AI 分析
痛点:科研人员订阅PubMed最新文献时信息严重过载,提醒既不区分使用者的领域和经验,又按发表日期而非相关性排序,真正重要的论文常被淹没在列表底部。
目标用户:医学与生命科学领域的研究者、临床医生、遗传学家等需要持续追踪最新文献的人。
证据:1) It doesn't account for your field or experience... 2) Results are sorted by publication date, not relevance. The paper that matters most to you could be buried at the bottom. A few alternatives exist, such as Semantic Scholar and Stork, but they still offer limited personalisation.
变现:订阅制SaaS:个人月费(按研究主题或项目数分档)+ 实验室/机构团队版按席位收费,可提供自定义相关性规则和每日邮件摘要作为付费点。
MVP:用PubMed E-utilities抓取订阅主题的新文献,让用户用自然语言定义若干'相关性标签',用嵌入模型或LLM给每篇打分并生成每日邮件摘要,2周内可完成核心闭环。
竞品:Semantic Scholar、Stork、ResearchBird
摘要:作者独立开发了ResearchBird.net,把PubMed邮件提醒改造成个性化、按相关性排序的信息流,并给每篇论文打彩色相关性标签。作者指出PubMed提醒不区分领域经验、按日期而非相关性排序,且Semantic Scholar、Stork等现有方案个性化有限。全帖为产品自荐求反馈,未披露任何付费或收入数据。