Kes kajian: ciri Deep Research
Bagaimana pasukan penyelidikan siap laporan industri dalam jam dengan Deep Research.
Pasukan penyelidikan pasaran empat orang mempunyai satu hari bekerja untuk menghantar briefing pesaing. Mereka mengimport 12 Sources teras ke NotebookLM dan menggunakan Deep Research mengisi jurang sebelum eksport PDF Studio.
Kekangan: setiap bullet dalam deck akhir mesti boleh dikesan — keperluan yang model kutipan NotebookLM penuhi secara natif.
Garis masa (larian sebenar)
| Masa | Tindakan | Nota |
|---|---|---|
| 0:00 | Muat naik 8 PDF + 4 URL | Deck pelabur, petikan 10-K, transkrip earnings call |
| 0:20 | Chat: soalan skop | Saiz pasaran, peralihan bahagian, risiko peraturan |
| 0:45 | Pusingan Deep Research | Tambah 6 Sources web dicadangkan NotebookLM |
| 1:30 | Studio Briefing Doc | Ringkasan eksekutif + SWOT berkutip |
| 2:00 | Eksport PDF + semakan | PM mengesahkan setiap kutipan dalam <30 min |
Sebelum vs selepas
| Metrik | Proses manual | NotebookLM Deep Research |
|---|---|---|
| Masa sebenar | 2–3 hari | ~2 jam kerja aktif |
| Bullet boleh dikutip | Nota kaki manual | Sources dipautkan automatik |
| Pengesanan jurang | Ingatan penganalisis | Cadangan Deep Research |
| Format stakeholder | Bina semula dalam slaid | Eksport Studio + suntingan ringan |
Pengajaran
- Mulakan dengan soalan penyelidikan sempit — prompt luas membesarkan masa Deep Research
- Utamakan PDF berstruktur berbanding HTML scraped apabila ketepatan penting
- Pusingan Chat kedua: "apa yang bercanggah dengan tesis kita?" sebelum eksport
- Simpan nota "kualiti sumber": tandakan awal item berbayar atau lapuk
Petikan pasukan: "Deep Research tidak menggantikan pertimbangan kami — ia menggantikan langkah pemasangan membosankan supaya kami boleh fokus interpretasi."