在運用生成式 AI 進行商業與市場研究時，分析師經常面臨兩難困境：通用對話大模型缺乏即時信源且容易產生事實幻覺，而一般搜尋引擎則充斥著商業推廣、SEO 垃圾內容以及零散割裂的網頁連結。Perplexity 憑藉其自帶引用來源的問答引擎機制，有效解決了事實可溯源的問題。然而，若要完成機構級別的專業研報與競品情報分析，單純在搜尋框輸入零散問題遠遠不夠。
專業研究人員的核心架構，是將 Perplexity 的兩大底層功能有機結合：利用 Collections（在當前產品中演進為專案工作區 Projects）建立持久的專題上下文、分析規範與知識庫，同時透過 Focus 模式 在檢索上游對資訊來源進行嚴格的垂直領域過濾。本文將詳細拆解市場研究人員與商業分析師如何搭建並串聯這套雙層架構。
一、雙層協作架構：Collections 與 Focus 模式的分工
掌握 Collections 與 Focus 模式的邊界與協同邏輯，是建立標準化研究工作流的前提：
- Collections（持久上下文與分析規範層）： Collection 相當於一個獨立的研究專題工作區。它用於歸集同一個研究專案下的所有問答討論串（Threads），支援上傳基礎資料檔案（如上市公司 10-K 年報、高管電話會紀要、市場規模測算底表），並透過**自訂指令（Custom Instructions）**統一規範該空間內所有提問的 AI 回答風格與分析框架。分析師無需在每次提問時重複強調背景、分析視角或輸出格式。
- Focus 模式（信源領域過濾層）： 如果說 Collections 決定了「研究專題是什麼」以及「輸出格式遵循什麼標準」，那麼 Focus 模式決定的則是「AI 去哪裡尋找證據」。在每次發起檢索前切換 Focus 模式，可以強制 Perplexity 將抓取範圍鎖定在特定語料庫中，過濾掉網際網路上的行銷公關稿與雜音，直達同儕審查學術期刊、真實使用者社群討論或專業財報數據。
將兩者結合，即可將 Perplexity 從一次性的輕量搜尋工具，升級為具備嚴謹審計鏈路的專業情報分析台。
二、深度解析：為專業研究場景配置 Focus 模式
Focus 模式本質上是檢索增強生成（RAG）流程上的前端路由器。分析師應根據研究階段和證據標準選擇最適切的模式：
| Focus 模式 | 檢索目標語料庫 | 典型商業研究應用場景 | 分析師選用的核心理由 |
|---|---|---|---|
| Academic（學術） | 同儕審查學術期刊、Semantic Scholar、arXiv、PubMed、JSTOR 及科研機構資料庫 | 技術可行性論證、市場測算模型驗證、專利技術對比、臨床及研發數據審核 | 徹底剔除公關稿和商業行銷軟文，以同儕審查的實證研究數據作為底層依據。 |
| Social（社群/討論） | Reddit、各大行業垂直論壇、公開社群討論串 | 客戶真實心聲（VoC）、真實負面評價挖掘、產品痛點定位、隱性定價摩擦分析 | 穿透廠商官方宣傳口徑，捕捉第一線採購者、系統管理員與終端用戶的真實意見與實踐經驗。 |
| Writing（寫作） | 模型原生參數知識庫，完全禁用外部聯網搜尋 | 整理大綱、研報綜合撰寫、提煉高管決策備忘錄、構建 SWOT/PESTEL 矩陣 | 基於工作區內已上傳的檔案和現有問答成果進行結構化提煉，避免引入無關外部連結或額外干擾。 |
| Web（全網搜尋） | 全網即時索引、全球財經媒體、行業垂直資訊、企業官方新聞稿 | 宏觀政策追蹤、行業全景圖掃描、競品新品發布動態、宏觀融資情報 | 覆蓋面最廣，適用於宏觀市場輪廓掃描與突發商業動態追蹤。 |
| Video（影片） | YouTube 等影片平台的字幕文字與影音詮釋資料 | 財報電話會發言梳理、行業峰會主題演講核心觀點提煉、產品拆解評測提取 | 直接基於時間標記提取高管演講要點與關鍵量化預測，節省大量音訊重聽時間。 |
| Math / Computational（計算） | Wolfram|Alpha 專業計算與知識引擎 | 市場規模（TAM/SAM/SOM）交叉測算、年均複合增長率（CAGR）複核、財務公式驗證 | 在多來源數據衝突時提供可靠的數理計算與統計邏輯驗證，杜絕模型算術幻覺。 |
三、實操配置指南：四步搭建市場研究專用 Collection
為了系統化管理調研主題，分析師通常會按客戶、專案或競品維度建立專用 Collection，並設定嚴格的分析邊界。具體操作如下：
第一步：新建專題 Collection
- 進入 Perplexity 介面左側側邊欄的 Library 或 Projects 入口。
- 點擊 + New Collection（或 New Project）。
- 按照團隊命名規範輸入清晰、具備辨識度的標題（例如
[競品情報-2026] 歐洲企業級 SaaS 定價策略與遷移阻力或[新興市場] 東南亞商用車電動化配套生態調研）。 - 填寫簡明描述，明確該專案的核心商業目標、對標企業清單以及交付對象。
第二步：編寫專業級自訂指令（Custom Instructions）
自訂指令區域提供充裕的提示詞空間，相當於為該工作區預設了一套「分析師操作手冊」。優秀的指令應涵蓋以下四個關鍵維度：
角色與專業立場：
你是一名資深戰略諮詢顧問與行業洞察分析師。所有輸出必須保持客觀、嚴密、可審計的專業口吻，嚴禁使用含糊公關辭令或缺乏依據的市場誇張表述。
資訊來源層級與優先級標準：
1. 優先採用官方監管揭露（如 SEC 10-K/10-Q 申報文件、審計年報、官方統計局公報）。
2. 其次採用頭部研報機構（Gartner、IDC、Forrester、Statista）公開發布的基準數據及學術期刊結論。
3. 再次採用經過同儕核實的產業垂直媒體報導。
4. 堅決排除未署名部落格、行銷軟文、無數據支撐的內容農場排行榜。
分析嚴謹性要求：
- 當不同來源給出的預測或市場規模存在衝突時，必須明確列出分歧原因與統計口徑差異。
- 涉及所有財務與市場數據時，必須註明統計年份、幣別及地域範圍。
- 區分歷史已實現指標與未來推算 CAGR，不可混為一談。
- 若公開數據缺失或屬於推測，必須明確標註「資訊缺口」。
排版與輸出規範：
- 每篇回答開頭先給出 3 條核心要點摘要（Executive Takeaways）。
- 競品對比、參數羅列與商業模式拆解必須統一採用結構化 Markdown 表格。
- 商業盡職調查類輸出必須包含「潛在風險、宏觀阻力與戰略預警」專項板塊。
第三步：錨定底層參考資料（上傳文件資產）
- 在 Collection 介面中直接上傳核心源文件。Pro 與 Enterprise 使用者可上傳包含 PDF、CSV、DOCX 等多種格式的檔案。
- 建議預先裝載的資產：
- 目標競品的近兩年 10-K 年報及最新季度 10-Q 財報；
- 投資人日路演投影片文字或電話會逐字稿；
- 行業協會技術標準文件或政策監管草案。
- Perplexity 會將這些檔案向量化嵌入至該 Collection 的知識庫中。後續提問時，AI 能夠將上傳文件中的專有數據與全網搜尋取得的最新情報進行交叉比對。
第四步：團隊協作與權限控制
- 依據保密協定（NDA）要求設定存取權限：高度敏感專案設為私有（Private）；需向客戶匯報或跨部門協同的研究，產生唯讀共享連結。
- 在企業版中，可直接將團隊 Collection 掛接在統一的組織知識庫目錄下，實現全員取用相同的方法論與基礎資料底表。
四、全流程多階段實戰：在 Collection 中串聯 Focus 模式
面對複雜的市場調研課題，分析師絕不依賴單個寬泛 Prompt，而是在 Collection 內部按階段建立多個針對性討論串，交替使用不同的 Focus 模式層層推進：
flowchart TD
A["Collection 初始化：錄入自訂指令並上傳競品年報與白皮書"] --> B["第一階段：宏觀全景與競品矩陣（Web 模式）"]
B --> C["第二階段：底層技術驗證與實證論文（Academic 模式）"]
C --> D["第三階段：用戶真實評價與落地阻力（Social 模式）"]
D --> E["第四階段：市場容量複核與量化測算（Math 模式）"]
E --> F["第五階段：高管決策備忘錄綜合撰寫（Writing 模式）"]
第一階段：宏觀市場格局與標竿定位（Web 模式）
- 選擇模式：
Web - 調研目標： 快速釐清產業鏈主要廠商排位、主營業務定價區間與監管門檻。
- Prompt 示範：
「列出歐洲商用車車聯網軟體（Fleet Telematics）按 2025 年營收排名前五的服務商。製作 Markdown 表格，對比其核心計費模式（按車/按里程/整套授權）、主流車廠 OEM 合作關係以及主要達標法規認證。」
- 產出價值： 形成基線情報全景圖，確定後續需要深入挖掘的重點對標標的。
第二階段：技術壁壘與實證可行性審查（Academic 模式）
- 選擇模式：
Academic - 調研目標： 穿透廠商的行銷技術包裝，核查其核心產品指標是否經得起學術與科學檢驗。
- Prompt 示範：
「在高頻直流快充（DC Fast-Charging）工況下，商用輕卡搭載的磷酸鐵鋰（LFP）與高鎳三元鋰（NMC）電池組的循環壽命衰減率及熱管理實測數據為何？請引用 2022 至 2026 年間發表的同儕審查實證研究論文。」
- 產出價值： 獲得 PubMed、IEEE、arXiv 等學術庫中關於材料與能耗的實證數據，避免被公關行銷材料誤導。
第三階段：真實客戶反饋與續約阻力（Social 模式）
- 選擇模式：
Social - 調研目標： 挖掘第一線維運人員和採購主管在論壇中自發討論的痛點與真實使用體驗。
- Prompt 示範：
「在 Reddit 及物流車隊管理專業論壇中，車隊營運主管對某主流車聯網平台（平台 X）有哪些高頻吐槽？重點關注系統當機頻率、硬體售後響應時間以及續約漲價爭議。」
- 產出理由： 發現企業官方成功案例中絕不會揭露的實施障礙、隱性成本與服務瑕疵。
第四階段：成果綜合提煉與決策備忘錄輸出（Writing 模式）
- 選擇模式：
Writing - 調研目標： 在完全不調取外部網路、杜絕新引入干擾的前提下，將前面收集的數據與上傳的財報進行綜合歸納。
- Prompt 示範：
「基於本 Collection 中此前分析的各個討論串以及已上傳的 10-K 報告，起草一份面向投資決策委員會的 2 頁戰略評估備忘錄。分析我司切入該賽道應選擇訂閱制還是用量計費制。必須包含執行摘要、競品定價對照矩陣、客戶痛點提煉以及明確的投/不投建議。」
- 產出理由： 產出邏輯高度連貫、格式嚴格受控的決策級研報文件，確保每一處結論均有前置事實支撐。
五、分析師質控與避坑指南
為確保商業研報具備經得起機構合規核查的權威性，分析師需踐行以下質控準則：
- 逐項穿透核驗引用來源： Perplexity 在正文中生成的數字角標是可互動的超連結。分析師在將關鍵財務數據或市場規模採納進正式報告前，務必點擊連結回溯原始網頁，核查是否存在斷章取義或二手轉載曲解原意的情況。
- 遵循「討論串建立即鎖定模式」機制： Focus 模式必須在新建 Thread 的第一步選定，對話一旦開啟便無法在中途切換。複雜的研報課題應拆解為多個功能單一的 Thread 分步執行，切勿試圖在單一漫長對話中完成所有跨領域的檢索。
- 主動核查口徑衝突： 當發現第三方報告對同一市場的測算存在巨大差異（例如機構 A 稱該市場規模為 80 億美元，機構 B 稱已達 150 億美元）時，應專門發起 Prompt 深入探究差異根源：「對比機構 A 與機構 B 在該市場測算中的統計口徑，詳細說明其在硬體買斷與軟體訂閱分類、以及地理區域劃分上的具體分歧。」
- 定期維護與修剪知識庫： 隨著研究推進，需定期檢查 Collection 中上傳的附件資料，及時移除過期的臨時草案或舊季度預測，確保 AI 記憶庫始終由最新的法定審計揭露佔據主導。
透過將 Collections 打造為持久高效的專案作戰中樞，並依託 Focus 模式在上游精準過濾高純度信源，分析師即可將 AI 工具從簡單的「搜尋引擎替代品」升級為嚴密、高效且具備完整合規鏈路的商業情報利器。