写Prompt能让AI生成更有逻辑的内容”，还有前面反推的竞品Prompt策略，都整理进去，后续调参更高效。
Bad Case日志：收集竞品翻车的截图、自己测试时遇到的问题，比如“某AI工具处理手写体时识别错误”，后续做产品时提前避坑——字节做产品特别看重Bad Case分析，这步能帮你快速加分！
交互灵感画廊：收集优秀的AI产品UI、交互设计（比如Copilot的浮窗设计），后续提需求时直接参考，不用凭空想。
技术架构图：用思维导图记录对技术的理解，比如“RAG的核心流程”“AI对话工具的技术架构”，慢慢搭建自己的技术认知体系。
商业市场洞察笔记：记录赛道趋势、竞品商业策略、用户需求变化，AI产品经理不仅要懂产品，还要有商业敏感度，这也是字节看重的核心能力～

最后碎碎念

这份指南是我在字节AI产品岗踩了无数坑、跟着mentor一点点磨出来的，实操性拉满！AI产品调研没有捷径，“知行合一”才是关键——多输入、多动手、多沉淀，慢慢就能搭建完整的认知，快速适配实习节奏～

? 附：字节实习常用竞品分析表（可直接复制使用）

竞品名称	目标用户	核心卖点	商业模式	核心优势	核心劣势
竞品1	例：C端大众/职场人	例：长文本处理、多模态交互	例：订阅制（月付20刀）	例：算法精准、交互流畅	例：价格偏高、功能冗余
竞品2	例：B端企业/开发者	例：开源可定制、API适配性强	例：按量付费+企业定制	例：适配性强、性价比高	例：UI粗糙、新手不友好
竞品3	例：特定行业（医疗/法律）	例：行业数据精准、合规性强	例：企业订阅制	例：行业壁垒高、合规性好	例：场景单一、迭代较慢