一句话总结
- 让 AI 负责搭结构、重新评分，而不是靠记忆回忆竞品 feature。每家竞品的 feature 列表请当天从官网现拉再粘进去；现役模型的训练截止都在 2026 年 4 月前后，而厂商页面每季度都在变。
- 一张能用的矩阵：行 = 15 个 feature，列 = 你的产品 + 3 家直接竞品 + 1 家邻近，格子 =
强 / 有 / 弱 / 无，全用同一把尺。 - 别按格子数评分。每个 feature 按**买家重要性（1-3）**加权，再按产品加总。加权总分才是真画面。
- 买家重要性要靠数据、不靠拍脑袋：每个产品拉最近 50 条 G2/Capterra 评论；某 feature 被 20% 以上评论提到算高重要性，5-19% 中等，5% 以下算噪音。
- 截至 2026 年 6 月的最佳搭配：GPT-5.5 做当天数据拉取（BrowseComp 网络检索 90.1%，高于 Gemini 3.1 Pro 的 85.9% 和 Opus 4.7 的 79.3%）；Claude Opus 4.7 做那一轮冷峻的重新评分，因为它对不确定性更谨慎、也更会顶回你的自我美化。
任务场景
CEO 让你周五前给一份 competitive positioning 文档。销售每周输 3 单给竞品 B；产品坚持是销售执行问题，销售坚持是 feature 缺口。你要一份矩阵——把你的产品和 3 家真竞品在 15 个真正影响决策的 feature 上并排——并冷冷告诉你：你 claim 的差异化里哪些其实是人人都有的 table stakes、你真正赢的两三件事是什么。不是市场单页。是创始人 4 分钟读完、产品负责人周一能动手的工具。
什么时候适合让 AI 来做
AI 在两件事上很强：把矩阵结构化，以及做”二次分析”——把 feature 排成”table stakes（人人有，没差异化）“和”真差异化（只有 1-2 家赢，按买家重要性排序）“。它也能帮你点出”网站上 over-claim 但实际 under-deliver”的 feature。
AI 做不到的：核实竞品 feature。现役模型都带训练截止（GPT-5.5、Opus 4.7、Gemini 3.1 Pro 都在 2026 年 4 月前后发布），而竞品官网每季度都在变。你记忆里的那个 feature 页面，不是今天线上的那个页面。当天从每家竞品的官网和文档现拉 feature 列表，以纯文本粘进去，别让模型凭记忆。
正因为有这个截止日问题，你选哪个工具就很关键。截至 2026 年 6 月，GPT-5.5 在 BrowseComp 网络检索准确率上领先（90.1%，对比 Gemini 3.1 Pro 85.9%、Claude Opus 4.7 79.3%），而且单次任务调用工具次数更少，所以当天拉数据、对竞品文档做一次 site: 扫描，用它更合适。重新评分那一轮，Claude Opus 4.7 是更好的搭档：它对不确定性处理得更谨慎，你的自评一旦偏美化，它顶回得也更狠。当然全程用一个模型也行，分工只是各扬其长。
常见失败模式：模型对你太宽、对他们太谨慎。你写”强”，模型同意，矩阵就告诉你你想听的。Prompt 里明确让它挑战你的自评，同时要它指出你在同一张矩阵里最弱的 3 个 feature。
需要先给 AI 的信息
- 你的完整 feature 列表 + 诚实自评（强 / 有 / 弱 / 无），每个”强”标注一句话理由
- 3 家直接竞品 + 1 家邻近（买家也会考虑的替代工具）
- 每家竞品当天从官网 / 文档拉的 feature 列表
- 目标买家一句话：是谁、什么角色、什么公司规模、什么让他切换
- 买家最在乎的 5 个 feature（来自销售对话和评论，不是你猜的）
- 销售近 90 天报的 5 个失单原因
- 你怀疑网站 over-claim 的 3 个 feature
- 你对这些缺口的诚实 90 天 roadmap：补什么、不补什么
买家重要性靠评论评，别靠拍脑袋
大多数矩阵最弱的一环就是”买家重要性”这个权重。你要是拍脑袋定，矩阵就只反映会议室里谁嗓门大。换成靠证据。
每个产品（你的和每家直接竞品）从 G2、Capterra 各拉最近 50 条评论，限定近 12 个月。粘进去，让模型统计哪些 feature 被提到、提及率多少。一个实用阈值：被 20% 以上评论提到的算高重要性（权重 3），5-19% 中等（权重 2），5% 以下算噪音，除非情绪异常强烈。还要看方向：一个在 1 星评论里被反复提的 feature 是流失风险，不是卖点。这样矩阵里每个权重都有一个能拿给创始人看的出处。
可直接复制的 Prompt
做竞品 feature 对比矩阵。
我的 feature（含我的自评）：{每个 feature 粘"强/有/弱"}
3 家直接竞品 + 1 家邻近（当日拉的 feature）：{每家粘}
目标买家（1 句）：{描述}
买家最在乎的 5 个 feature（来自销售对话）：{列表}
近期失单原因：{列出 5 个}
我怀疑网站 over-claim 的 feature：{列表}
返回：
1）矩阵表——行是 feature、列是我 + 4 家竞品、格子是 强 / 有 / 弱 / 无。所有产品同一把尺；不准给我打弯曲分。
2）Table-stakes feature——人人有，不差异化。这部分从定位里删。
3）真差异化 feature——只有 1-2 家赢。按买家重要性（1-3 分）加权排序。本节加权分最高的产品赢定位。
4）"别假装"清单——我 claim 或 sell against 但实际能力是"有"或"弱"的 feature。要么 90 天投入、要么改网站。
5）"诚实叙事"段落——100 词。读起来像给创始人的 memo，不是市场 deck。
6）这周我应该问销售的一个问题——验证矩阵。
挑战模式：指出我产品在矩阵里**最弱**的 3 个 feature。别软。短版本——单 feature 深度审计
对同一组竞品审计我们一个 feature：{feature 名}。
我们网站上的 claim：{粘}
我们实际能力（直说）：{粘诚实自评}
竞品 claim 和能力（当前官网 + 文档）：{每家粘}
返回：
1）每家（含我们）的"营销 vs 真相"差距。
2）买家解读——买家读到我们这个 feature 网站时会听到什么。
3）如果我们 over-claim，网站上应该改的那一句话。
4）下次 discovery call 问买家的一个问题——验证这个差距是否在伤我们。输出示例
一张真实矩阵的几行，把买家重要性权重放在最前，让加权总分来说话：
| Feature（权重） | 我们 | 竞品 A | 竞品 B | 邻近 |
|---|---|---|---|---|
| 企业 SSO（3） | 弱 | 有 | 强 | 无 |
| Time-to-first-value（3） | 强 | 有 | 弱 | 有 |
| 定价透明度（2） | 强 | 弱 | 弱 | 强 |
| API + webhook（2） | 有 | 强 | 强 | 弱 |
| 应用内报表（1） | 有 | 有 | 强 | 弱 |
按 强 = 2、有 = 1、弱 = 0、无 = 0 打分，乘以权重，画面就和原始勾选清单不一样了：你可能格子数领先，可一旦 SSO 和 API 按买家真正决策的点加权，你反而落后竞品 B。
一行有用的”别假装”：“别再假装我们在企业 SSO 上有竞争力。竞品 B 出 SAML、SCIM、审计日志、SOC 2；我们出 OAuth + 一张 ‘enterprise’ 截图。要么投一个季度补齐，要么把 SSO 从企业 pitch deck 里删掉、重定位为只做中端市场。”
一段有用的诚实叙事：“15 个 feature 加权后，我们真赢的是 2 个：time-to-first-value（onboarding 3 分钟内完成，竞品 B 是 27 分钟、A 是 12 分钟）和定价透明度。8 个我们和大家平（table stakes）。5 个我们在输，其中 3 个我们当下还在当卖点营销。企业 SSO 的产品缺口是近 90 天失单的最大贡献者；补它比这个季度加任何’差异化’杠杆都大。”
一个有用的”问销售的一个问题”：“近 5 单失单里，买家看完竞品 B 的 SSO 页之后说了什么我们补不上？要原话，不要 paraphrase。“
怎么改输出
- 矩阵只是 feature 勾选 —— “每个 feature 按买家重要性加权（1-3）。按产品加总。加权总分——不是格子计数——才是真画面。”
- 模型对我太友善 —— “用敌意竞品在 sales bake-off 现场的视角重新评分。指出 3 个 head-to-head demo 我会输的 feature。”
- ‘差异化’feature 明显是 table stakes —— “差异化必须 (a) 买家重要 且 (b) 只有 1-2 家赢。任何一条不过就重分类。差异化清单通常会缩；那是对的。”
- 叙事读着像市场文案 —— “改写为对怀疑论者创始人的 memo。所有形容词砍。先讲矩阵显示了什么，不要先讲我们的感受。”
- 销售和产品还在对掐 —— “加一列’谁的数据赢’。每条争议 feature，点名什么证据（真实通话、竞品文档链接、客户工单）能拍板。“
容易踩的坑
- 自评太宽松——把整张矩阵拖进”我们赢”；矩阵变成市场产物而不是决策工具。永远加”指出我们最弱 3 个”挑战项。
- 竞品数据过时——feature 每季度变，你记忆里的页不是今天的页。建矩阵当日刷新竞品数据。
- 所有 feature 等价——15 项里买家只在乎 4 项，其余 11 项就是干扰。按买家重要性加权。
- 没”失单原因”输入——矩阵变学术；失单原因是验证矩阵是否对应市场的关键。
- 混淆”有”和”强”——“有一个版本”不等于赢了；如果竞品版本明显更好，在买家眼里你”没有”这个 feature。
- 矩阵原样发外部——内部矩阵冷峻诚实；外部对比内容要简化 + 精选。看下面产品对比文案文章。
- 把矩阵当静态——feature 变、买家变、竞争格局变。季度重做，不是年度。
- 忽略邻近竞品——买家经常考虑一个非直接工具（Notion vs Linear、Figma vs PPT）；忽略邻近选项意味着矩阵漏掉买家可能真选的替代。
FAQ
- 矩阵内部用还是发外部？ —— 内部：冷峻诚实、15 个 feature 全列、4 家竞品全点名。外部：简化到 5-7 个 feature、聚焦你真赢的 2-3 个维度。外部版本看产品对比文案文章。
- 放几家竞品？ —— 3 家直接 + 1 家邻近。再多稀释信号、再少漏掉真买家替代。
- 官网之外不知道竞品更深能力怎么办？ —— 注册试用账号。官网是营销，产品是真相。销售导向的工具去申请 demo；很多 feature 在矩阵里看着”强”，实际是 gated demo + under-deliver。也别放过第三方评论：把竞品近 12 个月的 G2 评论扫一遍，能挖出他们营销藏起来的缺口。
- 完全不同模式的竞品怎么办（开源、纯企业）？ —— 矩阵之上加一行”model fit”。一家强 10 倍但只做企业销售的竞品，对一个 self-serve SMB 买家来说不是同一个竞争对手；这行告诉你什么时候完全忽略。
- 诚实矩阵显示我们不该在这里竞争怎么办？ —— 这就是真发现。要么重定位到对你更有利的细分市场，要么给一个明确 90 天补齐计划。一份”印证团队偏好叙事”的矩阵没教任何东西。