我平时在做调研的时候，习惯将调研获取到的信息都统计下来，并放到表格里面进行管理。
比如看到一个不错的竞争对手，习惯将这个竞争对手做的不错的页面，以及每个页面对应的关键词出词信息都统计到表格里面去。
由此慢慢积累下来，这种信息沉淀方式就会导致整个项目表格变得异常庞大。
像我平时使用的比较多的谷歌表格，当行数达到 10 万行左右的时候，整体的查询进度就会变得非常慢，甚至打开表格的时候都需要加载比较长时间（尤其是晚高峰网速不佳时）。
没办法，这就是线上表格的弊端，数据量很多且有多人协作时，整体的进度必然会变慢。
所以我最近也在调研一些其他的方案，Airtable 这些竞品我都有陆续尝试，给我的感觉都一样，数据量很大时都会变得很慢。
而且这段时间我也在尝试本地的一些方案，比如将所有数据放在本地的 Excel 表格里面，再在本地表格里面进行信息的查询与数据编辑。
其效果依旧不怎么理想，因为当你查询一个词根时（比如关键词 cluster 场景），这些软件都会做大量的查询计算。
也正是因为数据量很大的缘故，所以无论我是使用线上的产品还是线下的产品，其信息查询的速度都比较慢。
最近干脆换了一种思路，就是这些调研过程中获取到的关键词数据依旧由本地 Excel 文件保存，但关键词的查询与聚合等操作则使用 AI 来处理。
逻辑其实很简单，就是允许 AI 对本地的关键字文件进行数据同步，然后将所有数据存储到 SQLite 数据库中，并对一些查询字段做索引。
其实这套技术方案我自己也不是很懂，而且 SQLite 这种嵌入式的关系型数据库我之前也没有操作过。
只是我把我的工作场景与对应需求都告诉 AI 之后，AI 给我推荐的这种方案。
且当我实际操作一遍之后，其数据查询的速度之快确实是让我很惊艳。
像上图中的这份关键词调研数据，关键词与话题差不多有 30 万行，附加上对应的自然搜索数据，全部存储到数据库中都不到 100M。
但我现在再去做某个关键词的聚合查询时，其速度是非常快的。
另外也没必要担心具体的数据库操作命令，因为我们完全可以用大白的话的方式与 AI 进行沟通，然后让 AI 去操作这份数据库。
这种方案我体验下来还不错，甚至全部关键词的聚合操作都能在比较短的时间内做完。
有兴趣的小伙伴可以自己尝试一下。
