TL;DR
季度竞品 refresh——5 个对手、一套统一格式——非常适合交给 AI 做，前提是你喂它真实素材并跑一轮事实核查。通用模型（ChatGPT、Claude、Gemini）擅长把贴进去的页面整理成干净的矩阵，但在”凭记忆”上很弱：让它回想某个竞品的融资或 ARR，它会编出一个看起来很合理的数字。解法很机械：贴源材料、强制让它产出一份”每条声明对应源行”的事实核查日志、把没源的内容标成 [UNVERIFIED]，确认完再放进 deck。下面是 prompt、推荐结构，以及专用工具（Crayon、Klue、Similarweb）什么时候才值得上。
任务场景
你要做覆盖五个竞品的季度竞品复盘，想要一套统一模板：定位、定价、go-to-market 动作、优势、软肋——再加一段”所以呢”，把分析变成一个决策（调价、改定位、进新细分）。失败模式很具体：AI 编了一个竞品事实（一轮根本没关的 B 轮、一个没有出处的”1 万客户”），它落到了第 4 页，然后某位 VP 在董事会上原样复述。整个任务的核心，就是结构化拆解 + 上桌前一道刻意的核查工序。
哪里能交给 AI，哪里它会撒谎
这个任务的两半要分开对待。
- 结构化整理（AI 很强）。 给它首页、价格页、几篇博客、近期 G2 评论，它能把杂乱文本归一成一致、整齐的矩阵，比人快得多。这是它的主场。
- 凭记忆回想（AI 会编）。 没给源就问”Acme 一共融了多少钱”，它会给你一个自信但编造的答案。对 AI 研究类工具的测评一致发现：错误最集中的地方，就是没出处的事实声明。
规则只有一条：每一条事实声明都要能追到你提供的源文本。任何没有源行的声明，在你核实前都先当编的。光是守住这一条纪律，就是”有用的拆解”和”丢人的拆解”之间的差别。
研究环节用哪个 AI 模型
如果你不想手动一页页贴，“深度研究（deep research）“模式可以替你联网并给出引用。截至 2026 年 6 月，三家主流助手在这件事上的对比如下：
| 工具 | 用哪个套餐能用上深度研究 | 大致额度 | 适合竞品分析的点 |
|---|---|---|---|
| ChatGPT Deep Research | Plus $20/月 | 约 25 次/月（Pro $200 约 250 次） | 报告最长、结构最完整；单次可跑约 30 分钟 |
| Gemini Deep Research | Google AI Pro $19.99/月 | 每日额度宽松；能拉 Gmail/Drive/Docs | 谷歌生态工作流；报告可直接落进 Doc |
| Claude（Opus 4.7 / 研究） | Pro $20/月 | 额度宽松；单次能索引大量来源 | 来源覆盖广、综合谨慎 |
三家都跑在当前顶级模型上——ChatGPT 用 GPT-5.5，Claude 用 Opus 4.7 / Sonnet 4.6，Gemini 用 Gemini 3.1 Pro——上下文标准都是 100 万 token，所以你能一次贴进大量竞品材料。这里的价格和额度都是时效性数据，引用前请先核对官方页面。更全的对比见ChatGPT vs Claude vs Gemini 对比。
即便有深度研究，凡是要放进结论的内容也别省掉贴页面这一步。联网模式仍会张冠李戴，偶尔引到别家公司。最稳的流程是：让模型联网去”找”来源，然后把你真正要引用的页面原文贴进去。
需要给 AI 的输入信息
- 竞品名 + URL（首页、价格、博客、招聘、changelog）
- 页面文本或近期截图——不只是链接
- 你的对比维度，5 个竞品保持完全一致
- 这次分析要支持哪个具体决策（改定位、调价、进新市场）
- 你自己的定位，让模型能写”对我们意味着什么”
- 已知事实和约束（我们更小、只做企业、没有免费档）
招聘页和 changelog 被严重低估。一个竞品在招六个企业级 AE，或刚上了 SSO / 审计日志功能，比首页文案更能告诉你它下一步要打哪。
可直接复制的 Prompt
拼一份结构化竞品拆解。
竞品和源材料：
- [name] — [URL 列表] — 贴文："""[paste]"""
- ...
对比维度（5 个竞品完全一致）：
- 定位（1 句）
- 定价模型和层级
- GTM 动作（PLG / 销售主导 / 混合）
- 最强信号的优势（附证据）
- 最显眼的软肋（附证据）
- 客户类型（规模、行业）
我们的定位：[line]
本次分析支持的决策：[line]
请输出：
1. 每个竞品一行，按上面列出的维度
2. 200 字"对我们意味着什么"——该怎么做不一样
3. "观察列"——要密切关注的竞品，每个配一个触发条件
4. 事实核查日志——每条声明对应贴文里的源行。
没源就标 [UNVERIFIED]
5. 我应该考虑的一个反定位动作
不要编融资轮次、客户数、ARR、人数。
只用我贴的材料。材料里没写的，就写"未提及"。要深拆某一家，再追一句：“再写一页叙事，专门拆最强竞品——他们押的核心、他们有但我们没有的数据、以及最伤他们的那一个动作。“
建议的输出结构
竞品矩阵（行 = 竞品、列 = 维度）、一段”所以呢”、带触发条件的观察列，以及把每条声明对应到源的事实核查日志。事实核查日志不是可选项。跳过它，你就会以自信的语气上线一堆幻觉。
事实核查这一轮
这一步，才让整套流程敢拿出去分享：
- 扫一遍事实核查日志里所有
[UNVERIFIED]或”未提及”的行。那些是缺口，不是事实——要么删掉，要么去核实。 - 挑两三条最影响决策的声明，对着原始页面核（不是对着 AI 的转述）。模型会压缩，压缩会引入误差。
- 凡是数字（定价层级、人数、融资额），从一手来源确认。价格页和公司官网，永远胜过模型的记忆。
- 给拆解打上日期。竞品事实会过期；一份没日期的 deck，半年后会被当成最新的再引一遍。
什么时候专用工具更强
季度复盘交给通用模型完全够用。但如果你要的是持续监控——竞品改价、上新功能、投新广告时收到提醒——那就该上专门的竞品情报工具，它们自动盯着。截至 2026 年 6 月：
| 工具 | 擅长什么 | 大致价格 |
|---|---|---|
| Crayon | 自动追踪竞品站点、价格页、招聘、评论；G2 4.6/5 | 每年中五位数（约 $15K–$30K+） |
| Klue | 给销售团队做对战卡；G2 4.7/5；“curator”与”consumer”席位分开计费 | 约 $16K+/年 |
| Kompyte | 更轻的中端监控，带 AI 摘要和 Slack 提醒 | 约 $500–$1,500/月 |
| Similarweb | 流量与数字声量基准；少见地公开定价 | CI 档约 $125/月起 |
分工很清楚：聊天机器人是把原始素材变成拆解的”分析师”，CI 平台是告诉你”素材变了”的常开”传感器”。很多团队两个都用——用 Crayon 或 Kompyte 收提醒，再用 AI 助手综合出季度叙事。
怎么判断结果能不能直接用
- 每条声明都能追到贴文里的具体源行
- 维度一致填齐——别的行有真实答案时，某一行不能是”看情况”
- “对我们意味着什么”建议的是动作，不是又一段分析
- 反定位动作真实、具体，不是”做得更好”
- 观察列里每一项都有触发条件：什么变化会改变你的决策
容易踩的坑
- 只比功能——竞品常常赢在 GTM、定价、分发，而非功能
- 没”所以呢”——没有决策的分析是演戏
- 让 AI 编融资 / 客户数 / ARR（最常见的失败）
- 一季度做一次然后失联——竞争变得更快，要配上监控
- 维度永远不变——市场变了，对比的坐标轴也该变
FAQ
- 要不要包含间接竞品？ 要，但点名一次就够，别展开。它们的威胁路径不同，更适合放进观察列，而不是主矩阵。
- 价格被”联系销售”挡住怎么办？ 这一段 AI 做不到。从销售对话、采购联系人或公开招标里拿。绝不要让模型为了填格子猜一个数。
- 开源竞品呢？ 用不同维度——社区规模、治理模式、贡献者数量、依赖足迹，比分层定价更重要。
- 深度研究模式能不能替代贴源材料？ 找来源可以，引用来源不行。让它联网定位页面，然后把你要放进 slide 的内容原文贴进去。
- 多久刷一次？ 完整拆解一季度一次，再加上轻量 spot check——竞品融资、上重大功能、改价时各做一次。持续监控工具会替你抓住这些触发点。