要用 AI 创建竞争分析并确保其经过事实核查，先界定一个决策，冻结研究日期，并在要求生成文字之前建立来源账本。只把已核实的主张交给模型，要求每项比较都附引用，其余一切标为 unknown。AI 可以统一证据格式并暴露缺口，但事实、解读和决策仍由人工审核者负责。

这是一套商业研究流程，而不是 AI 产品排行榜。提示词和隐私基础请参阅更宽泛的安全使用 AI 指南，来源处理请参阅安全地用 AI 做研究；当某项外部主张需要单独核实时，使用事实核查流程。

关键要点

从决策、竞争者集合、市场边界和截至日期开始。

优先采用第一方申报文件、官方产品资料和负有责任的公共机构。

保存确切的主张和 URL，而不是把一堆浏览器标签页丢给 AI。

在账本和最终报告中都把事实、推断和未知分开。

不要编造市场份额、价格、功能、优势、劣势或战略。

在分析用于决策之前，要求逐项主张的人工批准。

竞争分析要支持哪个决策、覆盖哪些范围？

用一句话写下这份分析必须支持的决策。“本季度哪些能力需要在采购中做更深入的测试？”是可执行的。“谁是我们最强的竞争对手？”则太含糊，因为强弱取决于市场、客户、时间和评估标准。

记录客户细分、地域、产品类别、销售渠道和截至日期。一家供应商可能在不同国家销售不同的方案，功能页面也可能在研究之后发生变化。日期是事实的一部分，而不是行政上的装饰。

选择一个站得住的竞争者集合。纳入为同一受众解决同一问题的直接竞争对手、以不同方式解决问题的间接替代方案，以及当“什么都不做”确实是一种选择时的现状。记录每家公司被纳入范围的理由。不要让 AI 仅凭知名度或搜索排名来选择这个集合。

美国小企业管理局把竞争分析描述为一种按产品线或细分市场识别竞争，并评估市场份额、优势、壁垒和间接竞争者等特征的方法。［1］这些类别很有用，但它们是需要研究的问题，而不是模型可以凭记忆填写的事实。

哪些来源应该优先采信？

在收集证据之前，先建立一个来源等级。对于公司身份、治理和已申报的财务披露，使用官方登记和申报文件。美国证券交易委员会的 EDGAR 系统为其管辖范围内的实体提供公司提交文件和申报数据的公开访问。［2］申报文件可以证明公司在某个时间点报告了什么，但并不能自动验证每一项营销说法，也不代表该系统之外的私营公司。

对于产品能力和价格，保存官方的产品、定价、文档或条款页面，并注明访问日期和适用地区。对于受监管的陈述，优先采用负有责任的监管机构或法规原文。对于客户体验，使用范围清楚的研究，并把个别事例标为个别事例。

第三方评测有助于发现问题，但不应悄悄取代一手证据。记录来源由谁发布、使用了什么方法、何时观察产品，以及是否存在可能影响内容的商业关系。如果两个来源不一致，就两者都保留并进行调查，而不是让 AI 取平均值。

FTC 解释说，广告主在发布客观性主张之前需要有合理依据，而所需证据取决于主张本身。［3］在内部也应用同样的纪律：一句措辞精致的竞争对手陈述，仍需要与其具体程度相称的支持。

建立逐条声明账本

不要从叙述开始，而要从每条主张一行开始。使用以下模板：

竞争者	比较类别	精确声明	来源 URL	访问日期	事实类型	置信度	未知项	复核人
示例公司	公开方案价格	`[地区]` 的公开月费为 `[数值]`	`[精确页面]`	`YYYY-MM-DD`	第一方观察	对该日期和地区为高	税费与协商条款	`[姓名]`

“精确声明”指可以独立核查的最小陈述。把“该方案更便宜且支持更好”拆成价格和支持两行。前者可能有带日期的定价页面支持；后者需要明确的服务水平或研究，可能仍为未知。

事实类型使用受控词表：第一方披露、第一方产品观察、监管记录、独立测量结果、署名观点、推断或未知。置信度描述的是证据质量，而不是句子听起来多有说服力。官方页面对其所显示的内容可能值得高置信度，但其中宽泛的“更优”说法仍可能需要独立证据。

保留一个专门的“未知项”字段。例如未公开的企业价格、不明确的地区可用性、缺失的测试条件，或未经核实的路线图。写下 unknown 是一种成功的研究结果，因为它能防止缺口变成编造的比较。

标准化比较维度，但不抹去语境

在让 AI 对齐主张之前，先定义维度。常见维度包括受众、用例、方案条款、有文档记载的能力、兼容性、上手过程、支持渠道、隐私条款、合同限制，以及有证据支持的性能。只保留对最初决策重要的维度。

为单位和状态建立数据字典。一项功能可以是可用、受限、测试版、已宣布、已停用或未知。价格需要币种、税费处理、计费周期、最短期限、地区、席位假设和访问日期。性能需要测试方法、环境、样本和日期。

不要把“没找到”压缩成“不提供”。某个页面上没有，并不能证明产品中没有。同样，“联系销售”不等于价格为零，“可应要求提供”也不是普遍可用的证据。

AI 可以帮你把各种措辞映射到受控维度，但要求它在每个映射值旁边返回来源行 ID。人工审核含糊的映射。如果模型不经解读就无法映射某项主张，就保留原始措辞并加以标记。

用 AI 创建竞争分析时只处理给定证据

把决策简报、数据字典、已批准的账本行和严格的输出约定交给模型。在使用任何外部服务之前，删除个人数据、保密的商业条款、凭据和未公开的战略。

一条可复用的提示词是：

只根据提供的账本创建比较矩阵。保留每项主张的范围、日期、地区、来源行 ID、事实类型和注意事项。把已核实事实、推断和未知分开。不要添加公司、价格、功能、市场份额数字、优势、劣势或战略动机。没有证据时不要解决冲突。为每一句话列出支持的行 ID；如果没有，写 unknown。

在生成文字之前，先要求一份中间证据图：

草稿主张 ID	竞争者	规范化表述	支持行 ID	状态	注意事项
C-01	示例公司	`[有边界的表述]`	S-03	已核实事实	仅适用于 `[地区/日期]`

拒绝任何来源 ID 无法推出其陈述的行。关于年付的来源，不能支持“月付灵活”的主张。一份笼统的公司申报文件，也不能证明某项功能当前的表现。

如何把事实、推断和未知分开？

在工作草稿中使用三个明显不同的部分。事实是有直接支持的观察。推断是写明其假设的合理解读。未知则指出缺失的证据，以及它可能如何改变决策。

例如，“公开方案页面列出了年付”可以是一项带日期的事实。“这可能适合预算可预测的团队”是推断。“协商后的取消条款未知”是证据缺口。把三者合并成“该竞争者最适合稳定的团队”，就会得出一个没有依据的结论。

优势和劣势特别容易被编造。把它们改写为与决策相关的证据：“根据文档，支持所需的格式 X”，或“截至研究日期，没有找到满足要求 Y 的证据”。这能避免把分析者的偏好说成普遍的产品属性。

战略方面的主张需要直接的署名证据，或谨慎的措辞。招聘、定价或功能变化，本身并不能证明公司的动机。记录观察；只有在决策者需要时才解释可能的解读；并把这些解读标为暂定。

如何逐条人工核对来源？

打开每个被引用的来源，而不是相信生成的引文或摘要。检查页面说的是否是同一产品、地区、方案、时间段和人群。确认表格和脚注没有被剥离其限制条件。

进行四轮审核：

**蕴含：**来源是否确实支持这句话？
**时效：**来源对该决策而言是否足够新，并在账本中注明了日期？
**可比性：**单位、方案、受众和条件是否一致？
**分类：**这句话是否被如实标为事实、推断、观点或未知？

当文件相互冲突时，使用 AI 来源比较流程，但保留每个来源的立场。消费者购物的比较矩阵请使用产品比较流程；本文讨论的是商业竞争分析和决策证据。

NIST 的生成式 AI 风险概况把虚构内容、隐私、信息完整性和人工监督列为需要全生命周期控制的风险。［4］在这里，这些控制就是有边界的输入集、可追溯的行、明确的缺口、独立核实和人工批准。

形成可决策的竞争分析报告

让最终交付物比账本更简短。一个有用的结构是：

**决策与范围：**受众、问题、竞争者集合、地域和截至日期。
**已核实的比较：**只列重要的维度，每项都关联主张 ID。
**解读：**与决策相关的含义，并写明假设。
**未知与冲突：**缺失的证据、分歧和敏感性。
**建议的后续研究：**负责人、来源、截止日期和决策门槛。
**方法说明：**来源等级、排除项和审核人姓名。

除非权重方法有文档记录，否则避免使用装饰性的评分。如果使用权重，说明由谁选定，并测试在合理的替代方案下排名如何变化。单一的总分可能掩盖证据缺口和虚假的精确度。

把账本和报告一起做版本管理。当某个来源变化时，建立新的快照，并标出受影响的主张。绝不要在保持证据日期不变的情况下，悄悄更新叙述。

批准检查清单

使用之前，具名的复核人和决策负责人应确认：

决策、竞争者集合、地域、受众和日期都已写明；
每一句事实陈述都对应到一个在线或已保存的来源行；
价格、方案、单位和时间上的差异清晰可见；
没有猜测任何市场份额、功能、优势、劣势或战略；
冲突在有合适证据解决之前保持可见；
推断写明了假设，没有冒充事实；
已排除保密数据和不必要的个人数据；
已记录未知项和研究负责人；
已批准的版本注明了日期并受访问控制。

人工批准不是走过场的最后一次点击。复核人要为证据是否支持比较、比较是否适用于该决策承担责任。

常见问题

AI 可以自动寻找竞争者吗？

它可以提出供调查的候选，但最终集合应由人来界定并说明理由。搜索曝光度、记忆中的品牌和模型的熟悉程度，都不是可靠的市场边界。

可以让 AI 估算竞争对手市场份额吗？

只有在你提供合适、带日期的来源，并保留其方法和范围时才可以。否则就把市场份额标为未知；不要让模型去估算。

多久更新一次分析？

根据决策风险和证据变化的速度设定更新日期。公开价格可能需要经常复核，而已申报的历史业绩则始终对应其报告期。

两个官方来源冲突怎么办？

两者都保留，核对日期和范围，并在可能时询问负责的组织。不要让 AI 选择更方便的说法，或合并互不兼容的数值。

竞品客户评论算证据吗？

它们能揭示问题和署名的使用体验，但很少能证明产品的普遍表现。使用之前，记录样本、日期、平台和选择局限。

是否应该给每个竞争者打分？

只有在标准、权重、证据质量和敏感性都透明时才应该。当证据不完整时，定性矩阵往往更诚实。

AI 能判断优劣势吗？

它可以整理与决策相关的证据，但不应宣布普遍的优势或劣势。写明要求、支持证据和尚未解决的缺口。

谁批准最终分析？

一位了解来源的复核人，以及一位了解业务背景的决策负责人。AI 无法为其中任何一个角色承担责任。

来源

U.S. Small Business Administration, Market research and competitive analysis — https://www.sba.gov/business-guide/plan-your-business/market-research-competitive-analysis
U.S. Securities and Exchange Commission, About EDGAR — https://www.sec.gov/submit-filings/about-edgar
U.S. Federal Trade Commission, Advertising FAQs: A Guide for Small Business — https://www.ftc.gov/business-guidance/resources/advertising-faqs-guide-small-business
National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 8 月 30 日。

如何用 AI 创建竞争分析：区分事实、推断与未知，不臆测数据