4.1 基础公式

4.1.1 四步提问法

• 核心要素：明确身份 + 具体任务 + 细节约束 + 输出格式；
• 范例：我是深圳跨境电商运营，需分析 2024 第四季度美国市场数据，重点关注退货率和政策影响，请用对比表格呈现结论。

4.1.2 背景需求法

• 核心要素：说明背景 + 明确需求 + 约束条件 + 期望输出；
• 范例：公司第三季度销售额下降 20%（背景），请分析原因并提出解决方案（需求），优先考虑低成本策略（约束），输出分点报告（期望输出）；
• 优势：信息全面，减少 AI 误判概率。

4.2 进阶公式

4.2.1 角色代入法

• 核心要素：设定角色（越详细越好）+ 专业任务 + 多维度分析；
• 范例：假设你是资深产品经理，精通 SWOT 分析法，请评估新能源汽车 APP 的竞品功能，并给出优先级排序；
• 技巧：可为角色赋予权威背景（如指定阅读某领域经典著作）、投喂专业术语表与背景知识，提升回答专业性。

4.2.2 反向提问法

• 核心要素：需求 + 担忧 / 问题 + 解决措施；
• 范例：我计划开展海外拼多多直邮业务（需求），担心美国政策限制（担忧），请列出当前政策风险及应对方案；
• 技巧：围绕核心要素补充详细信息（如所在城市、资金状况、行业经验等），让 AI 精准筛选数据，提升方案可行性。

4.2.3 分步骤拆解法

• 核心逻辑：复杂任务拆分多步，避免一次提问过载，获得渐进式深度答案；
• 范例：教学设计场景，第一步确定选题，第二步明确课时目标，第三步搭建金字塔结构大纲（一级 - 二级 - 三级），第四步补充教学案例；
• 优势：降低信息过载风险，答案逻辑更清晰、针对性更强。

4.3 高级公式（数据分析专用）

• 核心要素：明确指标 + 对比维度 + 可视化格式；
• 范例：分析汽车行业比亚迪和特斯拉的社交媒体声量，按月份、平台、情感倾向对比，输出柱状图 + 结论概要；
• 优势：一键生成汇报级数据，适配各类数据分析场景。