Search intent research

搜索意图研究

<!-- parity: purpose -->

目标

构建可追溯的需求观察证据、规范化问题与搜索意图库。区分用户原话、搜索建议和平台生成的问题模块。绝不把生成或推测的问题冒充为观察证据。

<!-- parity: guardrails -->

不可突破的边界

• 只有存在可观察证据记录时，才能把规范化问题标为有证据支持。
• 分别保留 raw_question 与 normalized_question；不得用分析者生成的文字替换观察到的查询、建议、评论、投诉或记录。
• 每条观察都要记录 evidence_form，不得把所有可观察搜索表面都描述成用户逐字原话。
• platform 记录实际来源，受控的 source_type 记录证据类别。
• 不得虚构搜索量、观察次数、来源、URL、日期、查询词或研究结果。
• 把问题表述、意图和底层任务视为三个不同概念。
• 分开判断证据强度、优先级、normalization_confidence、cluster_confidence 和 intent_confidence，不制造虚假的数值精度。
• 遵守宿主 Agent 的工具、联网、认证、审批和隐私政策；用户明确禁止联网时不得联网。
• 处理一方材料时，不得暴露不必要的个人信息或机密身份。

<!-- parity: input-model -->

确定输入

明确或合理推断：

• 研究主题；
• 目标市场；
• 语言；
• 目标受众。

有条件时使用业务或内容目的、时间范围、目标问题数、一方来源、偏好或排除来源、竞品范围和研究深度等可选信息。只有当无法推断会实质改变研究时才提问。

<!-- parity: define-scope -->

1. 定义研究范围

说明主题边界、受众、市场、语言、目的、时间范围、证据标准和停止条件。把目标数量视为规划目标，不得把它当作虚构问题的许可。

<!-- parity: source-coverage -->

2. 建立来源覆盖计划

读取 references/source-strategy.md。根据受众适配度和有效的来源类型多样性选择来源，不追求平台数量最大化。识别明显错配；例如面向硬件工程师时，如果存在技术搜索、专业社区或一方证据，就不能把只有生活方式社交平台的数据视为充分覆盖。

来源覆盖只能使用以下状态：

• planned：已选择，尚未开始采集；
• collected：已经实际采集证据；
• login-required：等待认证，暂时受阻；
• pending-manual：需要用户或后续外部人工采集；
• inaccessible：当前不可访问，且没有进行中的人工采集；
• skipped：有意不采集；
• not-applicable：与本次研究范围无关。

不得声称所有示例来源都必须使用。

<!-- parity: collect-observed -->

3. 采集观察证据

当研究需要外部证据且宿主政策允许时，使用可用的搜索、浏览、来源或用户提供数据工具。对每条观察保留原始表述、实际平台、受控来源类型、证据形式、URL 或稳定引用、已知的来源发布时间、采集时间、使用的查询词，以及足以理解证据的语境。不得虚构任一时间；不明确时使用空值或 unknown。

论坛提问、帖子、评论、客服对话、用户访谈和客户消息可能保留用户原话。搜索联想、相关搜索和平台问题模块属于可观察需求信号，但未必是用户逐字表述。不得把 AI 生成内容、分析者改写、规范化问题、聚类标签或推断出的底层任务当作原始观察文字。

<!-- parity: access-handling -->

4. 处理认证与不可访问来源

有价值的来源需要登录时：

1. 只暂停该来源；
2. 明确说明平台与认证要求；
3. 保存当前研究检查点；
4. 在支持的情况下，用户完成认证后继续；
5. 绝不虚构不可访问的数据。

用户拒绝认证或无法认证时，继续使用可访问来源并记录覆盖缺口。需要用户操作或后续外部采集时，创建独立的人工采集队列，并把来源标为 pending-manual。排队项不得进入证据表，也不得计为已采集。

<!-- parity: normalize -->

5. 规范化但不替换证据

读取 references/normalization-dedup.md。只有在原意不变时，才清理标点、明显拼写变体、术语和无关口语填充。不得补充缺失约束、凭空消除歧义或合并不同意图。

<!-- parity: deduplicate -->

6. 保守去重

区分完全重复、近似重复和意图等价变体。只在规范化问题或分组层合并。保留每条原始证据记录，不得把用户任务、约束、阶段或期望行动明显不同的问题过度合并。

<!-- parity: cluster -->

7. 从观察证据中聚类

把规范化问题整理为从数据中自然形成的实用主题组。允许新聚类和离群项出现。不得为了视觉完整而创建任意分类，也不得把证据强行塞入预设内容计划。

<!-- parity: classify-intent -->

8. 分类意图

读取 references/intent-taxonomy.md。分开记录最有依据的意图与底层任务。当证据支持多种意图时，使用多标签或歧义说明，不强行制造确定性。

<!-- parity: aggregate-evidence -->

9. 汇总证据

把每个规范化问题与证据表中的全部支持记录关联，并派生、公开：

• observation_count；
• independent_source_count；
• source_type_count。

这些计数必须来自已采集证据。observation_count 不等于独立需求数量；同一讨论串中的重复评论或转载结果不能自动代表相互独立的需求。

<!-- parity: assess-priority -->

10. 评估证据强度与优先级

读取 references/evidence-priority.md。以下判断使用低、中、高：

• 证据强度： 依据重复观察、独立来源、来源类型多样性，以及可获得的明确搜索行为数据；
• 优先级： 综合证据、受众相关性、业务或内容相关性、决策重要性和实际用途；
• 规范化置信度： normalization_confidence，表示对保留原始含义的把握；
• 聚类置信度： cluster_confidence，表示对分组一致性的把握；
• 意图置信度： intent_confidence，表示对推断意图和底层任务的把握。

各维度适用时使用低、中、高。所有判断必须分开，并说明重要限制。

<!-- parity: hypothesis-handling -->

处理假设问题

证据支持的问题少于用户目标数量时，只返回有证据的问题并说明覆盖范围，不得生成内容凑数。

用户明确要求补充假设问题时，分成两个清晰区域：

1. 有证据支持的问题
2. 假设问题

不得把假设问题并入证据表，也不得计为观察记录。

<!-- parity: privacy -->

清理一方证据中的隐私

处理客服、销售、CRM、私域社区、访谈或类似一方材料时，移除不必要的姓名、电话、邮箱、订单号、账号、个人标识和机密客户身份。保留问题的研究价值，而不是提问者身份。

<!-- parity: stopping -->

使用趋于饱和的停止条件

当新增来源带来的新问题很少、主要聚类和意图模式稳定、高价值问题反复出现，并且继续采集的边际价值下降时停止。不要求每个平台达到固定样本数。报告妨碍饱和判断的来源、细分受众、市场或时间范围缺口。

<!-- parity: delivery -->

11. 交付问题库与限制

生成结构化输出前读取 references/output-schema.md。除非用户指定其他格式，返回：

1. 研究摘要
2. 用户问题库
3. 聚类 / 意图摘要
4. 来源覆盖
5. 限制与覆盖缺口
6. 只有需要用户操作或后续采集时才提供人工采集队列

即使面向读者只展示精简视图，也应保留证据表作为可追溯层。人工采集队列必须与已采集证据分开。不得自动把问题库转成文章大纲、SEO 选题、GEO 文章或社交内容；这些属于下游任务。