ChatGPT 把 JSON 当成普通文本读,而不是结构化数据
传 JSON 想让 ChatGPT 查键、聚合值,它却把整份文件当一大段文字读,靠字符串匹配回答。答案听起来像那么回事,是凭感觉,不是算出来的。
带有该标签的文章
传 JSON 想让 ChatGPT 查键、聚合值,它却把整份文件当一大段文字读,靠字符串匹配回答。答案听起来像那么回事,是凭感觉,不是算出来的。
把跑完的 A/B 测试压成一页:赢家、提升、CI、分段 caveat、novelty 风险,加一个干净的 ship/hold/kill 决策。
把定稿的预算变成 300 字叙述:点出差异、解释投入、暴露风险——这是领导真正会读的那份文件。
分析运营数据(Zendesk / Mixpanel / 销售记录):一行答案、3 个支持数据点、1 个数据 caveat、下一步要跑的分析。
为图表 / 表格生成 3 版 caption——描述 / 解读 / 行动——并加一个常见误读提示,防止读者得出错结论。
让 AI 把 deck 里每张图变成 2 句 takeaway:说出模式 + 含义,而不是描述柱子的高低。
用 AI 拼一份结构化竞品分析:定位、定价、GTM、优势、软肋——并通过事实核查那一轮抓住编造的声明。
用 AI 搭建多家竞品并排对比的实战流程:每个格子可追源、能落到洞察和空白点,不被一句『哪儿看的』问倒。
在 Slack 顶部贴一份 4 行周 takeaway,让团队真的读——先讲什么动了、为什么、一个被忽略的意外、本周该问的问题。
用 AI 当严苛的二审:显著性、效应量、样本量校验、效度威胁、下一步该做什么——避免在小样本上做错决定。
把 200 页年报压成一页 brief——商业模式、收入构成、风险、机会、CEO 自豪点 vs 淡化点——按读者视角定制。
分析师视角的 AI 财务趋势工作流:从月度数据中挖出 3 个真趋势、3 个异常和 3 个可证伪假设,附输入清单、Prompt、验证步骤和 AI 常误导你的地方。
找到相对基准 gap 最大的那一步(不是绝对掉量最大),给出预期 ROI 最高的那一个测试——以及不值得跑的测试和原因。
从“激活率涨 4 分”到“大概率是什么导致、还有什么不确定、什么数据能消歧”——又不过度归因。
用 AI 把一周指标变成紧凑总结:TL;DR、3 个 win、3 个风险、1 个 ask,叙事不丢。
把本周 KPI 表变成 200 字周报:环比、异常点、有数据支撑的假设、一句下周关注——续杯咖啡的时间里搞定。
把 20+ 页竞品拆解和用户访谈整成清晰的竞争格局文档:细分、真实 gap、一个 kill-switch 假设——周四前交。
把 5 份 PDF 和一堆 deck,整理成带市场体量、趋势、风险、推荐的一页纸总结。
用 AI 对访谈转录做开放编码和轴心编码,配合一致性核查,避免 AI 凭空捏造主题。
把 12 × 12 留存 cohort 网格压成 3 句话给 leadership——W1 方向、长尾形状、一个值得深挖的 outlier cohort。
一套可复用的 AI 问卷开放题聚类流程:主题可核实、引用可追溯,避免『挑句子凑结论』。
把 200 条问卷压成围绕 2-3 个业务决策组织的一页叙事——配真实原话、先验冲突标记、以及一段诚实的「太薄不能下结论」。
把密密麻麻的表格压成一段大白话,再配 3 条该怎么用——不是把数字再念一遍。
把几百条 App 评价、NPS 评论或工单,整理成产品团队下周就能动手的 5-10 个主题。
Advanced Data Analysis 让 ChatGPT 变成一个真的 Python notebook。这里是怎么用、又不被漂亮图表骗的方法。
一套可复用的文件分析流程,让 ChatGPT 真的引用原文,不是含糊总结。
11 个 Prompt 给 AI 喂 schema 与聚合而非 5000 行原始数据——清洗、异常、透视、写汇报、公式解读、结果复核。