上一篇我分享了用 AI 写 PRD 的全流程，文末预告了这篇——竞品分析和用户调研。
说实话，这两个活儿是产品经理日常中最"该做但总没时间做"的事。原因很简单：太耗时了。
一份像样的竞品分析，少则 3 天，多则两周；一轮用户调研，从招募到报告，一个月都算快的。最后往往变成"脑子里想想就算做过了"。
直到我把 AI 引入这个流程，我发现：竞品分析和用户调研的核心瓶颈不是"分析能力"，而是"信息处理效率"。 而 AI 恰好最擅长这件事。
一、为什么竞品分析和用户调研总是"做不好"？
先说痛点。这两个工作之所以经常被跳过或敷衍，主要有三个原因：
1. 信息收集成本高
竞品分析要先找到竞品，再去一个个体验功能、截图、记录。光是把 5 个竞品的某个模块走一遍，一天就没了。
用户调研更不用说——写访谈提纲、约用户、做访谈、整理录音转文字……一轮下来，半个月过去了。
2. 信息整理全靠人工
做完竞品体验或用户访谈，手里一堆截图、笔记、录音，但怎么把这些散乱的信息变成一份有结论的报告？这一步最痛苦——就像把一堆乐高零件拼成一艘船，你知道零件都在，但拼的过程让人崩溃。
3. 从数据到洞察的"最后一跃"最难
哪怕信息都整理好了，从"竞品 A 有这个功能，竞品 B 没有"到"我们应该怎么做"，这中间的推理链路才是真正的价值所在。很多人卡在这一步，最后竞品分析变成了"功能对比表"，用户调研变成了"意见汇总"，缺乏真正的洞察。
AI 的价值在于：它能把信息收集和整理的效率提升 10 倍，让你把省下来的时间花在"洞察"上——这才是产品经理不可替代的核心能力。
二、案例背景
为了方便理解，我继续用一个 B 端场景——项目管理系统的竞品分析。
项目背景：
公司正在规划下一代项目管理系统的升级方案，需要对市场上主流的项目管理工具做一轮竞品分析，重点关注"任务协作"模块。
分析目标：
- 梳理主流竞品在"任务协作"模块的功能现状
- 识别行业趋势和差异化机会
- 输出功能规划建议
选择的竞品：
| 竞品 | 类型 | 定位 |
|---|---|---|
| 飞书项目 | 综合协作平台 | 中大型企业，强协作导向 |
| Teambition | 阿里系项目管理 | 中型企业，与钉钉生态打通 |
| Jira | 专业研发管理 | 研发团队，敏捷开发标配 |
| Asana | 海外通用项目管理 | 跨职能团队，轻量级协作 |
| Monday.com | 海外可视化项目管理 | 强调可视化，多行业适用 |
💡 为什么选这 5 个？ 2 个国内主流（飞书、Teambition）+ 1 个垂直领域标杆（Jira）+ 2 个海外热门（Asana、Monday.com），覆盖"综合 vs 垂直""国内 vs 海外"两条对比轴。
三、AI 竞品分析的四步法
先说方法论。我把 AI 辅助竞品分析拆成四步：
定义分析框架 → 批量采集信息 → 矩阵化对比 → 输出洞察建议
每一步的目的和 AI 角色：
| 步骤 | 目的 | 人的角色 | AI 的角色 |
|---|---|---|---|
| 定义框架 | 确定分析维度和对比标准 | 分析框架设计者 | 框架建议和补充者 |
| 批量采集 | 快速收集各竞品信息 | 信息引导和校验者 | 信息提取和整理器 |
| 矩阵对比 | 横向对比各维度表现 | 判断和取舍者 | 矩阵生成和模式识别器 |
| 洞察输出 | 得出有价值的结论 | 洞察验证者 | 结论生成和建议者 |
下面进入实战。
四、实战演示：竞品分析全流程
第一步：定义分析框架
很多竞品分析做得差，不是因为信息不够，而是没有分析框架。东看一个功能、西记一个截图，最后什么都比了，什么结论都没有。
AI 可以帮你快速建立一个结构化的分析框架。
我的 Prompt：
你是一位资深产品战略分析师，擅长 B 端 SaaS 产品的竞品分析。
我需要对"项目管理工具"的"任务协作"模块做一轮竞品分析。
分析目标：
1. 梳理主流竞品在任务协作模块的功能现状
2. 识别行业趋势和差异化机会
3. 输出功能规划建议
目标竞品：飞书项目、Teambition、Jira、Asana、Monday.com
请帮我设计一个结构化的竞品分析框架，要求：
1. 明确分析维度（至少包含功能、交互、商业模式、用户评价）
2. 每个维度下列出具体的对比指标
3. 给出每个指标的评分标准（1-5 分）
4. 用表格形式输出
注意：框架要能支撑最终的"功能规划建议"输出，不是泛泛而谈。
AI 的输出（节选）：
竞品分析框架：任务协作模块
维度一：核心功能完备度
指标 说明 评分标准 任务创建 支持的创建方式（手动/模板/邮件转任务/语音） 1=仅手动，3=手动+模板，5=≥4种方式 任务分配 支持的分配方式（单人/多人/自动分配/按规则轮转） 1=仅单人，3=多人，5=含智能分配 任务拆分 子任务/检查清单/任务依赖 1=无，3=子任务，5=子任务+依赖+检查清单 进度追踪 进度展示方式（百分比/状态/看板/甘特图） 1=仅状态，3=状态+百分比，5=多视图 截止时间 时间设置和提醒机制 1=仅设置，3=设置+提醒，5=设置+提醒+逾期规则 维度二：协作与沟通
指标 说明 评分标准 评论/讨论 任务内讨论机制 1=仅评论，3=评论+@提醒，5=评论+@+话题+引用 文件协作 文件上传/在线编辑/版本管理 1=仅上传，3=上传+预览，5=在线编辑+版本管理 通知机制 通知渠道和规则 1=站内信，3=多渠道，5=多渠道+自定义规则 维度三：视图与可视化
指标 说明 评分标准 列表视图 基础列表展示 1=有，3=可排序筛选，5=可自定义列 看板视图 Kanban 风格展示 1=无，3=基础看板，5=可自定义列和泳道 甘特图 时间线视图 1=无，3=基础甘特，5=支持依赖关系和基线 日历视图 按日期展示 1=无，3=有，5=支持拖拽调整 维度四：自动化与智能化
指标 说明 评分标准 工作流自动化 自动规则配置 1=无，3=基础规则，5=复杂条件+多动作 AI 能力 智能建议/自动分类/摘要 1=无，3=基础AI，5=深度AI集成 维度五：定价策略
指标 说明 评分标准 免费版功能 免费版可用功能范围 1=极有限，3=基础可用，5=功能丰富 定价模式 按人/按功能/按量 — 性价比 功能与价格比值 1=贵且少，3=合理，5=功能丰富且价格低
我做的调整：
AI 给的框架很全面，但我做了两处调整：
- 去掉了"用户评价"维度——我打算单独用 App Store/知乎评论做一轮情感分析，不放在这个矩阵里
- 新增了"开放性与集成"维度——B 端产品的 API/插件生态很重要，这是原始框架缺失的
💡 关键心法： 分析框架是竞品分析的"骨架"。骨架不对，后面填再多肉也是歪的。这一步宁可多花 30 分钟和团队对齐，也不要急着进入下一步。
第二步：批量采集信息
框架确定后，进入信息采集阶段。这是 AI 发挥最大价值的环节——把原本需要一个个产品手动体验的工作，变成批量信息提取。
方式一：利用 AI + 官方文档/帮助中心
我的 Prompt：
请帮我分析飞书项目的"任务协作"模块。
信息来源：
1. 飞书官网产品介绍页
2. 飞书帮助中心文档
3. 公开的产品评测文章
请按照以下框架提取信息：
【核心功能完备度】
- 任务创建方式有哪些？
- 任务分配方式有哪些？
- 是否支持子任务/检查清单/任务依赖？
- 进度追踪有哪些视图？
- 截止时间和提醒机制是怎样的？
【协作与沟通】
- 任务内讨论机制是什么？
- 文件协作能力如何？
- 通知渠道有哪些？
【视图与可视化】
- 支持哪些视图（列表/看板/甘特/日历）？
- 各视图的自定义程度如何？
【自动化与智能化】
- 是否支持工作流自动化？规则配置能力如何？
- 是否有 AI 能力？
请用事实描述，不要主观评价。如果某项信息无法确认，标注"待确认"。
对每个竞品都跑一遍同样的 Prompt（替换竞品名称），然后我得到了 5 份结构化的信息卡片。
以飞书项目为例，AI 输出（节选）：
飞书项目 - 任务协作模块分析
核心功能完备度：
指标 实际情况 任务创建 支持手动创建、模板创建、从消息/文档一键转任务；支持批量导入 任务分配 支持单人/多人分配，支持按角色分配；支持自动分配（工作流触发） 任务拆分 支持子任务（最多 3 层）、检查清单；支持任务间设置依赖关系（FS/FF/SS/SF 四种类型） 进度追踪 支持百分比进度、状态流转、看板视图、甘特图；支持里程碑标记 截止时间 支持设置开始/截止时间，到期前提醒（可自定义提前时间），逾期自动标红 协作与沟通：
指标 实际情况 评论/讨论 支持任务内评论、@提醒、话题讨论、引用回复；评论支持富文本和附件 文件协作 支持文件上传（不限格式）、在线预览（Office/PDF/图片）、飞书文档直接关联 通知机制 站内信 + 飞书消息 + 邮件 + 自定义通知规则 视图与可视化：
视图类型 支持情况 自定义程度 列表视图 ✅ 支持 支持自定义列、排序、筛选、分组 看板视图 ✅ 支持 支持自定义列和泳道，支持拖拽 甘特图 ✅ 支持 支持依赖关系、基线对比、关键路径 日历视图 ✅ 支持 支持拖拽调整 自动化与智能化：
- 工作流自动化：支持可视化规则配置，触发条件丰富（状态变更、字段变更、定时等）
- AI 能力：支持 AI 生成任务摘要、智能推荐任务分配人（待确认）
待确认项：
- AI 推荐分配人的实际效果如何？
- 自动化规则的复杂度上限？
方式二：利用 AI 分析用户评价
除了产品功能本身，用户真实评价也是竞品分析的重要维度。AI 可以帮你在海量评论中快速提取情感倾向和关键意见。
我的 Prompt：
以下是我从知乎、人人都是产品经理、V2EX 等平台收集的关于飞书项目的用户评价（共 47 条）。
请帮我做以下分析：
1. 情感分析：正面/负面/中性的比例
2. 高频关键词提取（正面和负面分别列出）
3. 用户最满意的 Top 3 功能点
4. 用户最不满意的 Top 3 问题
5. 与其他产品的对比评价中，飞书项目被认为的优势和劣势分别是什么？
用户评价原文：
[粘贴收集到的用户评论]
AI 输出（节选）：
情感分布：
- 正面：62%（29 条）
- 中性：23%（11 条）
- 负面：15%（7 条）
高频关键词：
- 正面：与飞书生态打通（14次）、操作流畅（11次）、看板好用（9次）、甘特图清晰（8次）
- 负面：学习成本高（8次）、功能太多找不到了（6次）、自定义程度不够（5次）、移动端体验差（4次）
最满意 Top 3：
- 与飞书文档/消息的无缝打通——任务可以直接从聊天创建，讨论不用切应用
- 看板和甘特图的双视图切换——不同角色可以各取所需
- 自动化工作流——减少了大量重复操作
最不满意 Top 3：
- 功能入口太深——"我知道这个功能有，但每次都找不到"
- 自定义字段限制多——想按项目阶段设置不同字段，但发现全局生效
- 移动端阉割严重——"PC 端能做的一半操作，手机上做不了"
对比评价：
- vs Teambition：飞书生态更强，但 Teambition 上手更快
- vs Jira：飞书更适合非研发团队，Jira 在敏捷开发场景更专业
- vs Asana：飞书在中文环境下体验更好，Asana 在国际化团队更成熟
这一步的价值： 47 条评论，人工读完归类至少 2 小时。AI 分析只需要 30 秒，而且输出的结构非常清晰，可以直接放进报告。
我对 5 个竞品都做了同样的分析，整个信息采集阶段只用了半天——原来至少需要 3-4 天。
第三步：矩阵化对比
信息采集完成后，进入横向对比阶段。这一步的目标是把散乱的信息变成一张一眼能看出差异的对比矩阵。
我的 Prompt：
以下是我对 5 款项目管理工具"任务协作"模块的功能调研结果。
请按照之前定义的分析框架，生成一份竞品对比评分矩阵。
要求：
1. 每个指标按 1-5 分评分
2. 总分按维度汇总
3. 用不同颜色标注优势项（≥4分）和劣势项（≤2分）
4. 最后附上整体排名和各维度排名
各竞品调研数据：
[粘贴 5 份竞品信息卡片的汇总]
AI 输出的对比矩阵（节选）：
核心功能完备度对比
指标 飞书项目 Teambition Jira Asana Monday.com 任务创建 5 4 4 4 3 任务分配 5 3 4 4 3 任务拆分 5 3 5 4 3 进度追踪 5 4 5 4 4 截止时间 4 3 4 4 3 小计 24 17 22 20 16 视图与可视化对比
指标 飞书项目 Teambition Jira Asana Monday.com 列表视图 5 4 4 4 5 看板视图 5 5 4 5 5 甘特图 5 3 5 4 4 日历视图 4 3 3 5 4 小计 19 15 16 18 18 自动化与智能化对比
指标 飞书项目 Teambition Jira Asana Monday.com 工作流自动化 5 3 5 4 4 AI 能力 4 2 3 4 3 小计 9 5 8 8 7 总分排名
排名 竞品 核心功能 协作沟通 视图 自动化 定价 总分 1 飞书项目 24 15 19 9 4 71 2 Jira 22 10 16 8 3 59 3 Asana 20 12 18 8 4 62 4 Monday.com 16 11 18 7 3 55 5 Teambition 17 9 15 5 3 49
我做的校验：
AI 给出的评分我逐项过了一下，做了几处调整：
- Jira 的"协作沟通"分数偏低——Jira 有强大的插件生态（通过插件可以实现评论、通知等），我给它加 2 分
- Monday.com 的"核心功能"偏低估——它的强项是自定义能力，任务创建虽然入口少但自定义字段很灵活，我上调了 1 分
- 飞书项目的"定价"给了 4 分偏高——它的企业版不便宜，我调为 3 分
💡 关键提醒： AI 给的评分是"建议分"，不是"最终分"。你必须用自己的产品经验校验每一项。AI 看到的是"文档上写了有这个功能"，但你知道"有"和"好用"是两码事。
第四步：输出洞察建议
对比矩阵只是"展示事实"，真正的价值在于从事实中推导出洞察和建议。
我的 Prompt：
基于前面的竞品对比分析，请帮我输出以下洞察：
1. 行业趋势判断：从这些竞品的功能演进方向，你能看到什么趋势？
2. 差异化机会：哪些需求是竞品都没有很好满足的？
3. 功能优先级建议：如果我们做一个新项目管理系统，任务协作模块的功能优先级应该怎么排？
4. 风险提示：有哪些"看起来应该做但实际可能不适合"的功能？
背景补充：
- 我们的目标用户是中型企业（200-2000人）的跨职能团队
- 产品定位是"轻量但有深度"——不像 Jira 那样重，但核心功能不能弱
- 我们有自己的 IM 工具，可以像飞书一样做生态打通
请用结构化的方式输出，每个洞察都要有数据支撑（引用前面的评分矩阵）。
AI 的输出：
一、行业趋势判断
趋势 1：多视图融合正在成为标配 5 款产品全部支持看板视图，4 款支持甘特图——"一个项目多种视角"已不是差异化功能，而是基础能力。我们如果只做列表视图，会直接被淘汰。
趋势 2：自动化从"高级功能"走向"基础能力" 除 Teambition 外，所有产品的自动化评分都≥4。这说明用户已经不满足于"手动管理任务"，而是期望系统能自动推进流程。我们的 MVP 就应该包含基础自动化。
趋势 3：AI 正在重塑任务管理 飞书项目和 Asana 都在集成 AI 能力（智能摘要、自动分类、推荐分配人）。虽然目前还不成熟，但这是明确的方向。我们不需要在 MVP 中做深度 AI，但架构上要预留扩展空间。
趋势 4：生态打通是核心壁垒 飞书项目的用户评价中，"与飞书生态打通"被提及 14 次，是最高频的正面关键词。Jira 的 Atlassian 生态也是其护城河。我们有自研 IM 工具，这是天然优势。
二、差异化机会
机会 1：轻量但智能的任务拆分 当前市场上存在一个明显的定位空缺：
- Jira/飞书：功能强大但学习成本高（用户反馈："功能太多找不到"）
- Teambition/Monday.com：上手快但深度不够
"易上手 + 按需深入"的渐进式复杂度设计是一个差异化方向。
具体做法：默认展示简化界面，高级功能通过"展开更多"渐进式呈现。这样既不吓跑新手，又不让重度用户受限。
机会 2：移动端体验的弯道超车 用户评价中，飞书项目的"移动端体验差"是 Top 3 抱怨。竞品普遍把移动端当作 PC 端的缩水版。如果我们做到"移动端能独立完成 80% 的操作"，这本身就是一个卖点。
机会 3：AI-Native 而非 AI-Added 竞品的 AI 大多是"锦上添花"——在现有功能上加一个 AI 按钮。如果我们的产品设计从第一天就把 AI 作为底层能力（比如任务创建就是自然语言输入，系统自动拆解为结构化任务），体验会有代际差异。
三、功能优先级建议
P0（MVP 必做）：
- 任务创建（手动 + 模板 + IM 消息转任务）
- 任务分配（单人 + 多人）
- 任务拆分（子任务 + 检查清单，暂不做依赖）
- 看板视图 + 列表视图（双视图）
- 截止时间 + 基础提醒
- 任务内评论 + @提醒
- IM 通知推送
P1（第二版本）：
- 甘特图视图
- 基础工作流自动化（状态变更触发）
- 自定义字段
- 批量操作
- 文件上传和预览
P2（后续迭代）：
- 任务依赖关系
- 日历视图
- 高级自动化（多条件 + 多动作）
- AI 辅助功能（摘要/推荐/自动分类）
P3（长期规划）：
- 甘特图基线对比
- 跨项目任务关联
- 资源负载视图
四、风险提示
风险 1：不要试图在 MVP 中对标飞书项目的全量功能 飞书项目是字节跳动几百人团队几年的积累，总分 71 分。我们的 MVP 应该聚焦 P0 功能做到极致，而不是铺面。宁可在核心场景上做到"比飞书还好用"，也不要在功能覆盖上"什么都有但都不好用"。
风险 2：甘特图的技术复杂度被低估 甘特图看起来是"展示方式"，实际上涉及到复杂的时间计算、依赖关系、资源冲突检测。建议 MVP 先不做甘特图，用看板 + 列表双视图覆盖 80% 场景。
风险 3：AI 功能的投入产出比存疑 当前阶段 AI 在任务管理中的实际价值尚未被充分验证。用户需要的首先是"好用的任务管理"，而不是"AI 帮我管理任务"。AI 功能可以放在 P2，等技术更成熟再投入。
风险 4：自动化规则可能引发用户困惑 "自动化"听起来很美好，但实际使用中经常出现"为什么我的任务自动变了？"的问题。建议自动化默认关闭，用户主动开启并明确配置。
看看完整的输出效果
最终我把这些内容整理成了一份 25 页的竞品分析报告，核心结构如下：
1. 分析背景与方法论 ............. 第 1-3 页
2. 竞品全景扫描 ................. 第 4-8 页
3. 功能对比矩阵 ................. 第 9-16 页
4. 用户评价分析 ................. 第 17-19 页
5. 行业趋势与差异化机会 ......... 第 20-22 页
6. 功能规划建议 ................. 第 23-25 页
耗时：半天。 原来的竞品分析周期是 2 周。
五、AI 用户调研：从访谈到洞察的加速器
竞品分析讲完了，下面说说用户调研。AI 在用户调研中的应用主要在两个环节：
环节一：访谈提纲设计
很多人做用户访谈就是"想到什么问什么"，导致每场访谈的问题都不一样，最后无法横向对比。
AI 可以帮你快速生成结构化的访谈提纲。
Prompt 模板：
我需要对项目管理系统的"任务协作"功能做一轮用户访谈。
目标用户：项目经理、产品经理、开发工程师（各 3-5 人）
访谈目标：
1. 了解用户当前的任务管理方式和痛点
2. 验证我们规划的功能优先级是否合理
3. 收集对 AI 辅助功能的态度
请帮我设计一份半结构化访谈提纲，要求：
1. 访谈时长控制在 30-45 分钟
2. 包含开场破冰、核心问题、深入追问、结束感谢四个环节
3. 核心问题按"当前行为 → 痛点挖掘 → 方案验证"的逻辑递进
4. 每个问题标注预计用时
5. 为每个核心问题提供 2-3 个追问方向
AI 输出的访谈提纲（节选）：
用户访谈提纲：任务协作功能
一、开场破冰（3 分钟）
- 简单自我介绍，说明访谈目的
- "我们今天主要是想了解你在日常工作中是怎么管理任务的，没有标准答案，按你真实的感受说就好"
二、当前行为（8 分钟）
Q1. 你目前在用什么工具管理日常任务？（预计 2 分钟）
- 追问：为什么选择这个工具？有没有尝试过其他工具？
Q2. 你一天中大概花多少时间在任务管理上？（预计 2 分钟）
- 追问：这些时间主要花在哪些操作上？（创建/分配/跟进/汇报）
Q3. 你能描述一下你接到一个新项目时，是怎么拆解和管理任务的吗？（预计 4 分钟）
- 追问：拆解任务的时候有没有固定的方法或模板？
- 追问：任务之间的关联关系你是怎么处理的？
三、痛点挖掘（15 分钟）
Q4. 在任务管理过程中，你觉得最头疼的环节是什么？（预计 3 分钟）
- 追问：能举个具体的例子吗？
Q5. 你遇到过任务"跟丢了"的情况吗？是怎么发生的？（预计 3 分钟）
- 追问：事后是怎么发现的？导致了什么后果？
Q6. 跨团队协作时，任务管理有什么特别不方便的地方？（预计 4 分钟）
- 追问：不同团队用的工具不一样吗？怎么同步进度？
Q7. 你觉得现在的任务管理工具最缺什么功能？（预计 3 分钟）
- 追问：如果有这个功能，你的工作会发生什么变化？
Q8. 移动端你多久用一次任务管理工具？体验怎么样？（预计 2 分钟）
- 追问：在手机上最常做的操作是什么？
四、方案验证（15 分钟）
Q9. 如果有一个工具能自动帮你把大任务拆解成小任务，你会用吗？（预计 3 分钟）
- 追问：你担心什么？（准确性？可控性？）
Q10. （展示竞品看板截图）这种看板视图你觉得有用吗？（预计 3 分钟）
- 追问：你更喜欢看板还是列表？为什么？
Q11. 如果任务状态变更能自动通知相关人员，但需要你提前配置规则，你愿意花时间配置吗？（预计 3 分钟）
- 追问：配置规则的复杂度上限大概是多少？
Q12. 你觉得 AI 在任务管理中最有价值的应用场景是什么？（预计 3 分钟）
- 追问：最不信任 AI 做的事情是什么？
Q13. 如果我们的产品只做 3 个功能，你希望是哪 3 个？（预计 3 分钟）
五、结束（2 分钟）
- 感谢参与
- "后续如果有了原型，能再请你体验一下吗？"
环节二：访谈记录整理与洞察提取
访谈做完后，AI 最大的价值是帮你从杂乱的记录中提取洞察。
Prompt 模板：
以下是我最近完成的 8 场用户访谈的笔记汇总。
受访者画像：
- 项目经理 × 3 人
- 产品经理 × 3 人
- 开发工程师 × 2 人
访谈笔记：
[粘贴所有访谈笔记]
请帮我做以下分析：
1. 高频痛点提取：所有受访者反复提到的问题是什么？
2. 角色差异分析：不同角色（项目经理/产品/开发）的诉求有何不同？
3. 需求验证：以下功能哪些被用户明确需要，哪些没被提及？
- 看板视图
- 甘特图
- 自动化工作流
- AI 任务拆解
- 移动端优化
- IM 消息转任务
4. 意外发现：有没有什么信息是你觉得特别值得关注的？（用户说的但可能被忽略的）
5. 引用金句：请提取 5-8 句用户的原话，这些话能有力地支撑产品决策
AI 输出（节选）：
高频痛点 Top 5：
排名 痛点 提及次数 提及角色 1 任务状态不同步，需要手动通知 7/8 全部角色 2 跨团队协作时进度追踪困难 6/8 PM、项目经理 3 任务拆解耗时，缺少标准化方法 5/8 项目经理 4 移动端只能看不能操作 5/8 全部角色 5 重复性任务需要反复手动创建 4/8 PM、开发 角色差异：
- 项目经理最关心"全局视角"——能不能一眼看到所有任务的进度和阻塞点
- 产品经理最关心"协作效率"——能不能少开会，通过工具直接对齐
- 开发工程师最关心"不被打扰"——能不能减少无效通知，只在真正需要我操作时才提醒
需求验证结果：
功能 验证结果 看板视图 ✅ 强需求，5 位用户主动提及 甘特图 ⚠️ 弱需求，仅项目经理提及，且"有当然好，没有也能接受" 自动化工作流 ✅ 强需求，痛点 1 和 5 直接对应 AI 任务拆解 ❓ 争议需求，3 人表示感兴趣，3 人表示不信任 移动端优化 ✅ 强需求，痛点 4 直接对应 IM 消息转任务 ✅ 强需求，4 位用户说"这个功能会让我立刻切换" 意外发现：
- "汇报"是被严重忽视的场景——3 位项目经理提到，他们花大量时间把任务状态手动整理成汇报材料。如果能"一键生成项目进度汇报"，这比任何高级功能都实用。
- 用户不在意"AI"标签，在意的是"省事"——当问及 AI 功能时，用户的反应是"不管是不是 AI，能帮我省时间就行"。所以功能设计不应该强调"AI 驱动"，而要强调"一步完成"。
用户金句：
"我每天花在'告诉别人我做了什么'上的时间，比'实际做事'的时间还多。"——项目经理 A
"如果有个工具能让我在聊天里直接把一句话变成任务，我今天就开始用。"——产品经理 B
"我不需要 AI 帮我拆任务，我需要 AI 帮我写周报。"——开发工程师 C
这一步的价值： 8 场访谈的笔记超过 1.5 万字。人工整理至少需要 1 整天。AI 分析后，我拿到了一份结构化的洞察报告，只需要 30 分钟校验和补充。
💡 特别提醒： AI 整理的访谈洞察一定要回看原始笔记验证。AI 有时会"过度归纳"——把 3 个人提到的问题说成"高频共识"。我通常会抽查 2-3 条结论，确认 AI 没有扭曲原始信息。
六、完整工作流总结
最后，我把竞品分析和用户调研的 AI 辅助工作流画成了一张全景图：
┌─────────────────────────────────────┐
│ AI 辅助产品调研工作流 │
└──────────────┬──────────────────────┘
│
┌─────────────────┴─────────────────┐
│ │
┌────────▼────────┐ ┌────────▼────────┐
│ 竞品分析轨道 │ │ 用户调研轨道 │
└────────┬────────┘ └────────┬────────┘
│ │
┌────────────┼────────────┐ ┌───────────┼──────────┐
│ │ │ │ │ │
┌──▼──┐ ┌───▼───┐ ┌───▼───┐ ┌───▼───┐ ┌───▼───┐ ┌──▼──┐
│框架 │ │信息 │ │矩阵 │ │提纲 │ │记录 │ │洞察 │
│定义 │ │采集 │ │对比 │ │设计 │ │整理 │ │提取 │
└──┬──┘ └───┬───┘ └───┬───┘ └───┬───┘ └───┬───┘ └──┬──┘
│ │ │ │ │ │
└──────────┴─────┬─────┘ └──────────┴────┬─────┘
│ │
┌─────▼─────┐ ┌───────▼───────┐
│洞察与建议 │ │ 需求验证报告 │
└─────┬─────┘ └───────┬───────┘
│ │
└─────────────┬────────────────────┘
│
┌───────▼───────┐
│ 产品决策输入 │
└───────────────┘
效率对比：
| 工作项 | 传统方式 | AI 辅助 | 效率提升 |
|---|---|---|---|
| 分析框架设计 | 半天 | 30 分钟 | 4× |
| 竞品信息采集（5 个） | 3-4 天 | 半天 | 6-8× |
| 对比矩阵制作 | 1 天 | 1 小时 | 8× |
| 洞察提炼 | 1 天 | 1 小时 | 8× |
| 访谈提纲设计 | 半天 | 20 分钟 | 12× |
| 访谈记录整理 | 1 天 | 30 分钟 | 16× |
| 用户洞察提取 | 1 天 | 30 分钟 | 16× |
| 总计 | 约 2-3 周 | 约 1-2 天 | 约 10× |
七、踩坑与经验
陷阱 1：AI 会"编造"竞品功能
AI 有时会非常自信地描述一个竞品"有某个功能"，但实际上这个功能根本不存在。这是因为 AI 把不同版本、不同产品线的信息混淆了。
对策： 每个竞品的关键功能一定要去产品里实际验证一遍。AI 采集的信息是"初筛"，不是"定论"。
陷阱 2：用户评价的样本偏差
AI 分析的评论主要来自公开平台（知乎、V2EX 等），这些平台的用户有明显的偏好——偏技术、偏尝鲜。他们的评价不能代表沉默的大多数。
对策： 在报告中标明数据来源和样本局限性。AI 分析的结论用"趋势参考"，不用"决策依据"。
陷阱 3：对比矩阵的"假精确"
评分矩阵看起来很精确（71 分 vs 59 分），但每个分数背后都是主观判断。5 分制之间的差距有时候并不大。
对策： 不要过度依赖总分排名。更重要的是看每个维度中"明显强"和"明显弱"的项目——差距在 2 分以上的才有参考意义。
陷阱 4：AI 的洞察"听起来很对但缺乏深度"
AI 擅长发现"模式"，但不擅长判断"这个模式是否重要"。比如它可能告诉你"所有竞品都支持看板视图"，但无法告诉你"看板视图在项目管理中的实际使用频率只有 30%"。
对策： AI 的洞察是"起点"，你的判断是"终点"。把 AI 的洞察当成假设，用用户调研去验证。
八、可复用的 Prompt 模板库
🎯 模板一：竞品分析框架生成
你是一位资深产品战略分析师，擅长【领域】产品的竞品分析。
我需要对【产品类型】的【目标模块】做一轮竞品分析。
目标竞品：【竞品列表】
分析目标：【你的目标】
请设计一个结构化的竞品分析框架：
1. 明确分析维度（功能/交互/商业模式/用户评价等）
2. 每个维度列出具体对比指标
3. 每个指标给出评分标准（1-5 分）
4. 表格形式输出
🔍 模板二：竞品功能提取
请帮我分析【竞品名称】的【目标模块】。
信息来源：官网、帮助中心、公开评测
请按以下维度提取信息：
1. 核心功能完备度（创建/分配/拆分/追踪/提醒）
2. 协作与沟通（评论/文件/通知）
3. 视图与可视化（列表/看板/甘特/日历）
4. 自动化与智能化
5. 定价策略
用事实描述，不主观评价。无法确认的标注"待确认"。
💬 模板三：用户评论情感分析
以下是从【平台列表】收集的关于【产品名称】的用户评价（共 N 条）。
请分析：
1. 情感分布（正面/负面/中性比例）
2. 高频关键词（正面和负面分别列出）
3. 最满意的 Top 3 功能
4. 最不满意的 Top 3 问题
5. 与其他产品的对比评价中的优势和劣势
用户评价原文：
[粘贴评论]
📋 模板四：访谈提纲设计
我需要对【产品类型】的【目标功能】做一轮用户访谈。
目标用户：【角色列表】（各 N 人）
访谈目标：【1-3 个目标】
时长：【X】分钟
请设计一份半结构化访谈提纲：
1. 开场破冰 → 核心问题 → 深入追问 → 结束
2. 核心问题按"当前行为 → 痛点挖掘 → 方案验证"递进
3. 每个问题标注预计用时
4. 每个核心问题提供 2-3 个追问方向
🧠 模板五：访谈洞察提取
以下是 N 场用户访谈的笔记汇总。
受访者：【角色和人数】
访谈笔记：
[粘贴笔记]
请分析：
1. 高频痛点（反复提到的问题）
2. 角色差异（不同角色的诉求差异）
3. 需求验证（以下功能哪些被明确需要？【功能列表】）
4. 意外发现（值得关注的非预期信息）
5. 用户金句（5-8 句能支撑决策的原话）
写在最后
回到核心观点：
竞品分析和用户调研的瓶颈不是"分析能力"，而是"信息处理效率"。
AI 解决了效率问题，但分析能力和洞察力依然是产品经理的核心竞争力。
AI 可以帮你在半天内完成原来两周的工作量，但它无法替代你做出以下判断：
- 哪些竞品功能值得参考，哪些是"看上去很美"？
- 用户说的需求是"真需求"还是"伪需求"？
- 在资源有限的情况下，先做什么后做什么？
这些判断力来自你的业务理解、行业经验和产品直觉——这些是 AI 给不了你的。
所以我的建议是：把 AI 当成你的"调研助理"，它负责搬砖，你负责盖楼。 省下来的时间，用来做更深度的思考和更有价值的产品决策。
下一篇预告：用 AI 辅助做产品方案评审——如何让评审会不再是"吵架会"。敬请期待。
本文基于真实项目经验整理，案例中的产品名称和数据已做脱敏处理。
