用 AI 做竞品分析：信息从哪来、怎么验证

竞品分析交上去没人信，问题多半出在框架之外：信息源。用二手转述拼出来的结论，经不起会上一句「你从哪知道的」。用 AI 做竞品分析的正确顺序是先管住信息来源，再谈分析——AI 能加速整理和验证，但资料本身可靠与否，取决于你收集时的选择。

信息源分三级，可信度差很多

竞品信息按可信度排三档：官方文档和公开数据最高，一手体验次之，二手转述最低。官方的价格页、帮助文档、公开数据，写错要担责任，可信度高；自己把产品用一遍拿到的是真实体验，但样本只有你一个；行业文章和第三方转述常有删减和加工，只能当线索用。做分析时尽量往高可信度的来源靠，越关键的结论越要高等级来源支撑。

这张表的用法：整理资料时先给每条信息贴等级，等级不够的要么升级来源，要么降级用途。

交叉验证：一个结论至少两个独立来源

凡是要写进正文的结论，尽量找两个相互独立的来源印证。独立很关键——两篇文章转述同一个上游消息，只能算一个来源。只有单一来源的信息，处理方式有两种：标注「待确认」放进附录，或者继续找源头。特别警惕那些只在一家媒体出现、别处都查不到的数据，它出错的比例远高于被多方引用过的数字。

让 AI 做交叉验证时，把收集到的资料全部给它，要求列出「哪些信息被多个来源印证、哪些只有单一来源」。这一步机械但费时间，正适合交给工具。

事实和推测分开写

「该产品上季度更新频率明显下降」是事实，「它是不是战略转向了」是推测。两者混写是竞品分析里最常见的翻车点：读者把你的推测当成已确认的事实，决策跟着走偏。写法上给个硬规矩——事实句不带「可能」「大概」，推测句必须带；或者干脆分两栏呈现，事实一栏推测一栏，谁是什么一目了然。

归因尤其要克制。数据变化的原因往往有多个候选解释，把每个候选都列出来，再标上各需要什么证据才能确认。归因下得太快，比没有归因更误导。售后数据的归因分析里有一套类似的做法，可以参考。

每条结论后面接一个动作

竞品分析的终点是「我们怎么办」，而非「对手怎么样」。每条结论后面接一句行动建议，这份分析才算完整：对手降价了，我们是跟价还是加服务；对手砍了某个功能，我们是补位还是观望。没有动作建议的分析，读完只会留下焦虑。需要把分析结果写成正式汇报时，给合伙人的经营总结写法里有一套结论先行的结构可以套用。

AI 负责整理，你负责判断

AI 在竞品分析里的合理分工：帮你按可信度给资料分级、找出需要交叉验证的结论、把事实和推测分开整理、对每条结论提示可能的应对方向。提示词可以写成这样：说明分析对象和信息来源，要求它先分级、再标验证缺口、再分开事实与推测，最后给应对建议，并明确要求它不要编造你没有提供的信息。这个约束必须写，否则它会把推测填成事实。

它做不了的部分

AI 没法替你获得一手信息。竞品最新改版的真实体验、用户在社群里的真实抱怨、渠道价格的实际水位，这些都要你自己去拿。它也不能验证你没给它的资料——资料里没有的信息，它要么说没有，要么编，后者占多数。所以给它的材料越全，输出越可靠；材料本身残缺，再强的模型也补不出真相。

竞品分析速查

• 信息源三级：官方 > 一手体验 > 二手转述
• 写进结论的信息至少两个独立来源
• 单一来源标待确认，不进正文
• 推测句必须带「可能」，事实句不带
• 每条结论后面接一个动作

常被追问的三个问题

• 找不到两个来源怎么办？：说明这条信息要么太新要么太小众。太新的等一等，太小众的降级处理——放进附录当线索，不支撑任何结论。
• 竞品不公开的数据怎么估？：可以用第三方工具或行业报告做区间估计，但正文里必须写明这是估算、估算方法和误差来源，不能写成事实。
• 分析多久更新一次？：跟竞品的更新节奏走。对手有大动作就更新对应条目，固定季度全量更新一次即可，不必月月重做。

分析做完只是开始。把结论沉淀进年度复盘的数据总结方法，能看出对手一年的动作轨迹；做内容电商的，还可以对照选品与内容结合的思路，把竞品观察直接接进选品环节。