怎么用AI做竞品分析: 90%的人把第一步就搞错了!

Crayon《2025 竞争情报行业报告》显示：

60%的竞争情报团队如今每天都在使用 AI，AI采用率同比增长 76%。Wynter 2026年5月发布的 B2B PMM 基准报告更显示：21%的B2B 产品市场经理已把通用大模型当作第一竞品情报工具，这个数字超过了 Crayon、Klue、Kompyte三家专业CI 平台的总和。

工具从来没有这么普及过。但同样是 Wynter 的调查：

82% 的竞争对抗卡（battlecard）在 90 天内就过期失效，37% 的销售团队干脆完全无视竞争情报产出。

商业新知上有一篇被广泛转发的方法论文章（作者刘大大），开头讲了一个极其普遍的场景：花两天截图、整理表格、写功能对比，发给领导后得到一句"没什么用，重新想想"。

问题不在努力程度，而在于做的根本不是竞品分析，只是功能清单。真正有用的竞品分析，回答的不是"竞品有什么"，而是"我们该怎么做"。

它必须支撑一个具体决策：要不要上这个功能？定价怎么调？下个季度资源押在哪？把决策问题写在文档最顶部，后面所有分析围绕它展开。没有这一步，后面做得再快都是浪费。

腾讯云开发者社区的一篇文章把话说得更狠：90% 竞品分析的经典死法，是用"做了多少"代替"想清楚什么"。表格越大、产品越多、维度越细，越说明你不知道自己在找什么。真正有用的竞品分析，最后只回答三个问题：

还有一层常被忽略的原因：不同角色要的答案完全不同。产品负责人要功能差异和迭代节奏，市场要传播策略和用户心智，运营要获客留存打法，管理层要市场格局和战略方向（SegmentFault 实操教程中的分类）。不先确认"分析给谁看、解决什么问题"，AI 再强也帮不上你。

这是 AI 时代的第一条铁律：AI 能替你完成一切执行动作，唯独不能替你定义问题。

人人都是产品经理上有个比喻很到位：你对 AI 说"帮我做一份竞品分析"，就像给第一天报到的实习生扔下一句"去调研一下竞品"然后就去开会了。两小时后他交回来的东西只能靠猜，不知道你要支撑什么决策，不知道重点看谁，不知道结论给谁看。

AI 就是这个实习生。它上知天文下知地理，知道 SWOT 怎么写、波特五力是什么，但它不知道你的产品处于什么阶段、这次要回答什么问题。

所谓AI 不好用，本质上是你没把范围、目标、标准定义清楚。

所以分工必须明确：

为什么要这么分？因为大模型的本质是概率生成，不是事实检索。

它有两个系统性缺陷：

第一，知识有截止日期，且它不知道自己过时了。默认状态下模型靠训练数据回答问题，竞品的定价、最新功能、定位话术大概率是几个月甚至一两年前的。

Semrush 2026年的指南直接点明：你问 ChatGPT 分析竞品，拿到的结果"generic, stale, or just wrong"——这不是 AI 的 bug，是它的工作方式。

第二，它会一本正经地编造，而且最爱编你最需要的那类细节。Seeto 的分析指出：对比表格是幻觉的重灾区——每个单元格看起来只能是"是/否""$X/月"这类有限取值，模型宁可编一个自信的答案，也不愿承认自己不知道。Vectara 幻觉排行榜的数据更直观：即便是顶级模型，在文档摘要任务中仍有约 2%–3% 的内容无来源支撑，部分推理模型超过 17%。

O8 引用斯坦福 2025 年 AI 可靠性研究（覆盖 500 家 B2B 软件公司）发现：对网上资料充分的大公司，模型幻觉率低于 8%；对公开信息稀少的中小竞品，幻觉率超过 31%——恰恰是你最需要情报的新兴对手，AI 最不可靠。

AI 出错最多的地方，正是你要拿去做决策的地方——定价和近期动态。这是所有后续流程设计的出发点。

这套流程综合了 MeritForge 的四阶段法（Scoping–Gathering–Structuring–Synthesis）、刘大大的决策导向法、人人都是产品经理的五步法，以及多个英文实操指南的共识。

核心逻辑一句话：你负责问题、框架、素材、核验；AI 负责检索、整理、推断、成文。

开工前写一段范围说明，回答四个问题：

这段话后面要原封不动粘贴进每一个 prompt。没有它，AI 只会给你一份放之四海而皆准的模板分析。

竞品分三层，分析深度完全不同（人人都是产品经理的五步法）：

刘大大补充了另外三种值得重点看的对象：行业标杆（找短期追不上的结构性优势）、与你基础相似但表现更好的（找可学习的差异化）、方向一致但已经失败的。

这是大多数人犯的错：把选框架也交给 AI。AI 会选，但它选的是"通用的"，不是"最适合你这次目的的"。不同目的对应不同工具：

定位四象限值得单独说两句（腾讯云"一深思AI"的方法）。选两根轴把所有竞品摆上去，没人站的格子就是潜在机会。难点在选轴，铁律是：选"你站在哪一边对你是优势"的维度——做私域 SaaS，"通用 vs 行业专精"是好轴，"功能多 vs 功能少"是烂轴。

对标矩阵有两个反直觉的读法：一是看全行业都满分的能力——那种能力追平即可，绝不投入，在卷到天花板的地方厮杀是新手最常犯的错；二是看得分严重分化的能力——那才是差异化空间。

第一，按工具特长分工，不要一个工具用到死。中英文实操圈的共识高度一致（AI Business Weekly、MeritForge、Competely 均给出类似建议）：

第二，把一手素材喂给 AI，而不是让它凭记忆猜。这是被绝大多数人忽视、却最立竿见影的一步。AI 对大平台的信息尚且凑合，对细分赛道、中小产品、最新迭代基本处于"不知道或在猜"的状态。解决方案：竞品官网与定价页的文字、应用商店评论、更新日志、公众号文章、行业报告关键段落——复制粘贴给它，让它基于真实材料分析。

用户评论是金矿。把几百条评论丢给模型，让它做四件事（SegmentFault 教程）：好评/差评主题聚类并标注提及次数、提取 Top 5 痛点、整理用户主动提及的竞品对比、识别虚假好评特征。其中"用户自己做的竞品对比"往往比你自己写的对比表更有说服力。

还有一个容易被忽略的角度：官网不说的，才是软肋。价格细节、限制条件、实施周期——竞品刻意含糊的地方，通常就是用户评论里骂得最多的地方。

（1）推断战略意图。每个产品动作背后都有战略意图。刘大大举的例子：微信上线视频号，表面是和抖音抢短视频，真实意图是把微信从通讯工具升级为内容消费平台，打通社交关系链与内容分发，构建广告商业化新入口。理解这一层，你才能预判它下一步往哪走。可以让 AI 基于竞品近期动作推断：核心战略意图是什么、这些动作在整体战略中扮演什么角色、未来 6–12 个月最可能做什么。AI 的推断不一定准，但它帮你建立系统的思考框架。

（2）差异化机会必须过四道反证。"竞品没做、用户有需求"不等于机会。写进结论前先问：竞品不做，是做不到、不想做、不值得做，还是不能做（合规/成本）？你凭什么做得更好？痛点是否强到能驱动用户迁移或付费？会不会被一键跟进，你的壁垒是什么？答不上来的，先别当成机会。

（3）审计护城河，列"不做清单"。护城河不等于"我有他们没有"——"支持深色模式"不是护城河，竞品下个版本就能加；"客户在系统里沉淀了三年的工作流"才是，因为迁移成本高到客户不想动。判断标准只有一条：护城河 = "我有" + "对手抄要付出它承受不起的代价"。然后基于真护城河列一份"不做清单"——做清单谁都会列，不做清单才是产品的灵魂。

最后一步决定你的产出被拍板还是被存档。刘大大讲过一个真实对比：同一个决策问题，A 花 2 天做了 30 页功能对比报告，结论停留在"竞品有我们没有、建议跟进"；B 花 2 小时输出 5 页决策备忘录——第 1 页就是答案，每条理由配可核验的事实来源，判断拆成【事实】【推断】【待验证】三类，明确写了"建议不做的事"。领导看完 B 的备忘录，直接把讨论从"竞品有哪些功能"拉回"这件事值不值得押"，当场给了方向。

如果受众是销售团队，产出物换成 battlecard：对方是谁、什么场景会遇到、怎么赢、哪些提问能暴露对方弱点、我方证据点。AI 生成初稿，你核对事实后分发。

Seeto 总结的四种失败模式，值得每个用 AI 做竞品分析的人背下来：

配套的核验清单（综合刘大大与 MeritForge 的验证协议），任何数字进入汇报前过一遍：

腾讯云那篇 Agent 实操文章总结的四个坑同样精辟：Prompt 太笼统（把章节结构列清楚）、不要求标注来源（注明来源与时间口径）、不要求交叉验证（区分已确认事实与分析推断）、不要求洞察力（不能只做信息罗列，要给出判断）。

如果你只做到前面六步，你得到的是"一份报告"。真正的差距在于把它变成"一套系统"。

先看数据：Crayon 追踪 1,247 家 B2B 软件公司发现，平均每家竞品每月发生 4.3 次重大变化（定价、新功能、定位调整、高管变动）——季度复盘会错过其中 87%。竞品分析不是快照生意，是监控生意。

Unkover 给出的四层技术栈是目前比较清晰的架构描述：

但比工具更本质的是所有权问题。O8 那篇文章的结论很扎心：专业 CI 平台没有失败在技术上，失败在"假设有人会持续喂养它"——52% 的 B2B 公司把竞争情报交给兼职负责人，平均每周只投入 3.2 小时，于是 82% 的 battlecard 在 90 天内过期，销售不再信任，37% 的团队直接无视。竞争情报没有稳定的所有者，无论用什么工具都会死。

AI Agent 在这里的真正价值，不是"更聪明"，而是更稳定：每天定时扫描竞品官网、定价页、招聘信息、应用商店评论，只在发生实质性变化时推送摘要。人可以请假、可以转岗，例行程序不会。这也是 2026 年竞品情报领域最值得关注的趋势——从"用 AI 写一份报告"到"让 AI 常驻一个岗位"。