用DeepSeek做竞品分析：对标框架、数据注入与策略约束全流程

写竞品分析报告写到想吐，大概是每个做产品、做市场、做战略的人都有过的经历。查资料一小时，整理数据半小时，PPT排版一小时，结果写到策略部分脑子已经转不动了。后来我开始用DeepSeek来分担这套流程，从一开始的"让AI编一个竞品报告"到后来真正跑通"对标—数据—策略"的完整链路，中间踩了不少坑，也总结出一套能直接用、能复现的写法。这篇文章就围绕这个主题展开，分享我实际怎么用DeepSeek做竞品分析：怎么搭对标框架、怎么喂数据、怎么把策略从"空话"逼成"可执行的具体动作"。看完你拿走就能用。

1. 先搞清楚：为什么让DeepSeek直接写竞品分析，往往写出一堆正确的废话

先说结论，DeepSeek这个工具本身的分析能力不差，但绝大多数人用它写竞品分析报告的方式是错的。我见过太多人把标题丢给AI，比如"写一份瑞幸和库迪的竞品分析报告"，然后等它输出一个看着很完整、读起来却毫无信息量的东西。开头永远是"市场潜力巨大"，分析永远停留在"产品各有优势，建议加强品牌建设"，这种报告老板看到会想扔回你脸上的。

1.1 传统写法的三大硬伤

第一是缺边界。你不告诉AI"这份报告到底服务哪个决策"，它就只能凭概率生成一个"通用竞品分析模板"。比如你本意是想搞清楚"瑞幸的新品策略为什么总压着库迪打"，AI却把门店数、用户画像、融资历程全给你铺一遍，结果你要的答案被淹没在一堆背景资料里。

第二是缺数据。DeepSeek是个语言模型，它的训练数据有截止时间，也不会实时抓取市场上的最新数据。如果你指望它凭记忆告诉你"竞对上个月的销售额"，它要么给你一个过期的数字，要么一本正经地给你编一个——这叫"幻觉"，是AI写报告最危险的地方。

第三是缺约束。策略部分最明显。没有约束条件的时候，AI会给出"加大研发投入""优化用户体验""拓展下沉市场"这类正确但没有任何执行意义的建议。它既不知道你们团队只有五个人，也不知道预算只有二十万，更不知道产品下个月就要上线。

1.2 我的解决思路：把DeepSeek当"分析合伙人"，而不是"报告生成器"

经历过几次实验失败之后，我把DeepSeek的定位从"一个一键生成报告的机器"切换成"一个什么都懂但什么都不太熟的分析师"。这个转变很关键。

什么意思？打个比方，如果你雇了一个名校毕业的分析师来做竞品研究，你不会丢一句"帮我分析下竞品"就回工位。你会给他开需求会，告诉他这次研究的背景、目标、你要拍板什么决策；你会把自己手头收集的资料、数据表格、访谈记录整理好喂给他；你会要求他先出框架再出结论，每一版都要标注数据来源和推理逻辑。

DeepSeek也一样。你给它多少上下文，它就回报你多少质量。你把分析目标、业务背景、已知数据、约束条件写清楚，它给你的报告就跟开卷考试一样有针对性；你什么都不给，它就只能在高中作文的层次上打转。

1.3 核心工作流：对标框架 → 数据注入 → 策略约束

跑通之后，我整个流程一共分为三步，也对应这篇博文的三个核心关键词：对标、数据、策略。

• 对标：不是把竞品放在一起列个表叫对标，而是先让DeepSeek帮你确定"该对什么标、从哪些维度对标、每个维度怎么衡量"。
• 数据：把你能拿到的真实数据（官方公开数据、财报、第三方平台监测、自己后台的数据）结构化喂给DeepSeek，让它基于这些事实来分析，而不是基于幻觉。
• 策略：给DeepSeek写上团队资源、阶段目标、时间窗口、可调动资源等约束条件，让它输出的是"能排期、能落地"的动作，而不是正确的废话。

下面我把每一步单独拆开讲，每一步都有可以直接抄走的Prompt写法。

2. 对标框架怎么搭：让DeepSeek先学会"看赛道"再"看对手"

对标框架是整个竞品分析报告的骨架，骨架搭歪了，后面填什么都别扭。我发现用DeepSeek搭框架有一条特别好用的路径，就是先让它"站在高处看赛道"，再"蹲下来看对手"。这两个视角缺一不可。

2.1 确定分析边界：明确回答"这次到底要研究什么"

很多人在第一步就翻车，因为自己都没想清楚到底要分析什么，就把问题抛给AI。我在实操中会把分析边界拆成三句话写进Prompt：

• 这份报告的服务对象是谁？是创始人拍板融资策略，是产品负责人定版本优先级，还是市场负责人做投放规划？
• 决策的关键问题是什么？比如"我们是否要跟进竞品的会员体系""我们的定价策略还有多少上探空间"
• 时间范围是什么？是看过去一个季度的动态，还是看过去一年的趋势，还是重点看最近一个月推出的新功能？

这三句话进入Prompt之后，DeepSeek输出的框架会明显被"拉回"到正题上。我举个例子，有一次我要研究的是"某社交App新增的语音房功能是否值得我们跟进"，如果我只写"帮我分析竞品的新功能"，它大概率会列出功能清单、渗透率、用户评价等一堆内容；但我把决策问题写清楚之后，它自动就给出了"要不要跟进"的三层判断框架：第一层是用户需求强度判断，第二层是商业模式关联度判断，第三层是资源投入测算。这个思路比我自己想的还要清晰。

提示：每次写Prompt前，先花两分钟用一句话写下"这次分析做完之后，我要依据它做什么决策"。这句话写不出来，说明你还不该动笔写报告，更不该打开DeepSeek。

2.2 竞品筛选：用业务拼图法圈定直接、间接、潜在三类对手

确定完边界之后，下一步是选竞品。大部分人选竞品就选两个：看起来最像自己的、好像很火的那个。但真正的竞品分析至少要覆盖三类对象，我管它叫"业务拼图法"：

• 直接竞品：产品形态、目标用户、核心场景高度重叠的对手。
• 间接竞品：满足的是同一类用户需求，但路径不同。比如我做的是本地生活App，外卖平台算间接竞品，因为它也在抢"用户吃饭"这个需求；本地公众号也算间接竞品，因为它也抢"用户获取本地信息"的注意力。
• 潜在竞品：现在还没正面冲突，但产业链位置决定了它随时可能进场的玩家，比如掌握了流量入口或供应链上游的大平台，以及技术突变可能带来的替代品。

我会让DeepSeek基于我的业务描述，帮我把这三类竞品列出来，并且用一句话解释"为什么它是这一类的"。这个环节用AI很划算，因为DeepSeek的行业知识面比较广，能想到一些你日常没关注到的边缘玩家。比如我有一次做在线教育工具的分析，DeepSeek主动提到了文档协作工具和短视频知识区这两个间接竞品，这确实是我当时没考虑进去的视角，后来发现它们的用户时长分流反而是真正的威胁。

2.3 维度设计：用MECE原则搭建对标维度表

如果说竞品筛选是选"对象"，那维度设计就是定"刻度"。这里的核心原则是MECE——相互独立、完全穷尽，也就是说每个维度之间不能有重叠，所有维度合起来要能覆盖你想研究的全部问题。

我常用的对标维度锚定在这五个方向上：

• 产品维度：功能矩阵、用户体验、技术壁垒、内容/商品丰富度
• 用户维度：目标人群、用户规模、留存与黏性、口碑与NPS
• 商业维度：定价策略、盈利模式、成本结构、单客经济模型
• 市场维度：渠道布局、品牌声量、营销玩法、市场份额变化
• 组织维度：团队规模、融资情况、战略重心、供应链能力

这些维度不一定每次都全用，要依据第一步的分析边界来做裁切。我会把业务背景和目标丢给DeepSeek，让它从这些维度里挑出最相关的三到五个，并为每个维度设计出具体的衡量指标和"数据来源建议"。这一步输出的成果，已经接近一份可执行的分析框架表了，我们只需要把实际数据填进去。

2.4 让DeepSeek输出对标框架的Prompt示例

直接给一段我在实际工作中反复使用、修改过很多次的Prompt模板，你复制过去替换成自己的业务信息就行：

code复制我现在需要做一份竞品分析报告，目标是帮助我的团队决定【填决策问题，比如：是否跟进竞品的付费会员体系】。

我们的业务背景是：【填你的业务，比如：一款面向自由职业者的记账工具，目前有注册用户30万，主要收入是付费订阅】。

请帮我完成以下三件事：
1. 基于我的业务，列出直接竞品、间接竞品、潜在竞品各2-3家，并一句话说明归类理由；
2. 从产品、用户、商业、市场、组织五个维度中，挑选最相关的4个维度，为每个维度设计3-5个衡量指标，并注明数据从哪里获取；
3. 输出成Markdown表格，第一列是对标维度，第二列是衡量指标，第三列是数据来源建议。

请确保维度之间不重叠，指标尽量可量化。

这个Prompt跑出来的结果，基本就是一份可以直接开工的分析蓝图。你会发现在"数据怎么获取"这一列上，DeepSeek给的很多来源建议是值得参考的，比如第三方监测平台、财报电话会议记录、招聘网站上的岗位变化——招聘网站上竞品突然开始批量招某个方向的岗位，往往意味着它要重点投入某个业务线，这个信号很多常规分析里根本不会看。

3. 数据从哪来、怎么喂：DeepSeek不读实时数据，但能帮你把数据用到位

框架搭完之后，接下来进入最枯燥也最影响报告质量的一个环节：数据。停在这里说句大实话，数据这块没有任何AI能替你完全搞定。DeepSeek不能替你去爬数据，不能保证它的离线知识是今天最新的，更不应该成为你报告中数据的唯一来源。但这不意味着AI在数据环节没有用——它的价值在"数据处理"和"数据洞察"上，前提是你得先学会正确地喂它数据。

3.1 先认清数据边界：哪些必须人工收集，哪些可以让AI推理

我自己的处理原则是把数据分成三类：

第一类是事实型数据，比如竞品的定价、版本更新日期、融资金额、公开财报数据。这些必须人工去来源确认，哪怕DeepSeek说得很肯定，也要打开官方页面亲眼核对一遍。事实型数据是报告的基石，出错会直接摧毁你整份报告的可信度。

第二类是计算型数据，比如渗透率、增长率、毛利率、环比变化，这类数据只要给了原始值，AI的计算能力是可靠的。我之前试过把竞品过去半年每个月的下载量估算值贴给DeepSeek，让它算月度复合增长率，它用表格输出得非常清楚，比我自己拿Excel拉公式还省事，而且换算逻辑也没出过差错。

第三类是推理型数据，比如"竞品最近动作背后的战略意图""用户为什么转移到新平台""某功能的真实使用频率"。这类不能直接从公开数据读到，但可以从蛛丝马迹里推断。DeepSeek对这类工作的帮助是巨大的，因为它能在你喂入的资料里找到很多你忽略的关联，并给出多角度的解释路径。

3.2 结构化数据注入的核心格式：设计"数据速查表"

平时大家喂AI数据容易犯的一个错误，是把一堆资料直接复制粘贴到对话框里，UI、用户协议、财报PDF的纯文字版混成一坨。DeepSeek虽然能处理长文本，但它并不擅长从一团乱麻里精准找到每一个关键数字，更糟的是，杂乱输入往往会导致它对不同来源的数据权重判断失真。

我的做法是把数据整理成一张"速查表"，怎么喂？直接用Markdown表格。每一行代表一个竞品在某一个维度上的一个数值或关键事件，列名也保持一致。下面是一个我常用的速查表格式：

结构化的好处非常直接：DeepSeek的注意力机制对表格数据的敏感度远高于自然语言段落里的散落数字，它更可能准确引用你给的数据，而不会中途中途"自由发挥"。同时表格也有利于你事后拿报告跟原始数据一一核对，哪里不一致一眼就能看出来。

3.3 数据清洗与交叉验证：让DeepSeek做"数字侦探"

数据喂进去之后，别急着让它"做分析"，先让它"挑毛病"。我会加这么一段指令：

code复制我上面表格里的数据来自不同渠道，可能有统计口径不一致的地方。请你：
1. 找出数据之间互相矛盾或者可疑的地方，逐个列出来；
2. 对于口径可能不一致的数据，建议统一的处理方式；
3. 如果某些数据明显偏小或偏大，指出可能需要复核。

这个方法帮我抓出过好几次低级错误。有一次我把A公司某季度营收写成了"1.24亿"，实际上财报上是"12.4亿"，DeepSeek在交叉验证环节直接指出这个数值和它的历史营收曲线差异过大，提示我复核。这种用法比单纯让它分析结论要安全得多。

另外，DeepSeek还有一个特别好用的功能——帮你想"数据缺口清单"。你可以问它：

code复制基于我的对标框架，目前数据表里还缺哪几个维度的数据？这些数据如果缺失，对结论会造成多大影响？哪些是必须补齐的，哪些可以暂时容忍？

它会给你输出一个带优先级的数据补全清单，你按这个清单去干活，效率比闭着眼睛瞎搜集高得多，也不用担心碰到"什么都想要结果什么都没抓到"的局面。

3.4 数据缺口的处理：用"带条件推理"而非"瞎编"

总有一些数据是你拿不到的，比如竞品的日活、竞品某条产品线的真实毛利。这种时候，AI的推理能力反而是最大的风险来源——它特别擅长把一个你没给的数据编得像模像样地填进去。

我的策略是给DeepSeek立一条铁规矩，直接写在Prompt里：

code复制如果某一项数据在你的知识库中无法确认，或者我上面的数据表里没有提供，请明确标注"【数据待补】"，并且用"基于XX假设"开头给出估算，绝对不要直接给一个确定的数字。

这条铁规矩非常重要。它把"幻觉数据"变成了"有假设条件的数据"，整个报告的可信度就完全不一样。你在后续使用估算数据的时候，在报告里同时标注假设条件，读者就能自己判断这个估算是否适用。

另外还有一个细节我用了很多次觉得很好用：如果某个数据实在拿不到，你可以让DeepSeek帮你设计一个"最小化调研方案"——比如用问卷、爬虫、门店蹲点数人流、在某平台的评论区做用户访谈提纲。AI可以把这个方案写成可执行的步骤，你拿去照做就行，比起面对一个数据缺口干瞪眼要靠谱得多。

4. 策略部分怎么逼出"真话"：约束条件、优先级与行动清单

拼完了对标框架、填好了数据，接下来就是竞品分析报告里最有含金量也最容易翻车的环节：策略建议。前面提到的"正确的废话"高发区就在这里。很多人的策略部分写出来全是这种话："建议进一步强化产品差异化，打造核心竞争壁垒，提升用户黏性。"这话放到任何行业、任何公司、任何时间段都成立，等于什么都没说。

4.1 为什么DeepSeek给出的策略总是很空，根因在于你没给它"现实约束"

用一个比喻来解释：DeepSeek就像个商学院刚毕业的优等生，它脑子里装满了经典战略理论，知道"波特五力""蓝海战略""增长飞轮"，但问题是它不知道你这学期有多少学分、能翘多少课、老师严不严。于是它给出的建议是一个没有任何约束条件下的最优解——理论上正确，实际上缥缈。

要让策略变得具体，必须在Prompt里把所有"现实约束"全抖给它。我通常会在最后写策略请求之前，单独加一节"约束条件"，包含这些内容：

• 团队规模与结构：我们团队8个人，2个开发，1个运营，其余是产品与设计
• 预算范围：本季度可调配的市场预算不超过15万元
• 时间窗口：需要在两个月内看到可衡量的效果
• 现有优势：我们有稳定的老用户群和口碑，社区活跃度高
• 最大短板：缺乏内容制作能力，未做过大规模广告投放，品牌认知度低

这些条件一进去，DeepSeek会立刻切换回复逻辑。它不会再说"加大品牌投入"，而是会告诉你"以你们现有的15万预算和团队结构，建议不要做覆盖式品牌广告，优先在三个老用户集中的城市做定点社群裂变，配合邀请返利，两个月内有望带来XXX新增"。这才是能拿去做执行计划的策略。

4.2 写约束条件时，我用一套固定模板来收集信息

为了让约束条件这部分内容稳定可靠，我会用一个固定的信息收集模板，每次分析前不慌不忙地填完再发给AI：

code复制我们的资源约束如下：
- 团队：目前全职XX人，核心能力集中在XX方面；
- 预算：本轮可调配XX元，其中固定支出占XX；
- 时间：本季度还有XX天，下个关键节点是XX；
- 已有资源：包括XX、XX、XX（如用户基数、合作伙伴、渠道账号等）；
- 明确不做什么：我们暂不考虑XX（比如打价格战、下沉城市扩张等）；
- 核心目标：本阶段只考核指标是XX（比如新增用户数、付费转化率、留存率中选一个）。

这里特别想强调最后两条："明确不做什么"和"核心目标只选一个"，这两条会把策略精准性拉高一个量级。因为没有约束的自由是幻觉，有了"不做什么"的边界，AI给你的方案才会真正贴合你的资源禀赋。而核心目标只保留一个指标，是为了防止策略走向"既要又要还要"的平庸路线，让AI围绕一个北极星指标去设计动作和优先级，这样产出的才是真正的策略，而不是一张"想做的事情清单"。

4.3 用四象限法把策略排序成可执行清单

有了带约束的策略建议之后，通常会面临一个新的问题：AI给了8条甚至10条策略，每条看起来都有一二三步，但我们的资源和时间根本不够全做，必须排优先级。

我对策略排序用的方法是四象限法：横轴是"投入成本"，纵轴是"影响程度"。让DeepSeek把每一条策略按照这两个维度放入四象限，并输出成表格。

我请求的格式是这样的：

code复制请把上面给出的所有策略动作，按照"投入成本（人力/资金/时间）"和"对核心目标的影响程度"两个维度，放入以下四个区块：
- 高影响低成本（优先做）
- 高影响高成本（规划做）
- 低影响低成本（可顺手做）
- 低影响高成本（暂不做）

并标明每个策略的预计投入产出比，用1-5分打分，附一行理由。

这个环节跑完之后，一个清晰的执行清单就出来了。你拿到的就不再是一堆"应该做的事"，而是"先做A和B，因为它们最快见效且成本低；C需要拉投资之后再做；D直接放弃，不挣扎"。这才是策略最终的意义：帮助你在有限资源下做出取舍抉择，而不是把所有可能性都安排上。

注意：四象限法排序这件事DeepSeek做得很好，但最后拍板一定要靠你自己。AI给出"优先做"的高影响低成本项，真正落地时还要看你团队的隐性情况，比如某位核心成员愿不愿意扛那个项目、某个合作方靠不靠谱、某项技术积累是否够用。AI负责把优先级摊开让你看清楚，你负责结合人情世故做最终决断。

4.4 检查策略质量的三条标准，用来验收AI的产出

为了防止AI在策略环节又滑回"正确的废话"模式，我给自己定了一套简单的验收清单，每次写完策略都拿它过一遍：

• 动作是否可执行？每条策略里必须包含"谁来做、做什么事、大概做多久"这些基础要素。没有这三个要素的策略，可以直接打回去重写。
• 目标是否可衡量？策略至少绑定一个数值指标，比如"将老用户30日复购率从22%提升到28%"，而不是"提升用户忠诚度"。
• 是否体现取舍？好的策略清单一定包含了明确的"不做"清单。如果策略里所有事情都是"要做要做"，没有主动放弃什么，那说明策略没有边界感，必须重新施加约束再来一轮。

这三条标准我不仅用来检查DeepSeek的输出，也用来检查我自己写的分析。很多时候人的判断也逃不过"又空又全"的毛病，只是AI把这个毛病放大了，看起来更明显而已。

5. 一次完整的实战演示：从原始资料到成品报告的关键链路

纸上谈兵说得再多，不如完整走一遍流程。我拿一个模拟场景来展示整个从原始资料到成品报告的链路，这样你对照着操作就能理解前面讲的内容是怎么串起来的。这个场景信息是虚构的，但所有流程都是我实测过的方法论反映。

5.1 场景设定与资料输入

假设我们现在是一家做在线心理倾诉平台的运营负责人。产品方向是匿名心理咨询类服务，用户以18到30岁为主，平台目前的付费模式是单次咨询付费。要做的决策是：竞品近期推出了"心理陪伴会员制"，我们要不要跟进？

我简单准备了如下数据表：

5.2 完整Prompt串（分三段走）

第一段，让DeepSeek先出对标框架和分析计划：

code复制我正在做一份竞品分析报告，目标是决定我们是否要跟进竞品推出的心理陪伴会员制。我们是面向18-30岁用户的匿名心理倾诉平台，目前以单次付费咨询为主。请直接竞品、间接竞品、潜在竞品各给出2-3个，并从用户需求、付费意愿、产品形态、服务体验这四个维度设计对标框架。请输出成Markdown表格，并列出每个维度下的核心指标。

第二段，把数据表喂进去，让它做差异分析和机会点识别：

code复制以下是我们和竞品的已知数据，请基于这些数据进行差异分析：
（表格粘贴进来）

我的问题：
1. 从这些数据中，最值得关注的核心差异是什么？
2. 竞品的会员制在用户价值层面击中了什么需求？有没有可能只是表面繁荣？
3. 基于我们的模式（预约制、资深咨询师、单次付费），我们能给出的差异化回应是什么？
4. 请列出你从数据之外还想补充调研哪些信息，并说明为什么。

第三段，加上约束条件，让它出策略清单：

code复制在产出策略之前，请先看我们的约束：
- 团队：共9人，开发2人，运营2人，其余为咨询师管理、产品和设计；
- 预算：本阶段市场预算只有10万元；
- 时间：两个月内要看到新用户增长数据；
- 我们的优势：资深签约咨询师有150+位，用户信任度高；
- 我们的短板：技术团队小，不适合作大量AI功能开发；没有成熟的会员运营经验；
- 核心目标：提升付费转化率，这是唯一考核指标。

请基于以上所有信息，输出一份策略建议，包含：
1. 是否跟进会员制的建议及理由；
2. 如果不完全跟进，替代方案是什么；
3. 按"高影响低成本、高影响高成本、低影响低成本、低影响高成本"四个区间排列动作清单；
4. 给出两个月内可执行的前三件事，每件事写明目标、动作、责任人角色和预期数据结果。

这三段Prompt串下来，DeepSeek给出的内容质量已经远远超过直接写一份报告的水平。因为每一段都在为下一段做信息铺垫，模型始终掌握着你前面给的完整上下文，输出也会越来越精确。

5.3 生成后的人工校验清单与润色

AI给完了不代表报告可以直接交。每次我都会花30分钟左右做一轮人工校验和润色，主要看这几点：

• 看数据引用是否正确：把报告里出现的每一个具体数字跟原始数据表核对一遍，尤其是自己手动码的表格数据，AI偶尔会在复述时写错单位、写错顺序，或者不小心把A公司和B公司的数字对调。
• 看逻辑推演是否跳跃：AI喜欢在推理链条里省步骤，比如直接从"竞品推出会员制"跳到"我们也要有会员制"。在润色时要把缺少的中间环节补上，明确标注"由于什么用户需求、在什么条件下，我们才应该跟进"。
• 看表达是否去掉AI感：删掉那些"总体来看""综上所述""赋能""抓手"之类的词，换成口语化表达也没有关系，报告最终是给人看的，不是用来评奖的。
• 看策略是否需要附上理由：每条策略下面最好都留一行"为什么"，不然执行的人会一脸茫然。AI一般会给你理由，但常常过于简短，需要你用自己的话补充一句结合业务实际的说明。

5.4 关于效率的实测感受

这套流程跑下来，原本需要一整天甚至两天的竞品分析报告，现在通常半天就能出高质量初稿。我在实测中更深的感受是：DeepSeek不只是在帮你节省时间，它真正改变的是你思考问题时的切入角度。它的对标框架经常能补充我盲区里的内容，它的数据交叉验证能让我发现低级错误，它的策略雏形能在我思维定势之外提供新的选项。DeepSeek是个好的讨论对手，但前提是你得把讨论的规则、素材、边界都准备清楚再开局。

最后说一个我踩过几次坑后的体会：AI写竞品分析这块，真正拉开差距的从来不是谁更会用工具，而是谁更清楚自己为什么要分析。你的业务问题越具体，给AI的信息越扎实，它的输出就越值钱。反过来，如果你自己都没想明白这次分析是给谁看、要拍什么板，那再强的AI也只能给你写一篇辞藻工整的"正确的废话"。

希望这篇拆解能帮你把竞品分析报告的流程跑顺。如果你在实际操作中试出更好用的Prompt或者遇到奇怪的结果，欢迎在评论里交流，我还在持续调整这套玩法。