前天的文章聊了不起眼需求的相关问题之后，就觉得哪怕再小的一个需求点，都有做成赚钱产品的可能。那何不直接使用这种方式去挖掘这类不起眼的点，形成相应的数据之后再来做决断。
于是昨天晚上趁着没什么事情，就用 AI 工具走了一遍这样的流程，这篇文章简单分享一下做法。
直接代打开 ChatGPT，输入“Give me 10 tedious workflows a SEO does that AI could automate.”这样的指令。
大义就是让 AI 帮我梳理出在做 SEO 相关工作时，一些可以使用 AI 进行替代的枯燥乏味的工作流。
注：有兴趣的话可以将上面 Prompt 种的工作换成你感兴趣的。
我简单看了下 AI 给我输出的 10 条结果，会发现一些定量性质的工作都有很多产品相关的机会。
比如“Keyword Research and Clustering”、“On-Page SEO Audits”、“Competitor SERP Analysis”、“Internal Linking Suggestions”，等等等。
之所以这么觉得，主要是有些流程的自动化我自己已经实现了，这条路完全行得通。
就拿“Competitor SERP Analysis”这个需求来说，我进一步要求 AI 协助我怎么处理自动化批量任务。
会发现它将自动化执行分为五个主要步骤，分别是抓取搜索结果页上的信息、利用 AI 对抓取内容进行清晰与分析、做网站层级的数据分析（域名权重与历史、外链数据、加载速度与移动端适配，等等）。
以及最后两项是竞争对手的内容分析与相关优化建议输出。
其实上面这样的分析步骤，与我们传统的人工分析大差不差。我们传统人工去做这项工作，也是列一个类似检查清单这样的 SOP，然后对照着项目一个一个动手去查询数据。
那对照着刚刚 AI 输出的这些内容，会发现它不过是将我们手动在做的这些操作全给自动化了（但是这样的工作流做出来的内容更机械化）。
在抓取竞争对手的数据方面，它推荐我们使用 SerpApi, DataForSEO 这类第三方数据提供商的数据。这类数据源，只要你给钱，就完全可以将其嵌入到我们的自动化工作流中。
比如上图，便是输出给我的相关技术栈的推荐。
其实这样的流程，完全可以利用 N8N 将各个部分串联起来，整个上面这些工具的能力，来实现一个完整的项目需求。
但是这样的事情我自己一直没有做，主要还是处于成本上的考量。
一、开发这样的自动化流程需要时间成本，且后期维护也需要花费不少精力；二、一些 API 工具的调用成本其实也挺高的，像现在市面上 Ahrefs API 基本都是二道贩子提供的，比官网便宜不了多少钱。
基于此，如果我不是想做这样的 SERP 页面自动调研工具，只是想单纯将其应用到我自己的工作场景中，就有点得不偿失了。
其实这种利用 AI 进行需求发散的方法，可以应用到不少场景中去，且最终的效果还不错。
我自己更常用的一个场景是分析人群特征，比如把论坛里的讨论信息整理下来喂给 AI，让他帮我分析下这类人群的画像，其内容输出都很详细，值得借鉴。
