一句话总结
- 要做的事： 把零散研究（访谈、竞品拆解、评论）综合成一份 15 分钟能读完的格局文档——具名细分、一个真实 gap、一个 kill-switch 假设，让 VP 直接拍板批或否。
- 工具选型（2026 年 6 月）： 粘贴即综合首选 Claude Pro（$20/月，Sonnet 4.6，1M token 上下文，Projects 知识库）；要每条结论都能追溯到原文行就用 NotebookLM（免费、50 个来源）；ChatGPT Plus（$20/月，GPT-5.5）如果本来就是你的日常工具也行，但要注意应用内约 320 页的上下文上限。
- 陷阱： 印证型格局——AI 会忠实地搭一份印证你进门前已相信的战略的图。解药就在下面的 Prompt 里：强制按行为定义细分，并逼它点名你自己笔记里的反证。
- 不能省的一句： “哪个假设错了，这个建议就垮？“并引用那条已经隐示它可能错的笔记。
任务场景
手上 4 份竞品拆解、6 份用户访谈转写、一个 20 页 Notion 的评论摘录、一个画到一半的 Miro。战略委员会周四开。他们要一份清晰的格局文档——细分是什么、每个细分谁在打、真实 gap 在哪、还有那一个”如果错了就杀掉整个进场建议”的假设。不是 40 页 deck。是你 VP 15 分钟读完能拍板（批或否）的一份文档。
什么时候适合让 AI 来做
AI 擅长把一堆乱笔记综合成清晰格局——细分、竞品图、gap 候选——也擅长抓出两条访谈引用之间你没注意到的矛盾。它也擅长把”他们说定价的什么事”翻译成”6 个访谈里 3 个明确指出 per-seat 定价在 10 个座位以上就成 blocker”。AI 做不到的：校验你的定位。输入定位错了，AI 会忠实地建一份”印证错定位”的格局——细分一个个搭。明确跑一次 kill-switch：“哪个假设错了，这个建议就垮？”
经典失败模式：印证型格局——AI 给你一份漂亮的结构化格局，刚好印证你走进来时已经相信的战略。解药是要求按”客户行为而不是产品”定义细分、并强制 AI 点名你笔记里的反证证据。
选哪个工具，为什么（2026 年 6 月）
这活儿其实是两件事：（1）一次把一大堆乱笔记装进上下文，（2）绝不编引用。这两个需求把你拉向不同工具。
| 工具 | 套餐 / 价格 | 装原始笔记的上下文 | 为什么选它做这活 | 注意点 |
|---|---|---|---|---|
| Claude Pro | $20/月（年付 $17） | Sonnet 4.6 标准 1M token；Projects 知识库约 200K + RAG | 默认首选。把 6 份转写 + 竞品拆解直接丢进一个 Project，多次会话跑 Prompt 不用反复粘贴。擅长把矛盾一直摆在台面上。 | 高强度综合会撞 Pro 的消息上限；要整天连续跑就升 Max（$100）。 |
| NotebookLM | 免费（50 个来源）；Plus 300 个来源、每源 50 万词 | 封闭式 RAG，严格扎根于你上传的来源 | 当”不要编引用”是头等大事时用它。每句话都带回溯到原文行的内联引用，kill-switch 证据可审计。 | 不会自由地围着你的假设推理；它回答，但不和你辩。用它来验证、用 Claude 来综合。 |
| ChatGPT Plus | $20/月 | GPT-5.5；应用内约 320 页（完整 1M 仅 $200 Pro） | 如果本来就是你的日常工具就够用。GPT-5.5 Thinking 模式在 kill-switch 逻辑上很锐利。 | 约 320 页的应用内上限在长转写堆里最先撞墙。每条消息最多传 20 个文件（2026 年 2 月起放宽）；单个 50 页 PDF 就能吃掉 3 万 + token。 |
| Gemini（AI Pro） | $19.99/月 | Gemini 3.1 Pro，1M token + Workspace | 如果笔记本来就在 Google Docs/Drive 里，它能就地读取。 | 在”拒绝补缺口”上不太自律；靠下面的”缺就写 missing”规则压住。 |
多数团队最后落在这个套路上：用 Claude 综合，用 NotebookLM 核验 kill-switch 证据。 两个模型对 kill-switch 意见不同，本身就是信号（见 FAQ）。本文所引规格来自厂商自己的页面——Anthropic 的 Claude 上下文与 Projects 说明和 Google NotebookLM 帮助中心——这些会经常变，掏预算前请再核一遍。
需要先给 AI 的信息
- 原始笔记——访谈转写、评论摘录、竞品拆解、定价页、应用商店评论
- 那个唯一战略问题——“该进 X 细分吗？""哪能拿份额？""Y 的哪个子细分 incumbent 最弱？”
- 当前公司定位——一句话，销售会怎么说出来
- 你做研究前手里的 2-3 个假设
- 你已经认为存在的细分（让 AI 印证或打破）
- 周四要做的决策——kill / build / expand / hold / partner
- 谁读这份文档——VP / board / PMM / sales——每种受众要的表层不同
- 你笔记里那条你发现了但下意识跳过的反证
可直接复制的 Prompt
你在把市场研究综合成一份格局文档。
战略问题：{一句话——该 / 哪 / 哪一个}
公司定位（销售会怎么说出来）：{粘贴}
我走进来手里的假设（让你印证或打破）：{2-3 个}
要做的决策：{kill / build / expand / hold / partner}
受众：{VP / board / PMM / sales}
原始笔记（访谈、评论、竞品页）：
{粘贴所有原文}
按以下方式综合：
1）市场细分——每个用"客户行为"或"jobs-to-be-done"定义，不用人口学或产品。最多 3-5 个。
2）每个细分给：2-3 个真实具名竞品（一句话定位）；主流定价模式；最常见的流失或不采用原因。
3）我们可利用的 gap——具体，不是"做得比 X 好"。点名 underserved 行为或没解决的 job。
4）若进入最大风险——表述成"进场后我们要盯什么"，不是空话。
5）建议——kill / build / expand / hold / partner——附一段理由。
6）Kill-switch 假设——那一个"错了就杀掉整个建议"的假设。引用我笔记里已经隐示它可能错的那一行。
7）我给你的反证证据——列出 2-3 条与我假设矛盾的笔记引用。若无，明说（这是红旗）。
规则：
- 不要编引用或竞品。事实缺就写"missing"。
- 细分按行为定义，不按 feature。
- 永远不要写"比 X 好"或"靠质量差异化"。
- Kill-switch 必给。短版本——只要一页格局快照
从这些笔记给我一页格局快照。
问题：{一行}。定位：{一行}。
输出：3 个细分 × （Top 2 竞品 + 主流定价 + 最大 gap）。
底部：那一个 kill-switch 假设。共 250 字。
笔记：{粘贴}输出示例
好的细分定义：“Pre-seed B2B SaaS 单人创始人（n=2 创始人、没工程师入职、跑道 <12 个月）。主导行为：他们在被某个具体痛点扎到的瞬间买工具——通常是因这个痛点丢了客户之后——并放弃 setup 超过 30 分钟的工具。他们不是’小企业主’，购买行为完全不同。”
好的 gap 表述：“Underserved 行为：pre-seed B2B 创始人需要 billing 工具但 per-seat 在只有一个创始人的情况下没法 justify，现有的’前 N 客户免费’分层第一天就把他们要的集成挡在墙后。Stripe 解决支付层但不解决 lifecycle。gap 是给单人创始人的 flat-fee、低门槛 billing 层，不是 feature 竞争。”
好的 kill-switch：“Kill-switch 假设：单人创始人跨过 10 客户后会付 $29/月 flat。如果他们继续留在 free 层，这个细分的 LTV 撑不住 CAC。笔记里支持这风险的证据：6 个访谈里 4 个说’会尽量留在 free 层’（Acme 访谈第 47 行、Beta 第 31 行、Gamma 第 12 行、Delta 第 19 行）。“
怎么改输出
- 强制行为型细分 —— “用客户行为或 jobs-to-be-done 重新定义细分。两个细分共享同一行为就合并。某个’细分’实际是人口学就换或删。”
- 自反驳 —— “列出我笔记里最强的 3 条与假设矛盾的引用。不要软化。如果找不到 3 条，告诉我要重做哪几个访谈。”
- gap 要具体 —— “把’比 X 好’换成 underserved 行为或没解决的 job。引用笔记里点名它的那条。”
- 写监测清单 —— “把’若进入最大风险’改写成进场前 6 个月要盯的 2 件事——领先指标，不是滞后。”
- 压测 kill-switch —— “点名第二个 kill-switch 假设——我会发现第二个失败的那一个，紧跟在最明显的之后。第二个 kill-switch 经常才是真正击垮战略的那个。“
容易踩的坑
- 不给定位让 AI 综合——它自己挑一个，通常是通用版
- 跳过 kill-switch——格局看起来严谨，战略 6 个月后因为没人点名的原因失败
- 用人口学（规模、地理、行业）定义细分而真实变量是行为
- 通用竞品清单没有 per 竞品定位——“Acme、Beta、Gamma”没有一句话定位等于没信息
- “gap”写成”比 X 好”——那不是 gap，是 brand 陈述
- 一次性格局，进场 90 天后不再校验——活跃市场里格局老得很快
- 让 AI 编引用或把没说过的话归给竞品——事实缺就标 missing
- 反证证据没列出——如果笔记里没东西反驳假设，说明访谈数不够
FAQ
- 笔记乱怎么办？ —— 比”整齐但已经过滤过”好。粘原文。AI 会暴露你做笔记时压平的矛盾。
- 所有笔记能一次塞进一个 Prompt 吗？ —— Claude Sonnet 4.6 或 Gemini 3.1 Pro 一般可以（2026 年 6 月为 1M token 上下文，约 70 万词，远超任何竞品拆解堆）。ChatGPT Plus 更紧：应用内上下文约 320 页，所以大转写堆要么以文件上传（每条消息 20 个），要么拆成两遍。NotebookLM 直接绕开上限，从最多 50 个来源里检索。
- 要不要多模型跑？ —— 高风险建议要。同一个 Prompt 分别过 Claude Opus 4.7 和 GPT-5.5 Thinking；它们暴露不同 gap，对 kill-switch 也常意见不同，这就是信号。两个都点名同一个 kill-switch，那大概率是真的。NotebookLM 当裁判，因为它会引用原文行。
- 怎么阻止它编引用？ —— Prompt 里保留”事实缺就写 missing”这条规则；要上董事会的任何内容，都在 NotebookLM 里核验引用——它把每句话都扎根到带引用的原文段。Gemini 和 ChatGPT 最容易用一段听着合理的捏造把缺口抹平。
- 多久 refresh？ —— 活跃市场季度（新进入者、定价变动）。稳定市场半年。进场后一个季度必须重校验——验证进场的那个格局已经不是你现在在跑的那个。
- 建议是 kill 怎么办？ —— 用 kill 开头，写脆。一个有信心的 kill 能省一年。受众读”倾向 kill 但有 caveat”会四舍五入读成”build”。
- 该分享原始转写还是摘要？ —— 能给原始就给原始。摘要已经编码了你的 bias。需要的话脱敏，保留原话——反证 signal 藏在那。
相关阅读
- 竞品对比 ——1v1 深度
- 竞品分析 AI ——结构化拆解
- 市场研究总结 ——轻量总结
- 业务数据分析 AI ——相邻业务分析
- 功能优先级 ——格局转 roadmap
- Roadmap 规划 AI ——定位清楚后规划
- 公司研究 Prompt：12 个进面试前的背景调研模板