過去在進行市場研究時，存在一個多數人不願承認的盲點：它常讓人陷入「假裝在工作」的盲目忙碌中。手動搜尋、狂開數十個分頁、機械式地複製貼上與整理報告——這套傳統流程正極大地消耗著團隊的生產力。HubSpot團隊近日發布一份指南《如何在 20 分鐘內完成 10 小時的研究：行銷人的 Google Gemini & NotebookLM 實用指南》，其行銷資深副總裁指出：過去他做調研時，往往只能瀏覽 32 個相關網站中的 10 到 15 個，其餘過半的市場洞察就這樣被淹沒了。
對此，HubSpot 行銷長（CMO）Kipp Bodnar 給出了更深層的定性：AI 的價值並非取代行銷人的創意，而是消滅那些「沒人真正想做」的繁瑣雜活。當機器接手了資料的搜集與梳理，人類才能將精力聚焦於核心的策略與價值判斷。
對此，這份指南給出的解答是 Gemini Deep Research 搭配 NotebookLM。由前者負責搜集完整資料，再由後者提煉核心洞察。
為什麼是這兩個工具？
Gemini Deep Research 只要輸入具體問題，就能在 3 到 5 分鐘內自動爬取超過 32 個網站，並生成附帶完整引用標籤的結構化報告。接手的 NotebookLM 則負責將這些情報轉化為可互動提問的知識庫；它採用封閉邏輯，只根據上傳的資料回答，不引入外部資訊。這種每條輸出皆可追溯來源的特性，對需要決策依據的研究來說，比「回答得漂亮」更重要。
此外，兩者同屬 Google 生態系、可直接串接且皆有免費方案，這也是 Kieran 在實際工作中持續使用這套組合的原因。
Gemini × NotebookLM 實作指南：8步驟完成市場研究
《數位時代》根據這份指南整理出完整的 8 步驟工作流，帶你從 Gemini 啟動研究，一路到 NotebookLM 提煉洞察
第一步：精準提問
提問品質決定報告價值。指南將此稱為「代理人思維」——將 Gemini 視為研究助理，而非單純的搜尋引擎。撰寫 Prompt 時須明確包含：
- 研究範圍
- 使用情境
- 期望的答案形式
細節越具體，產出的報告實用度就越高。Kieran 研究 AI Agent 時使用的 Prompt 如下：
英文提示詞：I want you to do a deep research project for me on artificial intelligence agents. I want to know what they're capable of automating well today, what they're not capable of automating well today, when should I use an agent versus a traditional web application? And how should I think about how AI agents should be used in marketing?」
中文提示詞：我想請你針對 AI 代理進行深層研究。我想知道它們目前能自動化處理什麼、不能處理什麼，何時該使用代理而非傳統 Web 應用，以及行銷人該如何思考其應用。
此結構一次釐清四個核心問題，能明確劃定研究邊界，確保 AI 產出的是決策洞察，而非單純的技術文件。
第二步：啟動 Deep Research
前往 Gemini，登入 Google 帳號後，在輸入框選擇 Deep Research 模式，貼上你的 prompt，按下啟動。Gemini 會先產出一份研究計畫，列出它打算調查的方向和問題，讓你確認或調整後再正式開始爬取。這個確認步驟很重要——如果研究方向一開始就偏了，後面的報告再完整也沒有用。如果有想要調整研究方向，可以按「編輯計畫」確進行更動。認無誤後，AI 開始同步爬取多個來源，期間通常需要 3 到 5 分鐘。
第三步：審查報告與引用來源
報告產出後，不要直接使用。Gemini 會生成帶有主標題與子章節的結構化文件，每個論點旁邊都附有引用標籤，標示資訊來自哪個網站。花時間點擊這些標籤，回溯原始來源，確認關鍵數據與論述的真實性。這個動作不能省。AI 能快速彙整，但資訊是否適用於你的情境，這個判斷沒有辦法外包。
第四步：匯出至 Google Docs
審查完成後，點擊報告右上角的「匯出至 Google Docs」，把研究成果存成可編輯文件。這份文件後續會作為 NotebookLM 的第一個輸入來源，也方便你在過程中加入自己的註記或標注。
第五步：建立 NotebookLM 筆記本
前往 NotebookLM，點擊「建立新筆記本」，依照研究主題命名。命名不只是整理習慣，當你同時有多個研究主題進行時，清楚的名稱能讓你快速切換，不會把不同主題的資料混在一起。
第六步：導入多維來源
這一步決定你的研究有多少深度。除了導入第四步的 Gemini Google Docs 報告，NotebookLM 還支援五種資料類型：網頁文章可以直接貼網址匯入；YouTube 影片貼上連結後，系統會自動產出逐字稿；產業 PDF 白皮書可以直接上傳；電子報和部落格文章也可以透過網址或文字貼入。每增加一個來源，NotebookLM 的回答就多一層依據。如果你手邊有產品競品的官網資料、客戶訪談逐字稿、或是過去的市場調查報告，這個步驟都可以一併導入。
第七步：提取洞察
來源備齊後，以具體 Prompt 向 NotebookLM 提問。NotebookLM 的核心優勢在於跨來源整合，能將散落於不同文件的洞察串聯起來。Kieran 示範的提問方式為：
英文提示詞：I would like a detailed summary from all sources that outlines the five best uses of AI agents today. Five examples of how to use them in your marketing and an executive summary.
中文提示詞：請根據所有來源，列出目前 AI Agent 在行銷上的 5 個最佳應用，並附執行摘要。
系統回答時會精確標注每條洞察的資料來源。由於結論有據可循、非憑空生成，輸出內容可直接作為簡報或報告素材，無需再花時間補校來源。
第八步：生成語音摘要
利用 NotebookLM 的「Audio Overview」（語音摘要）功能，將整份知識庫轉化為對話式音訊。系統會生成兩位 AI 主持人以 Podcast 形式討論該研究主題的音檔，涵蓋重點發現與關鍵洞察。這相當於製作一集專屬的產業節目，方便利用通勤、運動等碎片時間收聽。
這套流程適用於哪些場景？
這份指南列出了 11 個應用場景，涵蓋內容行銷、競品分析、客戶研究、活動規劃、危機溝通等方向。其中有三個場景在實務上的成效最直接：
一、 個人化行銷
Kieran 根據在 HubSpot 的實務經驗指出，這是 AI 在行銷領域落地最快、頻率最高的應用。其核心價值不在於大量產製內容或流程自動化，而在於「精準優化每一次的客戶互動」。這個優先順序的轉變，值得行銷團隊注意。
二、 競品情報監測
傳統的競品研究往往只能覆蓋少數主要對手，且資料容易過時。
現在可利用 Gemini 定期掃描對手的定價、定位與產品動向，再將財報電話會議逐字稿、客戶評論與行銷素材一併導入 NotebookLM，即可快速生成系統化的競品矩陣。後續還能透過 Audio Overview 功能定期向業務團隊簡報，讓情資真正流通到核心決策者手上。
三、 客戶心聲（VoC）研究
Kipp 提出的實作方式最具體：將 NPS 調查結果、客服表單與使用者回饋全部匯入 NotebookLM，並讓系統生成一集專屬的對話音訊（Podcast）。行銷人只需花 10 分鐘收聽，就能掌握客戶真正在意的主題。這項過去需要人工整理數天的工作，如今已轉化為可隨時執行的日常流程。
使用這套方法，要注意的一點是，AI 仍可能出錯，每份報告都應該透過引用標籤回查原始來源，發布前做人工審核。AI 工具可以提供速度上的優勢，但判斷還是得由人來負責。這套方法最大的優勢，去需要花數月才能在陌生領域站穩腳跟，現在數天內就能建立足夠的認知以進行決策，能協助行銷團隊大幅提升應變速度，拉開與競爭對手的差距。
延伸閱讀：哈佛研究也看好的AI用法！用「第二意見」挑戰你的決策盲點，提示詞一次收
他實測11款AI做Excel，Claude Cowork勝出！一段提示詞從零生成700條公式，5步驟流程一次學
資料來源：How to Do 10 Hours of Research in 20 Minutes: The Marketer's Guide to Google Gemini & NotebookLM
本文初稿為AI編撰，整理．編輯/黃若彤
