需先识别用户真实痛点而非表面需求，通过筛除模糊动词句、定位失败动作+挫败感、高频重复+时间压力、对比落差三类信号，并用monica ai反向验证缺失的认知前提或操作条件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要从豆包AI生成的文案中快速识别用户真实痛点，而不是停留在表面需求描述上，否则后续优化方向会完全偏离实际使用场景。
先筛掉“假痛点”语句
打开豆包输出的文案，逐句检查是否含“希望”“想要”“建议”“可以”等模糊动词——这类句子大概率是用户转述的泛化诉求，不是痛点本身。例如“希望文案更吸引人”，这其实是目标，不是痛点；真正痛点藏在它前面那句“发了10条小红书笔记，点击率始终低于2%”。
删掉所有未附带具体数据、行为结果或情绪反应的句子。
定位三类真痛点信号
方法一：找失败动作+挫败感组合句
比如“试了3版标题，同事都说没感觉，最后自己也不确定该改哪”——这里“试了3版”是动作，“没感觉”“不确定”是情绪反馈，中间缺的是判断标准，痛点就是【缺乏可验证的文案效果评估依据】。
使用豆包（火山引擎 Ark）生成图片或视频并保存本地。用户提及“豆包生图/图片/生视频/视频”、“Doubao”、“Seedance”、“火山引擎图片/视频”时触发。
方法二：找高频重复词+时间压力词
如“每次都要花2小时写产品介绍”“改来改去还是被老板打回”——“每次”“还是”暴露流程固化，“2小时”“被打回”说明耗时与返工并存，痛点是【缺乏适配业务语境的模板化表达框架】。
方法三：找对比落差描述
“同行用AI写的种草文评论区很热闹，我发的没人留言”——直接呈现结果差异，“热闹”和“没人留言”之间存在可测量的行为断层，痛点锁定为【缺少激发用户互动的触发机制设计】。
用Monica AI反向验证痛点准确性
第一步：把筛选出的候选痛点句复制进Monica AI对话框。
第二步：输入指令：“请用一句话指出这句话背后最可能缺失的用户认知前提或操作条件，并说明如果这个前提不成立，会导致什么具体后果。”
第三步：观察Monica返回的答案是否指向可干预的动作节点。例如返回“用户未定义目标读者的具体决策障碍”，就说明这个痛点可拆解为下一步调研任务；如果返回“用户期待AI自动理解商业目标”，那就得退回前一步——这不是痛点，是误用预期。
这一步必须手动输入指令，不能依赖Monica的默认分析模式，【默认模式会把描述当结论，直接给出优化建议，跳过痛点归因环节】。
