Maze发布市场研究趋势报告：角色融合加速但AI治理滞后

市场研究和用户研究是不同的学科，但如果你看看研究人员如今被要求回答的问题，这些工作之间的界限正变得越来越难以界定。研究人员正在客户、产品、市场和商业问题之间穿梭，这些问题已不再能整齐地归入某一个标签之下。

这一点在 Maze 的市场研究报告现状中体现得很清楚。研究人员告诉我们，在过去两年里，他们平均承担了 4.5 项额外职责，涵盖市场研究、客户洞察、战略、分析、竞争情报、AI 治理和工具管理。而这种更广泛的角色只是故事的一部分。

我们的研究揭示了当今市场研究中出现的三个趋势：

1. 研究需求正在拉伸资源
2. AI 能力超越了信心
3. 战略影响力存在决策窗口期

综合来看，它们描绘了一幅研究职能拥有更广泛影响力和更多工作方式——但也伴随着关于这种新增产能意味着什么的新挑战的图景。

研究起初更像是一种验证实践，如今已演变为概念构思。了解尽早引入研究的价值感觉像是研究人员的一次胜利。这让客户的声音更有机会影响最终决策。

分享

趋势 1：研究需求正在超出其资源

需求可能会让人感到荣幸。更多人想要研究，更多团队看到了它的价值——然后你看向排队列表。

70% 的参与者报告称研究请求有所增加，78% 表示预期的交付速度在过去两年中提高了。与此同时，64% 表示他们现在支持更多的业务职能，并且项目复杂性也在增加。

一个市场进入决策可能需要客户反馈、产品数据、竞争对手活动和市场趋势。研究人员越来越需要将这些输入整合在一起，即使它们分散在不同的团队、方法或学科中。虽然这使研究人员更接近战略，但也扩大了他们的预期责任范围。而这些资源并未跟上需求的步伐。

在报告中跟踪的各项需求指标中，平均有 69% 的参与者报告了增长，而只有 27% 的人看到预算或人员编制有所增长。超过一半（57%）的人表示他们的团队没有足够的资源来满足当前需求。

这种压力改变了研究的进行方式，突破了传统的学科界限，并要求研究人员承担新的职责。

如果增加人员和预算并不总是可行的选择，那么额外的产能从何而来？

一项通常需要一到两个月完成的典型研究，现在我需要在周内完成。我们自助进行数据分析并更高效地综合现有研究。大多数项目现在是内部和外部人员及工具之间的混合交接，各自贡献后移交给下一环节。结果是，研究人员比以往任何时候都更像项目经理。

分享

趋势 2：AI 正在创造产能，信心则是另一回事

研究团队已经捉襟见肘，AI 介入提供支持。84%的参与者认为 AI 提升了研究能力，团队已经在规划、分析、综合、报告和知识管理中广泛使用它。对于面对日益增长的工作队列的研究人员来说，这一点至关重要。

AI 使得处理更大数据集、整合以往研究的洞察、分析不同来源以及探索过去依赖其他团队的问题成为可能。高级市场研究员 Hugh Lagrotteria 描述了如何使用大语言模型 (LLMs) 运行 SQL 查询、合并旧数据集、进行相关性分析并超越标准调查。正如他所说，“LLMs 使我能够拓展范围，超越临时的初级研究。”

AI 不仅帮助研究人员更快地完成相同的工作；它还改变了他们最初承担的工作性质。但能力的提升先于许多组织制定其 AI 策略指南。只有 55%的人表示其组织对何时可以使用和不能使用 AI 有明确的标准。仅 17%的人表示 AI 已融入整个研究流程并有明确的归属权。

96%的研究人员同意审查 AI 生成的输出至关重要。因此，虽然 AI 可以帮助回答更多问题，但人们仍然必须决定哪些答案值得信赖。当速度使答案在几秒内可用时，这种判断变得更加重要。

额外的能力只能起到有限的作用。它还需要触达业务以影响决策。

AI 可能会给我们一种虚假的确信感。我们可以浏览过去的研究、行为数据和竞争情报，在几分钟内构建假设或凭直觉检验一个想法。但速度会让新的研究感觉像是延误。

分享

趋势 3：战略影响力有一个决策窗口

大多数参与者表示，他们的组织已经信任研究并看到了其商业价值：

• 89%表示研究被视为战略合作伙伴
• 87%表示高层领导信任研究发现
• 80%表示他们的团队能够展示商业影响

如果研究已经受到信任，那么决定其是否影响决策的因素是什么？时机。

只有 33%的参与者表示在首次定义问题或机会时会引入研究，另有 27%表示在团队探索选项时会引入研究。影响力的窗口位于这些阶段之间。

45%的参与者表示他们最近的三个研究项目都影响了决策或导致了行动，另有 35%的人表示最近三个项目中有两个做到了。而且 82%的人同意研究有助于他们的团队随时间推移而学习，而不是每次只回答一个问题。

这些发现指向一个更大的机遇：将组织已经学到的东西与其正在做出的决策联系起来。在 Maze，我们将这种方法称为学习系统：

• 基线：建立对客户、竞争对手、品类和市场的共同理解
• 监控：保持警惕，关注表明这种理解可能不再符合现实的信号
• 浮现：识别与当前决策相关的假设和未决问题
• 研究：在相关选择仍可改变时开展正确的研究
• 决策：将发现转化为行动，并将学习成果融入下一个基线及后续决策中

这正是使研究成为组织运营方式一部分的原因：它塑造当前的决策，并为下一次决策夯实基础。

下一个决策不应从零开始

研究在整个业务中的影响力日益扩大，而 AI 正赋予团队更多能力以满足不断增长的需求。团队如何利用这种能力决定了未来的走向。我们的发现表明，在决策尚未定案时，研究最为关键。将研究纳入这一窗口期并不一定意味着要开展另一项研究；有时证据已经存在。

当以往的研究易于查找和使用时，团队可以在已知知识的基础上进行构建，并将新的研究聚焦于仍不确定的领域。每个项目都成为不断积累的知识体系的一部分，而不是随汇报结束即告终结的孤立工作。

研究机构应以有意义且安全的方式拥抱 AI，将其作为思考伙伴加以依赖，同时保持研究人员以高质量脑力劳动著称的优势。这是在加速工作与保护只有人类研究人员才能提供的质量和创造力之间取得平衡。

分享

研究人员已经在更广泛的业务领域中开展工作。要让这些工作发挥价值，就需要明确哪些环节可以提速、哪些值得深入审视，以及今天的学习如何为明天的决策提供更好的起点。

数据中蕴含更多信息

深入探究正在重塑市场研究的趋势——并发现更广泛的角色、相互关联的证据和学习机制如何为每一个决策创造更明智的起点。

这对当今市场研究意味着什么

什么是市场研究？

市场研究是了解你的市场、客户、竞争对手和需求的过程，以便做出更好的商业决策。它包括旨在建立对品类、买家行为和竞争格局更广泛理解的基础性研究，以及帮助团队评估机会、测试定位和定价、并决定投资方向的研究。在此了解更多关于市场研究的信息。

市场研究与用户研究有何区别？

市场研究关注影响客户行为和选择的因素。这 包括竞品供应、客户细分、定价、信息传达和品牌感知。用户研究则紧密聚焦于人们如何使用和体验产品，包括他们的需求、行为和痛点。这两个学科之间的界限正在变得模糊。

市场研究和用户研究角色如何变化？

研究角色之间的界限正变得不那么僵化——这是一种向角色融合的转变，过去分属不同学科的工作如今越来越多地重叠。在 Maze 的市场研究报告现状中，参与者在过去两年平均承担了 4.5 项额外职责，61% 的人承担了市场研究工作。人们越来越期望研究人员围绕同一决策连接客户、产品、市场和业务背景。

AI 如何改变市场研究的未来？

AI 正在帮助研究人员规划研究、分析数据、综合发现并更快地生成报告。在 Maze 的市场研究现状报告中，84% 的参与者认同 AI 提升了研究能力，但只有 17% 表示 AI 已贯穿整个研究流程并有明确的责任归属。人类判断依然至关重要，96% 的人同意 AI 生成的输出在用于决策前需要审查。

Maze 如何用于市场研究？

Maze 支持从研究设置和通过 Maze panel 招募参与者开始的一手市场研究，涵盖数据收集、分析和共享。团队可以使用 AI study builder 将研究问题转化为可立即执行的研究，然后在 Maze platform 中针对目标受众运行调查、概念测试以及  AI-moderated 或 moderated interview studies。此外，Maze MCP 将现有研究引入 Claude、ChatGPT、Gemini 和 Copilot 等 AI 工具，使团队能够在当前决策中利用过去的洞察。

什么是学习体系以及如何构建一个？

学习体系有助于团队将一个研究项目中学到的知识延续到随后的决策中，而不是每次都从头开始。探索 Maze's System of Learning Playbook 以了解五个阶段，评估组织的成熟度，并构建一个随时间推移改善决策的体系。