Come fare una ottima ricerca di mercato con intelligenza artificiale grazie a Deep Research in ChatGPT
Introduzione
Fare ricerca di mercato, fino a ieri, voleva dire aprire Google, andare a digitare delle parole, delle keyword, aprire 7-8 tab, leggersele, fare copia e incolla, magari tirare fuori un piccolo riassunto, collegare articoli sparsi e così via.
Oggi, grazie a ChatGPT e, nello specifico, alla funzione Deep Research, possiamo creare studi e ricerche di mercato con report strutturati, quasi come farebbe un market analyst o chi si occupa di competitive intelligence, in pochi minuti.
Ma c’è una cosa fondamentale: se non progetti bene, se non utilizzi bene questo strumento, il risultato sarà veramente mediocre.
Questa guida nasce proprio dal fatto che, nelle centinaia di consulenze che ho fatto, ho visto un utilizzo errato di questo strumento. Sembra intuitivo, però ci sono diverse cose che dobbiamo vedere. Quindi in questa guida non vediamo solo che cos’è e come si utilizza, ma facciamo proprio una guida step by step su come usarlo per un use case ben specifico, ovvero creare una ricerca ben fatta prima ancora di lanciarla. Poi la lanceremo e vedremo tutto il resto.
Step 1: devi partire dalla decisione e non dal tema
L’errore che si fa è il seguente: si prende un prompt generalista e si lancia sulla Deep Research.
C’è un proverbio, non ricordo di chi sia, che dice che bisogna spendere molto più tempo ad affilare l’ascia che a tagliare l’albero, perché poi ci metti molto meno. Ecco, la prima cosa che devi fare è chiarire che decisione vuoi prendere, perché da una buona ricerca di mercato, alla fine, si deve prendere una decisione.
Nel nostro caso faccio un esempio che prenderemo per tutta questa guida: voglio capire se ha senso costruire un Software as a Service, quindi un SaaS, che usa intelligenza artificiale per filtrare e personalizzare le news per professionisti.
Questo è il punto di partenza, ok?
Non “analizza il mercato”. No. Voglio decidere se entrare, come entrare e dove posizionarmi.
Step 2: definisci il problema e il contesto
Anche qui bisogna, di nuovo, affilare l’ascia. Devi capire cosa stai risolvendo.
Non stai creando il tipico tool per leggere notizie, ma stai risolvendo un problema di information overload, per esempio difficoltà a prioritizzare, perdita di tempo, mancanza di insight rilevanti per la tua decisione.
E qui stai entrando in un ecosistema. L’ecosistema è fatto di:
news aggregation
content curation
media monitoring
professional intelligence
AI assistant
e tutta questa parte bisogna darla nel contesto.
Quindi ecco qui un piccolo tip che vi do: se non riuscite a chiarire bene qual è la vostra richiesta e avete un’idea confusa, fate una sessione di brainstorming con ChatGPT stesso prima di avviare la ricerca. Magari chiedete a ChatGPT: “Mi puoi fare delle domande intelligenti che possano stimolarmi a chiarire meglio il mio problema?”
Rispondendo a questo sparring partner, potete arrivare a un ecosistema di informazioni giuste da dare nel contesto alla Deep Research.
Step 3: definisci cosa vuoi ottenere come output prima del prompt
Ed è qui che la maggior parte delle persone sbaglia, perché non devi lanciare la ricerca e vedere cosa esce. Devi decidere prima tu che output vuoi.
Nel nostro caso, un output ben fatto deve includere:
un executive summary
un’analisi del problema di mercato
una mappa del mercato
una lista di competitor, che siano diretti, indiretti e sostitutivi
una tabella comparativa dei competitor
analisi delle feature AI
pricing analysis
segmenti di target
gap di mercato
opportunità
rischi
raccomandazione strategica
possibile posizionamento
next steps
Se voi non dite questa cosa, lasciate al Large Language Model, in questo caso ChatGPT, di decidere queste cose per voi, ok? Magari non include una parte, ne include una che non volete e così via.
Step 4: definisci cosa deve analizzare
Ora: cos’è che voglio analizzare esattamente?
Per esempio:
il mercato di AI-powered content curation
strumenti di news aggregation
tool di media intelligence
piattaforme di executive briefing
strumenti per knowledge worker
E lato competitor devi essere esplicito. Devi dire che vuoi:
competitor diretti, che fanno la stessa cosa
competitor indiretti, come lo stesso ChatGPT, Perplexity, Claude
competitor sostitutivi
Ad esempio, io faccio questo tool, ma alla fine una persona potrebbe utilizzare una newsletter oppure LinkedIn con delle fonti curate per fare la stessa cosa. Ed ecco qua che dai ancora più contesto.
Altra feature interessante, che è stata introdotta da poco: puoi selezionare le fonti da cui Deep Research prenderà queste informazioni.
Se non selezioniamo la finestra in basso a destra → lui ipotizza le fonti
Se selezioniamo → possiamo guidarlo
Per esempio:
Crunchbase
Product Hunt
Quindi questo è molto interessante, è una nuova feature.
Step 5: costruisci il vero prompt
E poi qui c’è il fatto che, una volta che hai affilato l’ascia, fino a qui hai affilato l’ascia, devi costruire il vero prompt.
E il prompt non deve essere generico, senza contesto. Deve essere proprio ben fatto.
Qui vi ho lasciato il prompt vero e proprio. In questo caso non lo ridico: copialo così com’è, tutto il prompt.
Step 6: devi lanciare la Deep Research
Una volta che lanci la Deep Research, ti mostrerà un piano, con un piccolo timer. Se in 55 secondi non clicchi “avvia”, si avvierà automaticamente.
Ma c’è anche un tasto con cui possiamo andare a modificare questo piano, perché magari, in base a quello che gli abbiamo detto, sta facendo degli step, delle ricerche, che vediamo non essere consone.
Quindi:
leggi il piano
modifica sezioni
aggiungi elementi
togli parti inutili
Ad esempio:
gap di mercato
confronto AI vs non-AI
analisi competitor indiretti
Step 7: monitora e correggi durante la ricerca
Altra feature interessante che ha lasciato ChatGPT è quella che, durante la Deep Research, c’è un tastino in basso a destra con scritto “aggiorna”.
Se noi lo clicchiamo, possiamo andare a modificare la ricerca mentre è in esecuzione.
Puoi:
vedere il pannello
vedere cosa sta facendo
leggere le assunzioni
correggere
Perché queste Deep Research durano anche 20 minuti e non vogliamo ritrovarci con una ricerca disallineata.
Step 8: leggi il report per quello che è, cioè uno strumento decisionale
Una volta fatto, abbiamo un report.
Questo report:
è allineato
ha insight pratici
guida una decisione
Include:
executive summary
insight
table of contents
export in PDF o DOCX
Tips
Queste sono alcune cose importanti che dovete tenere a mente mentre utilizzate questo strumento:
Devi sempre progettare la ricerca prima e non dopo
Affilare l’ascia è fondamentale
Il prompt è la cosa più importante, non l’esecuzione
Il piano di ricerca va sempre modificato
Le fonti determinano la qualità del risultato
Devi guidare la ricerca e non subirla
Limiti
ChatGPT Deep research è potente, ma ha dei limiti:
Va usato come supporto strategico, non come verità assoluta.
Conclusione
Fare ricerche di mercato con ChatGPT Deep Research significa passare da:
aprire Google
mille schede
giorni di lavoro
a:
progettare
lanciare
ottenere insight
Se lo fai bene:
ottieni insight reali
capisci il mercato
trovi gap
costruisci un documento decisionale
Se lo fai male:
- è una ricerca sprecata
La differenza sta tutta qui: non è lo strumento è come lo usi.
Se sei interessato a guide pratiche come questa, seguici anche sugli altri social e su LinkedIn , dove mettiamo tips brevi ma efficaci.