在利用生成式 AI 开展商业与市场研究时，分析师经常面临两难困境：通用对话大模型缺乏实时信源且容易产生事实幻觉，而普通搜索引擎则充斥着商业推广、SEO 垃圾内容以及零散割裂的网页链接。Perplexity 凭借其自带引用源的问答引擎机制，有效解决了事实可溯源的问题。但要想完成机构级别的专业研报与竞品情报分析，单纯在搜索框输入零散问题远远不够。
专业研究人员的核心打法，是将 Perplexity 的两大底层功能结合起来：利用 Collections（在当前产品中演进为项目工作区 Projects）建立持久的专题上下文、业务规范与知识库，同时通过 Focus 模式 在检索上游对信息来源进行严格的垂直领域过滤。本文将详细拆解市场研究人员与商业分析师如何搭建并串联这一双层体系。
一、双层协作架构：Collections 与 Focus 模式的分工
掌握 Collections 与 Focus 模式的边界与协同逻辑，是建立标准化研究工作流的前提：
- Collections（持久上下文与分析规范层）： Collection 相当于一个独立的研究专题工作区。它用于归集同一个研究项目下的所有问答线程（Threads），支持上传基础资料文件（如上市公司 10-K 年报、高管电话会纪要、行业测算底表），并通过**自定义指令（Custom Instructions）**统一规范该空间内所有提问的 AI 回答风格与分析框架。分析师无需在每次提问时重复强调背景、分析角色或输出格式。
- Focus 模式（信源领域过滤层）： 如果说 Collections 决定了“研究专题是什么”以及“输出格式遵循什么标准”，那么 Focus 模式决定的则是“AI 去哪里查找证据”。在每次发起检索前切换 Focus 模式，可以强制 Perplexity 将抓取范围锁定在特定语料库中，过滤掉互联网上的营销软文与杂音，直达同行评审学术期刊、真实用户社群讨论或专业财报数据。
将两者结合，即可将 Perplexity 从一次性的轻量搜索工具，升级为具备严谨审计链路的专业情报分析台。
二、深度解析：为专业研究场景配置 Focus 模式
Focus 模式本质上是检索增强生成（RAG）管道上的前端路由器。分析师应根据研究阶段和证据标准选择最合适的模式：
| Focus 模式 | 检索目标语料库 | 典型商业研究应用场景 | 分析师选用的核心理由 |
|---|---|---|---|
| Academic（学术） | 同行评审学术期刊、Semantic Scholar、arXiv、PubMed、JSTOR 及科研机构数据库 | 技术可行性论证、市场测算模型验证、专利技术对比、临床及研发数据审核 | 彻底剔除公关稿和商业营销软文，以同行评审的实证研究数据作为底层依据。 |
| Social（社群/讨论） | Reddit、各大行业垂直论坛、公共社群讨论帖 | 客户真实心声（VoC）、真实负面评价挖掘、产品痛点定位、隐性定价摩擦分析 | 穿透厂商官方宣传口径，捕捉一线采购者、系统管理员与终端用户的真实吐槽与经验。 |
| Writing（写作） | 模型原生参数知识库，完全禁用外部联网搜索 | 整理提纲、研报综合撰写、提炼高管决策备忘录、构建 SWOT/PESTEL 矩阵 | 基于工作区内已上传的文档和已有问答成果进行结构化提炼，避免引入无关外部链接或新噪音。 |
| Web（全网搜索） | 全网实时索引、全球财经媒体、行业垂直资讯、企业官方新闻稿 | 宏观政策跟踪、行业全景图扫描、竞品新品发布动态、宏观融资情报 | 覆盖面最广，适用于宏观市场轮廓扫描与突发商业动态追踪。 |
| Video（视频） | YouTube 等视频平台的字幕文本与音视频元数据 | 财报电话会发言梳理、行业峰会主题演讲核心观点提炼、产品拆解评测提取 | 直接基于时间戳提取高管演讲要点与关键量化预测，节省大量音频复听时间。 |
| Math / Computational（计算） | Wolfram|Alpha 专业计算与知识引擎 | 市场容量（TAM/SAM/SOM）交叉测算、复合年均增长率（CAGR）复核、财务公式验证 | 在多源数据冲突时提供可靠的数理计算与统计逻辑验证，杜绝模型算术幻觉。 |
三、实操配置指南：四步搭建市场研究专用 Collection
为了系统化管理调研主题，分析师通常会按客户、项目或竞品维度创建专用 Collection，并设定严格的分析边界。具体操作如下：
第一步：新建专题 Collection
- 进入 Perplexity 界面左侧侧边栏的 Library 或 Projects 入口。
- 点击 + New Collection（或 New Project）。
- 按照团队命名规范输入清晰、具备识别度的标题（例如
[竞品情报-2026] 欧洲企业级 SaaS 定价策略与迁移阻力或[新兴市场] 东南亚商用车电动化配套生态调研）。 - 填写简明描述，明确该项目的核心商业目标、对标企业名单以及成果交付对象。
第二步：编写专业级自定义指令（Custom Instructions）
自定义指令区域提供充裕的提示词空间，相当于为该工作区预设了一套“分析师操作手册”。优秀的指令应涵盖以下四个关键维度：
角色与专业立场：
你是一名资深战略咨询顾问与行业洞察分析师。所有输出必须保持客观、严密、可审计的专业口吻，严禁使用含糊公关辞令或缺乏依据的市场夸张表述。
信息源层级与优先级标准：
1. 优先采用官方监管披露（如 SEC 10-K/10-Q 申报文件、审计年报、官方统计局公报）。
2. 其次采用头部研报机构（Gartner、IDC、Forrester、Statista）公开发布的基准数据及学术期刊结论。
3. 再次采用经过同行核实的行业垂直媒体报道。
4. 坚决排除未署名博客、营销软文、无数据支撑的内容农场排行榜。
分析严谨性要求：
- 当不同来源给出的预测或市场规模存在冲突时，必须明确列出分歧原因与口径差异。
- 涉及所有财务与市场数据时，必须注明统计年份、币种及地域范围。
- 区分历史已实现指标与未来推算 CAGR，不可混为一谈。
- 若公开数据缺失或属于推测，必须明确标注“信息缺口”。
排版与输出规范：
- 每篇回答开头先给出 3 条核心要点摘要（Executive Takeaways）。
- 竞品对比、参数罗列与商业模式拆解必须统一采用结构化 Markdown 表格。
- 商业尽调类输出必须包含“潜在风险、宏观阻力与战略预警”专项板块。
第三步：锚定底层参考资料（上传文件资产）
- 在 Collection 界面中直接上传核心源文件。Pro 与 Enterprise 用户可上传包含 PDF、CSV、DOCX 等多种格式的文档。
- 建议预先装载的资产：
- 目标竞品的近两年 10-K 年报及最新季度 10-Q 财报；
- 投资人日路演幻灯片文本或电话会纪要；
- 行业协会技术标准文件或政策监管草案。
- Perplexity 会将这些文件向量化嵌入至该 Collection 的知识库中。后续在提问时，AI 能够将上传文件中的专有数据与全网搜索获取的最新情报进行交叉比对。
第四步：团队协作与权限控制
- 依据保密协议（NDA）要求设定访问权限：战略敏感项目设为私有（Private）；需向客户汇报或跨部门协同的研究，生成只读共享链接。
- 在企业版中，可直接将团队 Collection 挂接在统一的知识库目录下，实现全员调用相同的方法论与基础资料底表。
四、全流程多阶段实战：在 Collection 中串联 Focus 模式
面对复杂的市场调研课题，分析师绝不依赖单个宽泛 Prompt，而是在 Collection 内部按阶段建立多个针对性线程，交替使用不同的 Focus 模式层层推进：
flowchart TD
A["Collection 初始化：录入自定义指令并上传竞品年报与白皮书"] --> B["第一阶段：宏观全景与竞品矩阵（Web 模式）"]
B --> C["第二阶段：底层技术验证与实证论文（Academic 模式）"]
C --> D["第三阶段：用户真实评价与落地阻力（Social 模式）"]
D --> E["第四阶段：市场容量复核与量化测算（Math 模式）"]
E --> F["第五阶段：高管决策备忘录综合撰写（Writing 模式）"]
第一阶段：宏观市场格局与标杆定位（Web 模式）
- 选择模式：
Web - 调研目标： 快速摸清产业链玩家排位、主营业务定价梯队与监管门槛。
- Prompt 示范：
“列出欧洲商用车车联网软件（Fleet Telematics）按 2025 年营收排名前五的服务商。制作 Markdown 表格，对比其核心计费模式（按车/按里程/打包授权）、主流车企 OEM 合作关系以及主要达标合规认证。”
- 产出价值： 形成基线情报全景图，确定后续需要深入挖掘的重点对标标的。
第二阶段：技术壁垒与实证可行性审查（Academic 模式）
- 选择模式：
Academic - 调研目标： 穿透厂商的技术宣传包装，核查其核心产品指标是否经得起学术与科学检验。
- Prompt 示范：
“在高频直流快充（DC Fast-Charging）工况下，商用轻卡搭载的磷酸铁锂（LFP）与高镍三元锂（NMC）电池组的循环寿命衰减率及热管理实测数据如何？请引用 2022 至 2026 年间发表的同行评审实证研究论文。”
- 产出价值： 获得 PubMed、IEEE、arXiv 等学术库中关于材料与能耗的实证数据，避免被公关材料误导。
第三阶段：真实客户反馈与续约阻力（Social 模式）
- 选择模式：
Social - 调研目标： 挖掘一线运维人员和采购主管在论坛中自发讨论的痛点与真实使用体验。
- Prompt 示范：
“在 Reddit 及物流车队管理专业论坛中，车队运营主管对某主流车联网平台（平台 X）有哪些高频吐槽？重点关注系统崩溃频率、硬件售后响应时间以及续约涨价争议。”
- 产出理由： 发现企业官网案例研究中永远不会披露的实施阻力、隐藏成本与服务瑕疵。
第四阶段：成果综合提炼与决策备忘录输出（Writing 模式）
- 选择模式：
Writing - 调研目标： 在完全不调取外部网络、杜绝新引入干扰的前提下，将前面收集的数据与上传的财报进行综合归纳。
- Prompt 示范：
“基于本 Collection 中此前分析的各个线程以及已上传的 10-K 报告，起草一份面向投资决策委员会的 2 页战略评估备忘录。分析我司切入该赛道应选择订阅制还是用量计费制。必须包含执行摘要、竞品定价对照矩阵、客户痛点提炼以及明确的投/不投建议。”
- 产出理由： 输出逻辑高度连贯、格式严格受控的决策级研报文档，确保每一处结论均有前置事实支撑。
五、分析师质控与避坑指南
为确保商业研报具备经得起机构合规核查的权威性，分析师需践行以下质控准则：
- 逐项穿透核验引用源： Perplexity 在正文中生成的数字角标是可交互的超链接。分析师在将关键财务数据或市场规模采纳进正式报告前，务必点击链接回溯原始网页，核查是否存在断章取义或二手转载曲解原意的情况。
- 遵循“线程创建即锁定模式”机制： Focus 模式必须在新建 Thread 的第一步选定，对话一旦开启便无法在中途切换。复杂的研报课题应拆解为多个功能单一的 Thread 分步执行，而不要试图在单个漫长会话中完成所有领域跨度的检索。
- 主动核查口径冲突： 当发现第三方报告对同一市场的测算存在巨大差异（例如机构 A 称该市场规模为 80 亿美元，机构 B 称已达 150 亿美元）时，应专门发起 Prompt 深入探究差异根源：“对比机构 A 与机构 B 在该市场测算中的统计口径，详细说明其在硬件买断与软件订阅分类、以及地理区域划分上的具体分歧。”
- 定期维护与修剪知识库： 随着研究推进，需定期检查 Collection 中上传的附件资料，及时移除过期的临时草案或旧季度预测，确保 AI 记忆库始终由最新的法定审计披露占据主导。
通过将 Collections 打造为持久高效的项目作战中枢，并依托 Focus 模式在上游精准过滤高纯度信源，分析师即可将 AI 工具从简单的“搜索引擎替代品”升级为严密、高效且具备完整合规链路的商业情报利器。