如何用 AI 做竞品分析？产品经理效率提升指南

一、为什么很多 AI 竞品分析报告看起来完整，却没有决策价值？

最常见的做法是直接问大模型：

请分析 A、B、C 三款产品的功能、优缺点和竞争格局。

AI 很快就能生成一份结构工整的报告，但它可能存在五类问题：

1. 竞品选错了：只选行业知名品牌，没有覆盖替代方案、潜在进入者和用户当前的手工解决方式；
2. 信息过期：价格、版本、功能、组织和市场策略已变化；
3. 事实与推断混在一起：官网文案、用户评论和 AI 猜测没有分层；
4. 只做功能罗列：没有分析目标用户、使用场景、商业模式和差异化逻辑；
5. 没有结论到动作的转换：报告最后只有 SWOT，没有产品机会、验证计划和路线图建议。

真正能用于决策的竞品分析，应回答：

• 我们究竟在与谁竞争？
• 用户为什么选择它，而不是选择我们？
• 对方的增长来自产品、渠道、价格还是品牌？
• 哪些能力属于行业门槛，哪些只是表面功能？
• 哪些用户需求仍未被满足？
• 我们应该跟进、避开、差异化还是重新定义问题？

竞品分析的目标不是证明“别人有什么”，而是降低产品决策的不确定性。

二、AI 竞品分析的推荐工具栈

OpenAI 官方资料显示，Deep Research 可以执行多步骤网络研究，汇总多个来源并生成带引用的结构化报告。Google Trends 可以同时比较最多 5 组搜索词，每组最多包含 25 个词。Similarweb 可用于分析市场规模、竞品变化、受众和渠道；Semrush Traffic & Market Toolkit 则提供市场概览、批量竞品比较和竞品动态监控。

需要注意：

AI 搜索工具负责提高“搜集和归纳速度”，Similarweb、Semrush、Sensor Tower 等专业平台负责提供“方向性数据”，产品经理负责判断“数据是否足以支持决策”。

三、第一步：先定义分析目标，不要先搜竞品

竞品分析不是固定模板。不同决策需要不同数据。

1. 常见分析目标

2. 推荐的问题定义模板

分析目的：确定企业知识库产品下一季度的产品规划。 目标客户：200—2000 人的中国企业。 分析范围：直接竞品 3 家、间接竞品 2 家、替代方案 2 类。 重点问题： 1. 核心使用场景； 2. 知识导入和检索能力； 3. 权限与安全； 4. Agent 和工作流； 5. 定价与采购门槛； 6. 客户不满意点； 7. 我方可验证的差异化机会。 时间范围：重点核对最近 12 个月的产品和市场变化。 最终产物：竞品矩阵、关键洞察、机会清单和验证计划。

四、第二步：建立四层竞品地图

只分析“长得最像”的产品，会错过真正的竞争。

1. 直接竞品

面向相似用户，用相似方案解决相似问题。

例如，一款 AI 会议助手的直接竞品可能是：

• 同样提供录音、转写、摘要和行动项的 SaaS；
• 同样面向企业会议场景的协同工具。

2. 间接竞品

解决相同问题，但产品形态不同。

例如：

• 视频会议平台内置 AI 纪要；
• 企业办公平台内置智能会议；
• 通用大模型上传录音后总结。

3. 替代方案

用户没有购买产品时采用的方法：

• 人工记录；
• Excel 或 Word 模板；
• 录音后外包整理；
• 会后由参会人写总结；
• 不处理，依赖记忆。

4. 潜在竞品

未来可能进入市场的玩家：

• 掌握模型、云服务或流量入口的大平台；
• 正在招聘相关岗位的公司；
• 在 Product Hunt、GitHub 或应用商店快速增长的新产品；
• 相邻赛道开始加入相似能力的产品。

竞品发现 Prompt

我要分析【产品类别】。 目标用户是【用户群体】，核心任务是【用户任务】。 请按照以下四类识别竞品： 1. 直接竞品； 2. 间接竞品； 3. 替代方案； 4. 潜在进入者。 每个候选对象请提供： - 为什么属于这一类； - 目标用户； - 核心价值； - 官方来源； - 最近一次重要产品变化； - 是否值得进入重点分析名单。 不得仅依据品牌知名度排序。 无法核实的信息请标记“待验证”。

五、第三步：建立竞品分析问题树

问题树决定了 AI 应该搜什么，也防止报告变成资料堆积。

推荐的八维问题树

1. 市场与定位

• 产品解决什么核心问题？
• 目标客户是谁？
• 面向个人、团队还是企业？
• 使用什么一句话价值主张？
• 属于什么价格带和市场层级？

2. 产品能力

• 核心功能是什么？
• 首次使用到获得价值需要几步？
• 哪些能力是基础版、付费版或企业版？
• 是否提供 API、插件、工作流和集成？
• AI 是独立功能还是嵌入整个流程？

3. 用户体验

• 注册门槛；
• 新手引导；
• 核心任务完成路径；
• 错误提示和恢复；
• 移动端与桌面端体验；
• 性能、稳定性和结果一致性。

4. 用户反馈

• 用户最常表扬什么？
• 用户最常抱怨什么？
• 哪些问题会导致退款、流失或差评？
• 新用户与高阶用户的痛点是否不同？
• 哪些需求被重复提出但长期未解决？

5. 商业模式

• 免费版的限制是什么？
• 价格按用户、用量、功能还是项目计费？
• 是否存在低价获客、高价升级路径？
• 企业采购需要什么条件？
• 是否依赖服务费、实施费、广告或佣金？

6. 获客与增长

• 主要流量来自搜索、广告、社交、社区还是销售？
• 重点内容和关键词是什么？
• 是否依赖渠道伙伴？
• 是否通过模板、免费工具和生态集成获客？
• 品牌声量与实际使用是否匹配？

7. 技术与组织信号

• 使用哪些公开可识别的技术？
• 是否频繁招聘 AI、数据、安全、销售岗位？
• 产品更新速度如何？
• 是否有开放平台、API 或开发者生态？
• 是否存在合规、隐私和供应商依赖风险？

8. 战略选择

• 竞品真正的护城河是什么？
• 哪些功能容易复制？
• 哪些优势来自数据、渠道、品牌或组织？
• 我们应该跟进、差异化、合作还是避开？
• 哪个机会可以用最低成本验证？

六、第四步：建立“证据表”，不要直接让 AI 写报告

推荐先建立一张证据台账。

来源等级建议

证据抽取 Prompt

请阅读以下材料，只抽取可核实信息，不要先写结论。 输出表格字段： - 事实； - 来源； - 页面日期； - 证据类型； - 可信度； - 是否存在口径限制； - 需要进一步验证的问题。 规则： 1. 官方宣传语不能直接等同于真实效果； 2. 第三方流量、下载和收入属于估算； 3. 单条用户评论不能代表普遍问题； 4. 不得补全来源中没有的信息； 5. 事实和推断必须分开。

七、第五步：用 AI 拆解官网、产品和新手路径

1. 官网拆解

AI 可以快速分析：

• 首屏价值主张；
• 目标用户；
• 使用场景；
• 社会证明；
• 主要行动按钮；
• 定价入口；
• 内容策略；
• 企业与个人版本差异。

官网分析 Prompt

请分析该产品官网，但不要只复述文案。 请输出： 1. 一句话定位； 2. 目标用户； 3. 用户最重要的任务； 4. 首屏主张使用了什么说服逻辑； 5. 展示了哪些核心场景； 6. 哪些能力被放在最高优先级； 7. 免费试用和付费转化路径； 8. 官网没有回答但采购者会关心的问题； 9. 与另外两个竞品的定位差异。 所有事实附来源；推断单独标注。

2. 产品试用拆解

产品经理应亲自完成至少一次核心任务，并记录：

• 注册步骤；
• 是否需要信用卡；
• 首次价值时间；
• 默认模板；
• 引导方式；
• 核心路径点击数；
• 错误和恢复；
• 升级提示；
• 数据导入导出；
• 权限与协作。

推荐建立“任务体验卡”：

AI 可以帮助整理体验记录，但不能代替亲自试用。

八、第六步：分析用户评论，但不要只做词频统计

G2、应用商店、社交媒体和社区评论可以揭示：

• 用户为什么购买；
• 什么场景最有价值；
• 用户为什么放弃；
• 什么问题影响续费；
• 哪些用户并不适合该产品。

推荐的评论分析维度

评论归纳 Prompt

请对以下用户评论做主题分析。 要求： 1. 区分正向价值、负向问题和功能诉求； 2. 按用户角色和使用场景分组； 3. 统计每个主题出现的评论数，但不要推断总体市场比例； 4. 提取有代表性的短句，不超过必要引用长度； 5. 区分产品缺陷、学习成本、价格问题和错误使用； 6. 标注评论日期和可能对应的产品版本； 7. 输出需要通过用户访谈验证的问题。

常见错误

• 把 10 条评论概括成“用户普遍认为”；
• 忽略评论日期；
• 忽略免费用户和付费用户差异；
• 把用户不会用当成产品没有能力；
• 只看差评，不看用户为什么仍然续费。

九、第七步：分析流量、关键词与增长方式

Similarweb 可用于

• 网站访问趋势；
• 流量来源；
• 用户参与度；
• 搜索关键词；
• 地区和设备结构；
• 竞品和市场相对位置。

Semrush 可用于

• SEO 和付费搜索；
• 关键词差距；
• 内容主题；
• 市场与流量比较；
• 批量域名对比；
• 竞品内容、活动和渠道监控。

Google Trends 可用于

• 品牌词与品类词趋势；
• 区域差异；
• 季节性；
• 相关搜索；
• 新概念增长信号。

Google Trends 的指数经过归一化处理，不代表绝对搜索量；Similarweb、Semrush 和 Sensor Tower 的很多数据也属于模型估算。正确做法是看：

• 相对趋势；
• 渠道结构；
• 同口径比较；
• 多来源是否一致；
• 重大变化是否有产品、营销或外部事件解释。

增长分析 Prompt

请基于我提供的 Similarweb、Semrush 和 Google Trends 数据分析三家竞品。 输出： 1. 流量趋势； 2. 渠道结构； 3. 品牌词与非品牌词差异； 4. 增长最快的地区和渠道； 5. 可能的获客策略； 6. 数据无法证明的事项； 7. 需要结合产品发布时间、广告活动和内容发布进一步核实的变化。 不要把估算流量写成公司真实用户数。 不要把搜索兴趣直接等同于收入或市场份额。

十、第八步：分析定价与商业模式

不要只记录价格，还要分析定价逻辑。

定价拆解表

定价分析 Prompt

请比较以下三家产品的定价页面。 不要只比较月费，请分析： 1. 免费版实际可完成的核心任务； 2. 最主要的付费墙； 3. 个人到团队的升级路径； 4. 企业客户必须购买的能力； 5. 用量超限后的成本； 6. 哪家更适合低频、高频和多人使用； 7. 哪些费用没有公开； 8. 价格页面的最近更新时间。 如果不同地区或年付月付口径不同，请分别说明。

十一、第九步：建立竞品矩阵，但不要把所有维度平均处理

推荐使用“基础门槛 + 决策关键项”的方式。

示例：企业知识库产品评分

为什么不能只看总分？

• 不同目标客户权重不同；
• 企业客户可能把安全当成否决项；
• 低价不一定适合高复杂度用户；
• 某个核心场景的明显优势可能比平均分更重要；
• 一些能力是门槛，不是差异化。

推荐增加三类标记：

• Must-have：没有就无法进入采购名单；
• Differentiator：真正影响用户选择；
• Delighter：可形成传播和口碑，但不是基本门槛。

十二、第十步：让 AI 生成“洞察”，而不是简单摘要

摘要回答“资料说了什么”，洞察回答“这对我们的决策意味着什么”。

洞察公式

观察到的事实 + 形成该事实的原因假设 + 对目标用户的影响 + 对我方产品的意义 + 可验证的下一步

示例

普通摘要：

竞品 A 提供更多第三方集成。

产品洞察：

竞品 A 的集成数量明显领先，但用户评论中仍频繁出现“配置复杂”和“同步失败”。这说明集成数量已是企业采购门槛，却未必构成体验优势。我方不应追求连接器数量完全对齐，而应优先验证高频系统的一键配置、错误诊断和稳定同步是否能形成差异化。

洞察生成 Prompt

请基于证据表生成产品洞察。 每条洞察必须包含： 1. 事实； 2. 证据来源； 3. 原因假设； 4. 对目标用户的影响； 5. 对我方产品的意义； 6. 推荐动作； 7. 最低成本验证方法； 8. 置信度。 不得把假设写成事实。 没有足够证据时，请输出“暂不能判断”。

十三、AI 辅助竞品分析的场景演练

为了比较不同工作方式，本文使用一个三家 B2B SaaS 竞品研究任务进行流程演练，要求完成：

1. 竞品识别；
2. 官网定位；
3. 核心功能；
4. 定价；
5. 用户评价；
6. 流量和关键词；
7. 技术与组织信号；
8. 最终机会建议。

验收维度

场景评分

说明：以上是统一任务与验收标准下的流程演练评分，不是厂商官方 benchmark。不同品类、数据权限和团队能力会改变结果。

演练结论

AI 最适合替代这些工作：

• 初步搜集；
• 页面抽取；
• 评论归类；
• 表格整理；
• 多来源对照；
• 报告初稿；
• 周期性监控摘要。

AI 不适合独立决定：

• 用户真实购买动机；
• 功能价值优先级；
• 竞争壁垒；
• 因果关系；
• 路线图取舍；
• 是否进入某个市场。

十四、产品经理可直接复制的完整工作流

第 1 步：写研究 Brief

明确目标、用户、区域、时间范围、关键问题和产出。

第 2 步：建立竞品长名单

从直接、间接、替代和潜在四层发现 10—20 个对象。

第 3 步：筛选重点竞品

用用户重叠、场景重叠、商业模式和增长信号筛选 3—5 家。

第 4 步：建立问题树和证据表

所有研究问题都要对应字段和来源。

第 5 步：AI 深度研究

让 AI 搜索官网、帮助中心、价格页、公告、行业报道和公开评论，并保留引用。

第 6 步：专业数据补充

根据产品类型选择：

• Web：Similarweb、Semrush；
• App：Sensor Tower、七麦；
• B2B SaaS：G2；
• 技术产品：GitHub、BuiltWith；
• 中国内容平台：百度指数、微信指数、小红书和知乎。

第 7 步：亲自试用

对每个重点竞品完成相同任务，录屏并记录版本。

第 8 步：用户声音分析

按角色、场景、价值、问题和流失原因分类评论。

第 9 步：建立加权矩阵

权重必须来自本次决策目标，而不是固定模板。

第 10 步：形成洞察和机会

每条建议必须附证据、置信度和验证方案。

第 11 步：召开评审

由产品、销售、市场、交付、技术和客服共同挑战结论。

第 12 步：建立持续监控

每月或每季度更新：

• 定价；
• 重大功能；
• 官网定位；
• 招聘；
• 用户评价；
• 流量和关键词；
• 合作、融资和并购；
• 合规与服务状态。

十五、竞品分析报告推荐结构

1. 执行摘要 2. 分析目标与范围 3. 市场和竞品地图 4. 重点竞品定位 5. 产品能力矩阵 6. 核心任务体验对比 7. 定价与商业模式 8. 用户评论与流失原因 9. 流量、关键词与增长渠道 10. 技术、组织与生态信号 11. 关键洞察 12. 我方优势与风险 13. 产品机会清单 14. 验证计划 15. 数据来源与限制

执行摘要应该回答

• 最重要的 3 个发现；
• 最大竞争风险；
• 最值得验证的机会；
• 建议立即做什么；
• 哪些结论仍不确定。

十六、AI 幻觉与研究质量控制

1. 要求逐条引用

没有来源的具体功能、价格、客户数量和数据，不进入事实表。

2. 核对页面时间

重点检查：

• 定价更新时间；
• 文档对应版本；
• 评论日期；
• 产品是否已经停止服务；
• 新闻发布时间与事件发生时间。

3. 交叉验证估算数据

流量、下载和收入估算尽量使用两个来源，并只做方向性判断。

4. 给结论加置信度

5. 区分五种内容

在报告中使用标签：

• 【官方事实】
• 【第三方数据】
• 【用户观点】
• 【分析推断】
• 【待验证】

6. 让 AI 做反方审查

请作为反方评审这份竞品分析。 检查： 1. 是否遗漏重要竞品； 2. 是否把估算写成事实； 3. 是否过度依赖官网宣传； 4. 是否存在过期价格和功能； 5. 是否把相关性写成因果； 6. 是否只挑选支持原结论的证据； 7. 哪些结论无法指导产品动作； 8. 还需要哪些验证。

十七、常见的 10 个错误

1. 先定结论，再找证据；
2. 只分析直接竞品；
3. 只看功能数量；
4. 把官网宣传当真实体验；
5. 把估算流量当真实用户数；
6. 把少量评论当总体用户意见；
7. 不记录版本和时间；
8. 竞品打分权重没有业务依据；
9. 报告没有验证计划；
10. 做完一次后不再更新。

十八、最终结论

AI 已经显著改变竞品分析的效率结构。

过去，产品经理大量时间消耗在：

• 搜页面；
• 复制资料；
• 整理评论；
• 对齐格式；
• 写报告初稿。

这些工作现在可以大幅交给 AI。

但产品经理最核心的价值仍然是：

• 定义正确的问题；
• 判断来源可信度；
• 理解用户选择；
• 识别真正的竞争壁垒；
• 把信息转化为可验证的产品动作。

最推荐的工作方式是：

AI 搜索和归纳 + 专业数据平台 + 亲自试用 + 用户访谈 + 人工决策。