.webp?table=block&id=32c0e6d7-5649-805a-bc7e-c3a3a3790dd4&cache=v2)
做競品分析有一種常見的死法：資料蒐集完，人已經累了，分析的力氣剩一半。
Deep Research 是用來解決這個問題的。它不是更快的 Google，它是一個會自己工作的研究流程，你給它一個問題，它擬計畫、搜網頁、讀資料、交叉比對，然後給你一份附來源的完整報告。整個過程 5 到 20 分鐘，它同時在處理的事情，人工要花一整天。
它能讀什麼資料？
這一點比較多人不知道，所以值得先講清楚。
Deep Research 的資料來源有 3 層：公開網頁（新聞、品牌官網、社群貼文）、學術資料庫（研究論文、政府數據），以及你自己的 Google Workspace，也就是 Gmail 收件匣和 Google Drive 裡的文件。
最後那一層最關鍵。大多數 AI 工具只能讀公開資料，分析結果跟你的實際狀況常常對不上。Deep Research 可以直接進你的私有資料裡挖，這讓它的結論是真的跟你有關的，不是泛泛的產業觀察。
Deep Research 的來源數量有時候 50 個、有時候 10 個，看起來好像不穩定，但這其實是它刻意的。
它在開始之前會先擬一份研究計畫，判斷這個主題需要查多廣。如果一個主題在各個網站的資訊重複性很高，多找 20 個來源跟找 10 個的結論差不多，它就不追求量大。它甚至會在報告裡列出「有查但最終沒用上」的來源，讓你知道它不是沒查，是查了之後判斷不需要。
來源少，不是偷懶，是這個主題的公開資訊已經收斂了。
行銷人最該用它做什麼
競品電子報分析
先做一件前置作業：把你訂閱的競品 EDM，在 Gmail 裡統一加上一個標籤，比如叫「競品」或「competitor」。只要這個動作做了，後面就輕鬆很多。
接著叫 Deep Research 分析這個標籤底下的所有信件。它會整理出：促銷頻率、折扣結構怎麼設計（比如「前 72 小時 8 折，最後 24 小時再發提醒」）、UGC 素材和精美 HTML 模板各佔幾成、哪幾週是集中發信的時間點。
這些東西你人工也能讀出來，但你不會讀 80 封信。Deep Research 會。而且它還會發現你跳讀時容易漏掉的細節，比如競品在活動中段偷偷做的價格測試。原本 90 分鐘的人工分析，壓到約 20 分鐘。
定位差距分析
你在做新品牌或重新定位時，要知道市場上哪個位置還是空的。
叫 Deep Research 掃前 5 大競品的官網、新聞稿和社群媒體，然後幫每個對手找出他們在消費者心裡「佔的那個詞」，速度、親切、精準、平價、企業級。找完之後，它會畫出一張市場空白地圖。
這不是讓 AI 幫你做決策，是讓它把你本來要做 3 天的前期功課壓縮到半天內完成，讓你的力氣可以花在判斷和決策，不是蒐集。
多個 Deep Research 連用：設計思維架構
單次使用 Deep Research，你得到一份報告。多次串聯使用，你得到一條研究流水線。
這是我自己在跑的架構，用設計思維的 5 個階段來組。每一步問不同的問題，每一份報告餵進下一步。
同理（Empathize）：第 1 次 Deep Research，專門蒐集消費者的真實語言。讓它去掃評論、論壇、問答社群，找目標族群在說什麼、怎麼說、對什麼最有情緒。這一步出來的是原始洞察材料，不是你的詮釋，是他們自己說的話。
定義（Define）：把第 1 份報告加上你的銷售數據，餵給第 2 次 Deep Research。這次問它：從這些消費者觀察裡，最值得解決的核心問題是什麼？縮範圍，不是發散。
發想（Ideate）：第 3 次讓它掃競品策略和跨產業案例，問「別人怎麼解決類似的問題」。這一步不是讓它幫你想答案，是讓它把外部解法整理好，給你的發想提供更多彈藥。
原型（Prototype）：Deep Research 退場，換你自己用前 3 份報告的材料草擬方案。AI 負責蒐集，判斷還是你。
測試（Test）：最後一次 Deep Research，讓它找有沒有類似方案失敗過、失敗原因是什麼，或是你的方案跟市場現況有哪些落差。
這樣串下來，你拿到的是 4 份各自聚焦的報告，每一份在回答那個階段的問題。比起跑一次問個大而全的問題，分開問的每份報告品質會高很多，而且每一步的結論都是下一步的輸入，不會浪費。
設計師和研究人員也能接上來
Deep Research 不只是行銷企劃一個人的工具，整個行銷團隊都能用。
設計師：報告出來之後，直接丟進 Gemini Canvas，一鍵轉成資訊圖表或網頁草案。以前設計師等企劃整理好 brief 才能開始動，這個等待時間可以大幅縮短，而且視覺化的方向本身也是從研究結果長出來的，不是憑感覺猜。
研究和分析人員：Deep Research 跑報告時，可以開啟「顯示思考過程」，即時看到它在存取哪些網站。這個功能的副產品是，你會在過程中撿到一些高品質的利基資料來源，是平常用搜尋引擎很難找到的那種，值得另外存起來。
小技巧：報告太論文化，一個 prompt 解決
Deep Research 的報告有個共同問題：它預設你是學術讀者，輸出格式很正式，讀起來費力，也很難直接拿去跟主管或客戶報告。
這就像請了一個博士幫你做研究，他交出來的是他的論文，不是你要在會議室講的簡報。
報告出來之後，再下這個 prompt：
請把這份報告改寫成高中生看得懂的大眾媒體報告，保留專業用詞，不要與高中生互動，也不要使用高中生用語。
拆解一下這個 prompt 的邏輯：
- 「高中生看得懂」是在校正閱讀難度
- 「保留專業用詞」是不要失去可信度
- 「不要與高中生互動及使用高中生用語」是讓語氣維持大人感，避免出現「同學們，讓我們一起來看看⋯⋯」這種語氣
跑完之後，原本 5000 字的論文體報告，會變成一份你直接貼給主管都 OK 的版本。
模型怎麼選？一句話版本
簡單說：
- 快捷型是一個助理，它會很快的提供比 gemini 對話更深入的資料，並且重覆對了幾個來源，排除單一來源的錯誤。
- 思考型重在思考，它不會全相信資訊來源，會想了解誰更可信，或是它們為什麼給予了不同的資訊，最後才給結論。 (這是我用的主力)
- Pro，據說它會同步發展出幾個不同的子任務並行，最終才會給報告，且報告是全面的細節。 (我個人少用Pro，因為內容太多、太over也是一種負擔)
模式 | 運作邏輯（Agent 怎麼做） | 核心分工與適用任務 |
快捷 (Express) | 「快速掃描與整合」
僅進行 1-2 輪搜尋，點擊約 5-10 個高權威網頁，直接提取關鍵數據。 | 確認事實和當下情況 |
思考型 (Reasoning) | 「邏輯推導與交叉驗證」
除了搜尋，它會來回思考，找出不同論點，試著說明原因後再列出。 | 分析因果及策略 |
Pro (Full Research) | 「窮盡式自主挖掘」
執行多達 5-10 輪的來回搜尋，使用 50 個以上的來源（含 PDF、論文、財報），自動撰寫長篇報告。 | 建立完整知識體系 |
用 Deep Research 一段時間之後，我發現它改變的不只是工作速度，而是我提問的習慣。以前查資料是「先找找看有什麼」，現在在下 prompt 之前，我會先想清楚這一步要回答什麼問題、這個問題的答案會影響哪個決策。問題想清楚了，報告才有用。某種意義上，它讓我更清楚自己在解決什麼問題，這件事本身，就值回票價了。
