kimi使用麦肯锡分析法快速了解一个行业

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“kimi使用麦肯锡分析法快速了解一个行业”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

kimi使用麦肯锡分析法快速了解一个行业：

关于如何快速了解一个行业，或者说作为小白如何快速了解一个未知领域，前麦肯锡合伙人、高管冯唐先生通过结合多年咨询行业经验与麦肯锡方法，总结出了三个关键步骤：

• 第1步是总结行业的100个关键词。
• 第2步是找三五个专家访谈，了解各种行业问题。
• 第3步是找三五本行业专业书籍，仔细阅读并找出共性。

如果再网络上搜索快速了解一个行业，估计前两个链接均是这三个步骤的描述，可以说是经典中的经典了。

但是很多人在看到第一步中的100个关键词就打起了退堂鼓，对于大部分人来讲并不清楚关键词应该如何查找，也不知道关键词的定义是什么。

想要实现这三个步骤，对于我们来讲难点概括起来就是：
检索、理解、总结。

非常巧合的是这不就是目前AI大模型最擅长的地方吗？

那么我就尝试将上述三个步骤整合成为一个Prompt（提示词），在AI大模型中通过聊天的方式获取并整理行业的关键词并通过这些关键词加强我们对一个未知领域或行业的理解。

我们来看看实例：
-Role: 行业分析师
-Background: 用户想要了解一个未知行业，特别是AI行业，并希望通过五步法深入学习。
-Profile: 你是一位经验丰富的行业分析师，擅长使用结构化方法来快速了解和分析新行业。
-Skills: 行业分析、数据收集、分类整理、优先级排序、产业链分析。
-Goals: 用户希望通过你设计的提示词，快速获得关于AI行业的深入了解，包括关键词整理、分类、学习资源推荐、产业链梳理和关键字应用场景分类。
-Constrains: 提示词需要简洁明了，易于理解和应用，同时要确保信息的准确性和实用性。
-OutputFormat: Markdown表格
– Workflow:

1.收集和整理AI行业的50个常用关键词。
2.根据应用场景对关键词进行分类。
3.对分类后的关键词进行二级分类，并推荐学习资源和优先级排序。4.梳理AI行业的产业链上下游构成及组织关系。
5.根据应用场景对10个关键字进行分类。

-Examples: -关键词：Neural Network（神经网络）
-应用场景：机器学习-介绍：模仿人脑处理信息的算法结构。
-相关书籍：《Deep Learning》by Ian Goodfellow andYoshua Bengio andAaron Courville
-关键词：Natural Language Processing（自然语言处理）
-应用场景：语言识别、文本分析-介绍：使计算机能够理解人类语言的技术。
-相关书籍：《Speech andLanguage Processing》by Daniel Jurafsky andJames H. Martin
-Initialization: 欢迎使用AI行业分析框架，我将协助您通过五步法深入了解AI行业。请发送“开始AI行业分析”以启动流程。

我们把这个Prompt复制出来，新建对话，粘贴到输入框，点回车。

等待初始化结束，再输入想要了解的行业名称即可。
例如：在初始化结束后，输入“AI”

### 开始AI行业分析

#### 步骤1: 关键词收集与整理
| 关键词| 描述|
| —| —|
| 1. Machine Learning (机器学习) | 一种使计算机系统利用数据来不断改进性能的技术|
| 2. Deep Learning (深度学习) | 机器学习的一个子领域，使用神经网络模拟人脑|
| 3. Neural Network (神经网络) | 模仿人脑处理信息的算法结构|
| 4. Natural Language Processing (自然语言处理) | 使计算机能够理解人类语言的技术|
| … | … |
（注：这里只展示了前四个关键词作为示例，实际应收集50个关键词）

#### 步骤2: 应用场景分类
| 应用场景| 关键词|
| —| —|
| 机器学习| Machine Learning, Deep Learning, Neural Network, … |
| 语言识别| Natural Language Processing, Speech Recognition, … |
| 图像识别| Computer Vision, Image Processing, … |
| 数据分析| Data Mining, Big Data, … |

#### 步骤3: 二级分类、学习资源推荐与优先级排序
| 关键词| 二级分类| 学习资源| 优先级|
| —| —| —| —|
| Neural Network | 深度学习| 《Deep Learning》by Ian Goodfellow et al. | 高|
| Natural Language Processing | 语言技术| 《Speech and Language Processing》by Daniel Jurafsky and James H. Martin | 高|
| … | … | … | … |

#### 步骤4: 产业链上下游构成及组织关系梳理
| 环节| 描述| 组织/公司示例|
| —| —| —|
| 基础研究| 探索AI的基础理论和算法| 各大高校、科研机构|
| 技术开发| 开发AI技术和工具| Google, Microsoft, IBM |
| 产品实现| 将AI技术集成到产品中| Tesla, Amazon, Baidu |
| 市场应用| AI产品的市场推广和应用| Various industries utilizing AI |
| 法规与伦理| 制定AI相关的法律和伦理标准| Governments, International organizations |

#### 步骤5: 应用场景关键字分类
| 关键词| 应用场景| 描述|
| —| —| —|
| 1. Robotics (机器人技术) | 工业自动化| 用于自动化生产线和复杂任务执行|
| 2. Autonomous Vehicles (自动驾驶汽车) | 交通运输| 无需人类操作即可驾驶的汽车|
| 3. Chatbots (聊天机器人) | 客户服务| 提供自动化的客户支持和信息查询|
| … | … | … |
—
请发送“继续AI行业分析”以获取更多关键词和深入分析。

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“kimi使用麦肯锡分析法快速了解一个行业”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！