用 AI 做竞品功能拆解与对标：完整方法

竞品分析最常见的产出是一张功能清单：A 有这个，我们没有。这种清单对产品决策几乎没有帮助，因为它只回答了「是什么」，没有回答「为什么」。用 AI 做竞品拆解的价值，在于把分析从功能层推到取舍层，但它的推测建立在你的描述之上，最后的决定仍然要自己拍板。

功能清单指导不了决策

功能清单只能告诉你对方做了什么，不能告诉你它为什么这么做、这个功能解决了谁的什么问题，而后一类信息才是能指导决策的。看到竞品上了某个功能就急着跟进，和看到竞品砍掉某个功能就暗自庆幸，都是同一种错误：把现象当结论。

四层拆解：从功能层走到决策层

拆解分四层走。功能是什么，表面看到的能力；解决什么问题，对应哪个用户场景；为什么这么设计，它的取舍是什么、放弃了什么；对我们意味着什么，该跟进、该差异化，还是不做。多数分析停在第 1 层，而价值在第 3、4 层。每往下一层，问的问题就要更具体：到取舍层，要问「它牺牲了什么换取了什么」；到决策层，要问「我们不做的代价是什么」。

让 AI 推测场景、取舍与盲区

把功能的使用流程和交互细节描述给 AI，让它做四件事：推测主要解决什么用户场景；分析设计里做了哪些取舍；指出可能没有覆盖到的情况；如果要跟进，哪些必须做、哪些可以不做并说明理由。四部分输出要区别对待：场景推测当假设，取舍分析最有价值，盲区提醒用来设计验证，跟进建议只当参考。它说「可能没覆盖到」的地方，往往正是值得做用户访谈验证的方向。对标不只看功能，视觉表达上的卖点提炼同样可以对标，参考主图卖点提炼的一句文案方法。

把结论归成三类决定

拆完之后把结论归成三类：必须跟，不跟会流失用户的基础能力；差异化，不做一样的东西，做出自己的优势；不做，不符合自己定位的明确放弃。三类都要记录判断依据，尤其是「不做」——半年后有人再提这个功能时，翻出当时的理由，比重新争论一遍省事。定期复盘这些结论，参考年度复盘的总结方法。判断归因时用数据说话的思路，可以参考售后数据归因的方法。

描述质量决定拆解质量

AI 基于你给的描述推测，描述错了结论就跟着错。常见的错误描述有三个来源：截图不全，只给了界面没给操作流程；二手体验，用的是别人的转述；版本差异，拿旧版本的体验分析新版本。描述功能时至少写到这个程度：入口在哪、几步操作、每一步用户看到什么、异常情况下什么表现。对方设计者的真实意图只能推测，任何场合都不能当成事实写进结论。

把推测变成证据，有三个低成本办法：翻对方的历史更新记录，看功能上线后的迭代频率，频繁迭代说明有人用；看对方的招聘启事里有没有对应岗位，持续招人说明投入会继续；找真实用户的公开讨论，看称赞和抱怨落在哪。三条线索都不支持的推测，写进结论时降一级处理。对标还要有节奏：季度对一次重点竞品，年度对一次全量，平时只记录不动手，别把分析变成天天更新的日常功课。

各层问法与验收对照

这张表的用法：先确认自己的分析卡在哪一层，用中间一列补问，用右一列验收输出，卡在功能层的清单直接推倒重来。

竞品拆解速查

• 四层拆解：功能、场景、取舍、决策
• 描述写到操作步骤，推测才有依据
• 结论归三类：必须跟、差异化、不做
• 推测当假设，放弃要记录理由

几个没直接讲过的问题

竞品下架了某个功能，还需要拆解吗？下架本身也是信息。先看它用什么方案替代，再判断当初的功能是伪需求还是成本问题，两种情况的应对完全不同。

好几家竞品都做了同一个功能，是不是必须跟？多家在做只说明这是行业默认配置，不能说明你的用户需要。回到自己的场景验证一遍，再决定跟还是放弃。

只看过竞品截图，让 AI 拆可行吗？可行，但要把「截图推测」标进结论里，只用在取舍推测层，不要直接进决策层，否则依据撑不住结论。