用 AI 做競品研究，我踩過的三個誤判

競品研究是我最早拿 AI 來做的事情之一，因為他看起來最適合：大量資訊、需要整理、結論要對照。

用了一陣子之後我發現，他省下的時間是真的，但他給的答案要重新檢查一遍，而且要檢查的地方跟我一開始以為的不一樣。

誤判一：他把品牌自己講的話當成事實

這個最常發生，而且最難發現。

你問「這三家的市場定位是什麼」，AI 給你一段很完整的整理。讀起來很順，每一家的定位都很清楚。

但那段整理的來源，多半是那三家自己的官網、自己的新聞稿、自己發的品牌故事。品牌說自己是高端定位，跟他實際上在市場的位置，是兩件事。

我踩過一次是這樣的：一份整理裡寫某個品牌「主打專業客群」。我照著這個做了一整套對比策略。後來實際去看他們的社群跟評論，發現他們的實際買家跟那句話沒什麼關係，那句話是他們品牌手冊上的話，不是市場上發生的事。

現在我會多問一個問題：這句話是他們自己說的，還是別人說他們的。 這兩種要分開放。

誤判二：抓到的是舊的價格跟舊的方案

這個比較好發現，但發現之前很傷。

AI 給你的價格資訊，來源可能是三種：模型訓練時記住的（通常過時）、搜尋抓到的網頁快取（可能過時）、或是即時抓的頁面（比較新但不一定是主要方案頁）。

價格跟方案是變動最快的東西。我遇過的情況是 AI 給的方案架構是對的，但價格是去年的，而且他講得非常肯定。

我拿那個數字去跟客戶討論定價，客戶說「他們上個月調過了」。那個瞬間很不好受，因為你在對方面前展現的是你沒有做功課。

現在的規矩是：價格這一類的數字，我一定自己去點開那個頁面確認過才寫進文件。 AI 幫我找到頁面在哪，不幫我決定數字是多少。

誤判三：把討論度當成銷量

這個是最隱蔽的，因為他不是錯誤，是一個框架上的錯位。

AI 做競品分析很容易往「聲量」那邊倒，因為聲量的資料在網路上最多。哪個品牌最近被討論最多、哪個活動被轉發最多、哪支影片播放最高。

但被討論多不等於賣得好。這兩件事有相關，但差距可以很大。

我看過一個品牌社群聲量很高、留言很熱鬧，實際上營收沒有成長，因為他吸引來的是看熱鬧的人不是會買的人。如果你只看 AI 給你的聲量整理，你會得到一個完全相反的判斷，然後去模仿一個沒有效果的做法。

現在我看競品會刻意問一些聲量以外的問題：他的產品線有沒有變多、他有沒有在徵人（徵什麼職位很說明問題）、他的通路有沒有增加、他的評論數在多久內長了多少。

這些數字不性感，但他們跟生意的距離比較近。

我現在的做法

三件事，不複雜但要堅持。

第一，每一條結論都要有來源網址。 不接受「根據市場資料」這種說法。沒有網址的那條，我就當成假設而不是事實。

第二，隨機抽三條自己點開。 不是全部查，那就失去用 AI 的意義了。抽三條，如果三條都對，我對整份的信心會提高；如果有一條是錯的，那整份我會重新來過，因為錯誤通常不會只有一個。

第三，把「他們說的」跟「別人說他們的」分成兩欄。 這個小動作的效果超乎我預期。分開之後你會很清楚看到，有些品牌的兩欄落差非常大，而那個落差本身就是最有價值的發現。

AI 在競品研究上最有價值的部分

講了這麼多要注意的，我還是每次都用他。

因為他最有價值的地方不是給答案，是把我沒想到的角度列出來。

我問「這三家的差異」，他會列出十個面向，其中七個是我本來就會看的，另外三個是我沒想過的。那三個就是這次研究的價值所在。至於每個面向的具體內容，那是我自己要去查證的部分。

換句話說，我把他當成一個很博學但不太可靠的實習生：他很會列清單，但每一條都要自己驗。這個定位我寫在 把 AI 當實習生。

AI 看錯資料這件事我還寫過一篇 AI 看廣告報表會看錯的地方，那篇講的是同一個毛病的另一個版本。

研究的工具我整理在 AI101。

常見問題