如何用 Skill 做竞品调研？

📌 一句话摘要

本文通过失败案例与成功实践，揭示了利用 AI 进行竞品调研的正确方法：关键在于结构化投喂用户手册、更新日志等核心材料，并赋予 AI 明确的判断标准，而非让 AI 自行搜索网络信息。

📝 详细摘要

文章首先指出，直接让 AI 搜索网络信息进行竞品调研会产生不可靠、滞后且浅层的结果。作者通过自身实践，提出了一套有效的 AI 辅助竞品调研方法论。核心思路是，产品经理应主动收集并整理竞品的用户手册、更新日志和自身 PRD 等高质量信息源，然后将其结构化地“喂”给 AI。关键在于，不仅要提供材料，还要在 AI Skill 中设定明确的“判断标准”，例如对材料进行可信度分级，并定义具体的分析框架和输出格式（如 Markdown 表格）。文章通过一个“智能排班”模块的竞品分析案例，展示了该方法如何帮助发现竞品的技术路线差异、功能覆盖度差距以及资源投入节奏，从而产出可直接指导产品决策的洞察。最终，文章强调 AI 的价值在于增强产品经理的对比分析能力，而非替代其调研工作。

💡 主要观点

1. AI 竞品调研的核心是“增强对比能力”，而非“替代调研工作”。 AI 无法替代产品经理判断信息价值，但能快速消化 PRD 和用户手册，找出关键差异点，让产品经理聚焦于验证和决策。
2. 高质量信息源是 AI 分析的基础，用户手册是最被低估的竞品信息源。 相比营销通稿，用户手册信息密度高、内容实在，能真实反映竞品交付的产品功能、操作流程和边界场景，是功能对比的“原材料”。
3. 给 AI 的 Skill 设定“判断标准”比“任务要求”更重要。 在 Skill 中明确材料可信度分级（如用户手册 > 更新日志 > 财报），并定义分析框架和输出格式，能将产品经理的调研经验传授给 AI，提升分析质量。
4. 聚焦单一模块或专项能力进行竞品分析，比全面分析更有效。 信息量过大时，AI 分析会变得浅泛。每次只聚焦一个模块（如智能排班），能让分析更深、结论更直接，并直接对接到具体产品决策。

💬 文章金句

• AI 不是调研员，它没有腿，跑不了你的市场。
• 你给 AI 的不应该只是任务说明，更应该是你的判断标准。
• 调研这件事，核心价值从来不在「整理信息」，而在「判断信息」。
• 用户手册才是最实在的信息源。因为更新日志只告诉你「他们最近做了什么」，行业报告只告诉你「市场大概是什么样」，但用户手册告诉你的是——「他们实际交付了一个什么样的产品」。
• 你现在给 AI 的，是随手搜来的营销通稿，还是你自己花时间整理过的用户手册和需求文档？

📊 文章信息

阅读完整文章