做行业研究不是先堆资料,而是先把问题拆对

做行业研究不是先堆资料，而是先把问题拆对

如果你看了第一篇《你写不出好的行业分析报告，多半是方向问题》，就知道这一篇承接第1篇目标卡=方向盘。方向定了，下一步我们就得解决一个更关键的问题：你要验证什么？先验证哪几个？我们做行业研究最怕的不是没资料，而是资料越多，结论越虚。

当你要写一份行业分析报告给老板、投资人或者客户的时候，你们团队第一反应通常是开搜、开AI、开抄之类，包括报告、新闻、研报、招股书、访谈纪要等，先把资料堆满。

但问题是资料永远不会少，结论却说不清，逻辑严谨起来，觉得输出不了核心结论，尤其在AI时代，AI能吐出50业现状，结果呢，你想证明什么？我们该不该做？怎么做？

这就是你还坚持关注看我们内容的价值，了解路线，对应AI工作流，有优先级判断，有验证闭环。

我们分享的价值就在于你和你所在的企业组织里在企业经营、增长、品牌等战略落地维度上，能与AI同频对话，能让AI成为你的助理，更好输出，能做好自己的智能体，我们是你的知识库，更是AI时代更好战略落地的引导共创帮扶者，做你的底线，天花板基于你自己的学习应用来定。

回到主题，行业研究的路线、优先级判断和验证闭环，谁来支撑？假设树，把研究变成验证游戏：先把大问题拆成一组可证伪的假设，再按影响*不确定排优先级，最后呢，用证据逐条验真、验伪。

这个方法，就是我们咨询公司在不确定环境里保持高效率的核心心法。

假设树势个啥？它是行业研究的作战地图，没有假设树，你的分析研究就是阅读，判断是没有的。

面对复杂问题，结构化拆解与迭代验证，是确保把不确定变成可决策结论的方法核心。

就像本系列第一篇说的，行业研究本质是做决策，你必须先决定哪些关键假设不对，会影响整份报告结论不成立。

再者言，AI刺激下的高度变化环境里，战略本质上应被当做可不段调整的假设，通过学习与验证来迭代。

因为，假设树的价值在此，把信息收集变成关键假设验证，如此，你永远可以把利器用在刀刃上。

这里有个最大的问题，很多时候，大家对行业不了解，不好提假设。这个的答案，我们一般是不了时，用议题树拆问题，了解一点后立刻转成假设树，先问要查什么，再写成猜答案是什么，怎么证明。

对于很多人来说，好像资料多，信息多，图多，页数多，就是对的。其实，我们看来，关键假设少，证据链够硬，结论能拍板，就是对的。

还有的人觉得行业研究就一定是市场规模开始，但我们觉得，从决策问题开始，进入不进入，投不投，押哪条赛道，优先做哪个环节。也就是说，目标卡清楚后，才有假设意义。

最后一个不习惯的点是很多人把框架越全当做越专业，我不是很习惯。框架越全越容易面面俱到没错，但很可能没重点。所以我们最痛苦的点是，要敢删、敢压，还敢把20%的关键变量做深做透。不以全面信息来掩盖没有结论的失败。

提醒，AI时代，工作流非常重要。大家别忘了，当然，你自身实践更重要。下面这套是加加林咨询交付版的假设树工作流，希望能支持到你实践：

树根问题必须是可决策的句式，而不是介绍行业。比如常见的中国大米行业现状，这种表达在这个体系里，价值不大。更具价值的表达参考：未来3年，我们是否要进入中国大米行业的高端礼品米或者功能米细分赛道？进入的前提条件是什么？

上面提到这两者，那么议题树是什么意思？我还不确定答案是什么→先把要研究的题拆全。就这个意思。假设书呢，我献给一个可能的答案，然后逐条验证。

我们在实际项目中，喜欢先议题树30分钟，然后再假设树。

行业研究最常用的第一层主干（通用、抗行业差异），我们围绕四个层面来梳理，记住，比较通用：

· 需求端：谁买，为何买，频次、客单、渗透率怎么改变？

· 供给和产业链：价值链上，怎么分工？利润池在哪？关键瓶颈在哪？

· 竞争格局：谁在赢？靠什么赢？集中度怎么转移？

· 政策和风险：合规性、周期性、替代性、外部冲击的触发条件是什么？

其实，还有一条主干，技术/渠道拐点：谁带来结构性变化？

判断逻辑：

或许大家有个疑问，每一条主干是怎么判断的？其实很简单，上面给了答案，那就是这一条主干错与对，结论会不会被推翻？

这一层可不是目录，是决定胜负的变量组。

行业研究里，做好假设，需要有这三特征：

一则是方向明确，比如增或降，强或弱，集中或分散。二则是可量化或可判定，用指标也好、阈值或情境触发。三则是可证伪，能被证据打脸。

给大家一句好用的判断句式：如果X变化→会导致y结果→因为z机制。比如，如果礼品化消费占比持续上升，高端米价格带会扩张，因为送礼=面子资产推动品牌溢价。

这里推荐用一个简单的二维判断：

影响：决定进入或者退出？决定规模？决定盈利？

不确定：我们现在的证据够不够，分歧大不大？

我们要优先验证高影响*高不确定。这一类往往代表着致命假设，先验证它，能省掉70%的无效工作。

不要再写需要更多数据，而是要明确：需要哪3类证据（定量/定性/对标）；去哪里拿（公开数据/专家访谈/公司财报/电商口碑/渠道调研）；用什么判定通过（阈值/区间/触发条件），谁负责、何时交付。

研究最专业的样子不是越来越多，而是：证伪了就删，证据不足就改成可验证版本，重复的就合并，最后你会得到你理想的假设树。

交付物1：假设树一页模板（空白）

交付物2：填写示例（中国大米行业｜葵花阳光）

我们做过一个很典型的项目（场景做了脱敏拼接，你当成真实客户就行）：客户是一家做农产品供应链的公司，老板一上来就很兴奋：“我要做高端大米品牌！现在消费升级，礼品市场大得很！”团队第一周疯狂搜：行业报告、短视频趋势、竞品案例、包装设计……PPT做了40页，老板看完想知道心中一直需要的底气：我凭什么能赢？我现在该先干嘛？

后来做了调整，根问题在于：12个月内，能不能验证：高端礼品米这门生意，值得下注？然后我们锁定了3条致命假设：第一，礼品化需求到底是不是“真趋势”，还是“短期热闹”？第二，供应端能不能稳定提供差异化（否则品牌故事全是空）？三呢，渠道能不能绕开传统大渠道（否则一上来就被压死）？

结果非常快：礼盒价带确实在扩张，产区供给波动大，成本结构撑不住毛利目标，针对第三点，企业团购有机会，但回款周期要重新算。

最后给的建议不是不要做，而是：先把供给侧做成可控资产，用产区合作+标准化+溯源跑通，再谈品牌放大。

其实，很简单，用3条假设把决策风险压住了。看到这个案例，能不能理解人和AI的区别，人的价值，特别在咨询行业，理解老板背后的目的思考很重要，定义问题，是人的价值之一。

如何写好你的分析报告，围绕这个主题，我们有7篇内容分享，如果第1篇是把方向盘装上车，第2篇就是把导航打开：目标卡解决往哪去？假设树解决线走哪条路，先避哪几个坑。

好了，看完了，今晚就开始实践吧，如果你愿意，下一步在我们的支持下可以推进了。上面的工具模板和内训资料都有，你可以领取开始你的行动，有问题和共创需求，都可以咨询。我们明天见！