市场与竞争分析 - 产品经理的 Claude Code

5.1 为什么 Claude Code 在调研方面优于 Claude.ai

你的利益相关者要求在周五前完成一份竞争分析。你有三个选择。第一：花两天时间手动整理信息到一个 Google Doc 中，下个季度就会过时。第二：使用 Claude.ai 进行快速对话，产出不错的输出，但关闭标签页后就会消失。第三：使用 Claude Code 生成结构化的、可版本化的产出物，这些产出物保存在你的仓库中并且可以系统化地更新。

对于一次性问题（"竞争对手 X 的定价模式是什么？"），Claude.ai 足够用了。对于需要持久保留、在 PRD 中被引用、每季度更新并在团队间共享的调研，Claude Code 才是正确的工具。区别不在于能力，而在于持久性和可重复性。

为什么使用 Claude Code 而不是 Claude.ai 进行调研？

持久性。调研产出成为仓库中的文件。它们不受会话关闭的影响，可以通过文件路径在文档中引用，并与团队现有的工作流集成。你今天生成的竞争矩阵，下个月当你的 VP 要求再次查看时，它会以 research/competitive-analysis-2026-01.md 的形式存在。

文件输出。Claude Code 会写出结构化的文档：markdown 表格、对比矩阵、格式一致的要点列表。Claude.ai 给你的是需要复制粘贴和重新格式化的文本。Claude Code 生成的是可以直接提交的产出物。

可重复性。你只需要构建一次调研方法论（提示词、输出格式、分析框架），然后就可以持续执行。季度竞争评审使用相同的流程，使结果具有跨期可比性。你不需要每个周期都重新发明调研结构。

可版本化。Git 中的调研产出物会跟踪变更。你可以看到 Q1 和 Q2 竞争分析之间的变化。你可以通过 diff 定价对比来发现趋势。这在向利益相关者汇报时非常重要，因为他们会问"这个格局发生了怎样的变化？"。

基于网页的 Claude 足够用的场景：探索性调研，你还在确定要问什么问题。快速事实核查。头脑风暴调研方向。任何对话本身比产出物生成更有价值的情况。Claude.ai 擅长迭代式对话。用它来思考，用 Claude Code 来记录。

调研工具选择：Claude.ai 用于探索性对话 vs. Claude Code 用于结构化的、可版本化的产出物

生成竞争分析的会话花费 $0.30-0.75，耗时 15-25 分钟。对比两天的体力劳动或过时的调研信息导致糟糕产品决策的成本。只要你每季度做一次以上的市场调研，投资回报立竿见影。

5.2 构建可更新的竞争情报

你需要知道你的竞争对手是谁、他们提供什么、你的差异化在哪里。手动调研意味着浏览竞争对手网站、做笔记、试图把所有信息维护在一个不一致且不完整的电子表格中。Claude Code 系统化了这个过程。

建立竞争分析工作区。创建一个调研目录结构：

mkdir -p research/competitorscd research/competitors

这将调研与代码分开存放，便于查找，也可以按日期或主题来组织。你可以这样结构化：

research/├── competitors/│ ├── competitive-matrix-2026-01.md│ ├── competitor-a-profile.md│ ├── competitor-b-profile.md│ └── competitor-c-profile.md├── pricing/└── market-sizing/

在你的仓库根目录中启动 Claude Code，赋予文件写入权限：

claude

提示词模板：结构化竞争对手画像。做出有用的竞争分析的关键在于一致性。每个竞争对手画像都应该回答相同的问题，使用相同的格式。先定义你的结构，然后重复执行。

提示词：竞争对手画像

通过网页搜索研究[竞争对手名称]，并在 research/competitors/[competitor-name]-profile.md 中创建结构化的画像。

包含以下章节：

概述：一段话描述他们是做什么的、服务谁、公司阶段
产品/服务：核心产品和关键功能（要点列表）
定价模式：如何收费、有哪些定价层级、大致的价格范围
目标市场：卖给谁（公司规模、行业、用户角色）
关键差异化：他们在定位中强调什么（3-5 个要点）
优势：相对于我们，他们在哪些方面更强
劣势：他们在哪些方面薄弱或有缺口（3-5 个要点）
近期动态：产品发布、融资、合作（最近 6 个月）
最后更新：[今天的日期]

使用网页搜索收集当前信息。每个章节保持简洁（这是参考文档，不是深度报告）。

Claude Code 搜索网络信息，综合发现，并写出结构化的 markdown 文件。输出预计 5-10 分钟生成，根据网页搜索量花费 $0.15-0.35。

你得到的结果：

一份一致的、结构化的画像，可供参考。每个竞争对手都有相同的章节，使对比变得直接明了。当你的 CEO 问"竞争对手 X 有什么不同的做法？"时，你可以打开他们的画像，查阅差异化章节。

输出格式：对比矩阵和功能表格。单独的画像是很有用的，但利益相关者想要的是对比。一旦你有了 3-5 个竞争对手画像，就可以生成矩阵：

提示词：竞争矩阵

基于 research/competitors/ 中的竞争对手画像，在 research/competitors/competitive-matrix-2026-01.md 中创建一个对比矩阵。

创建一个 markdown 表格，对比：

核心功能（行：认证、权限、集成、移动端支持、API 访问、报表等）
竞争对手（列：我们、竞争对手 A、竞争对手 B、竞争对手 C、竞争对手 D）
数值：✓（完全支持）、~（部分/有限）、x（不支持）、?（未知）

包含一个定价对比表：

行：免费版、入门版、专业版、企业版
列：同样的竞争对手
数值：价格/月或"联系销售"或"不适用"

在每个表格后面添加简要分析（2-3 句话），突出关键模式。

Claude Code 读取你已有的竞争对手画像，提取相关信息，并格式化为可快速浏览的表格。矩阵会揭示差距：竞争对手有而你没有的功能、你不具备竞争力的定价层级、你应该强调的优势。

示例输出：

Feature Comparison| Feature | Us | Competitor A | Competitor B | Competitor C ||---------|----|--------------|--------------| -------------|| SSO/SAML | ✓ | ✓ | ~ | x || Role-based access | ✓ | ✓ | ✓ | ~ || API access | ✓ | ✓ (limited) | ✓ | x || Mobile apps | ~ | ✓ | ✓ | x || Custom integrations | ✓ | ~ | x | x || Advanced reporting | ✓ | ✓ | ~ | ~ |Analysis: We're competitive on enterprise features (SSO, RBAC, API) but lag on mobile. Competitors A and B have stronger mobile offerings. Competitor C is weak across the board, likely targeting SMB with simpler needs.

将结果保存为可版本化的产出物。将这些文件提交到 git：

git add research/competitors/git commit -m "Add Q1 2026 competitive analysis"

现在你的调研是版本化的。三个月后，更新画像，生成标注 Q2 日期的新矩阵。通过 diff 文件来查看变化：

git diff competitive-matrix-2026-01.md competitive-matrix-2026-04.md

你会看到竞争对手 A 新增了移动端功能，竞争对手 B 提高了价格，还有新的竞争对手进入了市场。这个历史视图展示的是格局的演变，而不仅仅是当前状态。

竞争分析工作流：独立画像汇总到对比矩阵，通过版本控制追踪时间变化

竞争格局映射的时间与成本。初始搭建（5 个竞争对手画像 + 矩阵）：45-60 分钟，80,000-150,000 token，$0.40-0.75。季度更新（刷新画像 + 重新生成矩阵）：20-30 分钟，40,000-70,000 token，$0.20-0.35。对比每周期 8-12 小时的手动调研。

这种方法会失效的情况：公开信息匮乏的利基行业。定价不透明的竞争对手（一切都要"联系销售"）。信息每周都会过时的快速变化的市场。在这些情况下，Claude Code 仍然可以结构化你手头已知的信息，但你需要通过销售电话、分析师报告或客户访谈来补充。

5.3 不用电子表格追踪竞争对手定价

定价情报需要系统化的收集和结构化的对比。你的竞争对手收费 $49/月，但包含哪些功能？有什么限制？与你的 $59/月相比如何？手动调研能捕捉价格，但会遗漏上下文。Claude Code 两者都能捕捉。

系统化收集定价情报。定价页面会变化。促销活动会上线。折扣会出现。你需要一种可重复的快照方法，来追踪随时间的变化。

提示词：定价深度分析

通过网页搜索调研[竞争对手名称]当前的定价模式，并在 research/pricing/[competitor-name]-pricing-2026-01.md 中创建详细的分解说明。

包含：

定价层级：名称、月付价格、年付价格（如果不同）
各层级功能限制：用户数、存储空间、API 调用次数、项目数等
关键功能门槛：哪些功能被锁定在更高的层级？
附加组件：可选额外项目的价格
折扣：年付折扣百分比、批量折扣、非营利/教育优惠
免费版：包含什么、有什么限制
企业版：定价是公开的还是"联系销售"？包含什么？
计费模式：按用户、按功能、按用量、固定费率？

使用网页搜索收集当前信息。如果某些信息没有公开记录，标注为"未披露"。

在顶部添加"最后更新"日期。

Claude Code 搜索定价页面，提取详细信息，并一致地进行结构化。你得到的定价分解远不止"他们收费 $49/月"。你知道那 $49 包含什么、不包含什么，以及与他们其他层级相比如何。

提示词模板：定价模式对比。一旦有了各个竞争对手的定价文档，就可以对它们进行比较：

提示词：定价对比表

基于 research/pricing/ 中的定价文件，在 research/pricing/pricing-comparison-2026-01.md 中创建对比表。

创建一个表，包含：

行：定价层级（免费版、入门版/基础版、专业版/标准版、企业版）
列：我们、竞争对手 A、竞争对手 B、竞争对手 C
数值：每个用户每月的价格（如果不是按用户计费，则填写每月总价格）

在定价表下方，创建功能限制对比：

行：关键限制因素（用户数、存储空间、API 调用次数、项目数）
同样的列
数值：实际限制（例如，"10 users"、"100GB"、"1000/day"）

添加分析：

每个层级中最便宜/最贵的是哪个竞争对手？
我们在哪些层级定价具有竞争力 vs. 偏高 vs. 偏低？
每个价格点的价值主张是什么？

这会揭示定价策略差异。也许竞争对手 A 标价更便宜，但按用户计算更贵。也许竞争对手 B 在相同价格下提供了更慷慨的限制，说明你应该重新审视自己的上限。也许你是唯一有真正免费版的，这是一个你没有足够强调的竞争优势。

通过信息传递审计分析定位。定价不仅仅是数字。它是竞争对手如何定位价值。他们强调什么？他们声称解决什么问题？他们引用了哪些客户类型？

提示词：定位分析

通过网页搜索调研[竞争对手名称]的网站，在 research/competitors/[competitor-name]-positioning.md 中分析其定位。

从他们的首页、产品页面和营销内容中提取并分析：

核心标题：他们的主要价值主张是什么？
关键信息主题：哪些概念反复出现？（例如，"快速"、"安全"、"简单"、"企业级"）
引用的客户类型：他们说他们服务谁？
问题陈述：他们处理哪些客户痛点？
差异化声明：什么让他们"不同"或"更好"？
社会证明：他们展示哪些案例研究、Logo、客户评价？
行动号召：他们希望访问者做什么？（试用、演示、联系销售）

提供 2-3 句话总结他们的定位策略。

你会了解到竞争对手 A 定位为"面向受监管行业的企业级安全"，而竞争对手 B 定位为"最快上手的方案（无需设置）"。这些是不同的价值主张，吸引不同的客户。你的定位需要要么与两者区分开来，要么瞄准一个未被充分服务的细分市场。

通过带日期的产出物追踪随时间的变化。定位会变化。竞争对手在进入新市场、融资后或面对竞争时会重新定位。追踪这些变化可以揭示策略。

将定位分析按日期保存：competitor-a-positioning-2026-01.md, competitor-a-positioning-2026-04.md。当你对比不同版本时，你会看到信息传递的演变。也许竞争对手 A 不再提"小团队"而开始强调"企业规模"，他们正在向上迁移市场。这也为你的定位决策提供参考。

定价分析的时间与成本：对单个竞争对手定价进行深度分析：10-15 分钟，20,000-35,000 token，$0.10-0.18。5 个竞争对手的定价对比表：10 分钟，15,000-25,000 token，$0.08-0.13。每个竞争对手的定位分析：15-20 分钟，25,000-40,000 token，$0.13-0.20。

会失效的情况：定价复杂且定制化的竞争对手，其公开信息无法反映实际交易。不列出数字的不透明企业定价。在这些情况下，用销售情报来补充 Claude Code 调研：潜在客户告诉你的竞争对手报价、赢单/丢单分析、与前竞争对手客户的对话。

5.4 创建经得起推敲的市场估算

利益相关者想要数字。这个市场有多大？有多少潜在客户？我们的可触达机会是什么？市场规模的确定需要假设、数据源和结构化的推理。Claude Code 不会魔法般地给出准确数字，而是将你的方法论结构化，使你的假设公开透明、经得起推敲。

使用 Claude Code 结构化 TAM/SAM/SOM 分析。总可触达市场、可服务可触达市场、可服务可获得市场：这是经典的 VC 框架。你需要估算这些指标，记录你的推理过程，并使其可被审查。

TAM/SAM/SOM 嵌套市场规模：从总可触达市场到可获得的机会

提示词：市场规模框架

帮助我使用 TAM/SAM/SOM 框架评估[产品/品类]的市场规模。创建 research/market-sizing/market-size-2026.md。

对于每个指标，提供：

定义：这个指标对我们的产品意味着什么
计算方法：我们将如何估算它
数据源：数字来自哪里（行业报告、人口普查数据、替代性数据）
假设：我们认为哪些前提为真
估算范围：低/中/高估算
推理：为什么这个计算是合理的

结构：

TAM - 总可触达市场（如果每一个可能使用的人都在使用）
SAM - 可服务可触达市场（我们实际可服务的子集）
SOM - 可服务可获得市场（我们在 1-3 年内可以捕获的）

展示你的推理过程。让假设明确且保守。

Claude Code 帮助你推演逻辑：

Total Addressable Market (TAM)Definition: All companies in North America with 50-5000 employees that need [product category].Calculation approach:- Total companies with 50-5000 employees in North America: ~850,000 (US Census Bureau, 2024)- Percentage needing [product category]: ~30% (industry reports suggest penetration in similar tools)- TAM in companies: 850,000 × 30% = 255,000 companiesRevenue TAM:- Assuming average deal size of $5,000/year- 255,000 companies × $5,000 = $1.275 billionAssumptions:- Company size range captures target market (eliminates too-small and enterprise)- 30% need category based on analogous product adoption rates- $5,000/year is realistic average (mix of SMB and mid-market)Estimated range:- Low: $850M (20% need, $4K average)- Medium: $1.3B (30% need, $5K average)- High: $2.1B (40% need, $6K average)

你没有把假设隐藏在电子表格中。它们是记录在案的、可审查的。当你的 CFO 质疑 30% 的渗透率时，你可以明确地讨论它并更新模型。

提示词模板：带假设的市场规模估算。关键是记录方法论，而不是产生一个"魔法数字"。

提示词：市场规模方法论审查

审查 research/market-sizing/market-size-2026.md 中我的市场规模假设。对于每个假设，评估：

数据源是否可信？
逻辑是否合理？
是否有明显的缺口或值得商榷的跳跃？
什么样的敏感性分析会有帮助？（如果这个假设偏差 50% 会怎样？）

提供建设性反馈以增强分析。

Claude Code 会挑战你的推理。它可能会指出："30% 渗透率的假设没有来源，它只是说'行业报告显示'。能否引用一份具体的报告或提供一个替代性计算？"或者："这个计算假设所有目标公司花同样的金额，但 SMB 与中端市场的定价可能差异很大。考虑对计算进行细分。"

这种反馈帮助你得出经得起推敲的市场规模估算，而不仅仅是听起来不错的数字。

细分框架及其应用。市场不是铁板一块。你可以按公司规模、行业、地域或用例来进行细分。细分告诉你应该聚焦在哪里。

提示词：市场细分

按[公司规模 / 行业 / 地域 / 用例]细分[产品品类]市场。在 research/market-sizing/segmentation-2026.md 中创建细分分析。

对于每个细分市场，估算：

规模：有多少潜在客户？
特征：什么定义了这个细分市场？
需求：他们最关心什么？
支付意愿：价格敏感度（高/中/低）
竞争：还有谁瞄准这个细分市场？
我们的匹配度：我们今天服务这个细分市场的程度如何？（强/中/弱/无）

按吸引力对细分市场进行排名：规模 × 支付意愿 × 我们的匹配度。

你会得到一个带有清晰推理的、按优先级排列的细分市场列表。也许"中型医疗保健"得分很高，因为它规模大、愿意为你拥有的合规功能支付溢价，且被只专注于 SMB 或企业的竞争对手所忽视。这为 go-to-market 策略提供参考。

为利益相关者审查记录方法论。市场规模文档成为参考依据。你的董事会演示文稿会引用它们。你的销售团队用它们来理解目标市场。记录方法论使数字可信。

在你的市场规模文档中加入一个"如何更新此分析"章节：

How to Update This AnalysisTo refresh these estimates:1. Check US Census Bureau data for updated company counts2. Review [specific industry reports] for updated penetration rates3. Validate average deal size against actual sales data4. Re-run calculations with updated inputs5. Update "Last reviewed" dateReview cadence: Annually, or when entering new markets.

这让其他人（或未来的你）可以在不重新发明方法论的情况下更新分析。

时间与成本：初始市场规模分析：30-45 分钟，50,000-80,000 token，$0.25-0.40。细分分析：20-30 分钟，30,000-50,000 token，$0.15-0.25。用新数据更新：15-20 分钟，20,000-35,000 token，$0.10-0.18。

局限性：Claude Code 没有专有的市场数据。它使用公开可用的信息，这意味着估算可能比较粗略。对于高风险决策如融资或并购，用付费的分析师报告、调查或咨询顾问来补充。对于产品策略和内部规划，Claude Code 的结构化方法是足够的。

5.5 从行业趋势中区分信号与噪音

行业趋势塑造产品策略。AI 能力在进化，隐私法规在收紧，客户期望在变化。你需要追踪趋势、区分炒作与信号，并综合出对你的路线图的影响。这是一项受益于 Claude Code 综合与文档能力的调研工作。

从多个来源聚合趋势数据。趋势不是单篇文章，而是来源中的模式。你阅读分析师报告、技术博客、客户对话、会议演讲。将这些综合成连贯的趋势简报非常耗时。Claude Code 使其系统化。

创建一个趋势工作区：

mkdir -p research/trends

将来源（粘贴文章文本、复制报告段落、总结对话）收集到独立文件中：

research/trends/├── ai-tooling-gartner-2026.txt├── privacy-regulations-summary.txt├── customer-feedback-themes.txt└── saas-trends-2026.txt

然后让 Claude Code 进行综合：

提示词：趋势综合

审查 research/trends/ 中的来源文件，将关键主题综合到 research/trends/trend-brief-2026-01.md 中。

对于每个识别出的主要趋势：

趋势名称：简洁标签
描述：正在发生什么变化（2-3 句话）
证据：哪些来源支持这个？（引用具体文件）
时间：这是正在发生、即将发生还是远期发生？（1 年 / 2-3 年 / 3 年以上）
与我们的相关性：这对我们的产品影响如何？（高 / 中 / 低）
启示：我们应该考虑做什么？（2-3 条要点）

按相关性排序。限制为前 5-7 个趋势以避免简报过于冗长。

Claude Code 读取你的来源文件，识别反复出现的主题，并生成结构化的趋势简报。你得到的是综合，而不仅仅是汇总。

提示词模板：行业趋势综合。关键是将趋势与行动连接起来。

示例输出：

Trend: AI-Powered Productivity Features Becoming Table StakesDescription: Customers increasingly expect AI assistance built into products: autocomplete, suggestions, smart defaults. What was a differentiator 18 months ago is becoming an expected baseline feature across SaaS tools.Evidence:- Gartner report (ai-tooling-gartner-2026.txt) notes 67% of B2B buyers expect AI features- Customer feedback (customer-feedback-themes.txt) includes 12 mentions of "why doesn't this suggest..." or "competitors have AI for this"- SaaS trends report (saas-trends-2026.txt) lists AI features as top 3 investment areaTiming: Happening now. Customers are comparing products based on AI capabilities today.Relevance to us: High. We have minimal AI features and competitors are shipping them.Implications:- Evaluate which workflows would benefit most from AI assistance- Prioritize AI features that improve core workflows vs. novelty- Consider partnership vs. build-in-house for AI capabilities- Monitor customer churn related to "missing features" that might be AI-related

这将跨来源的点连接起来，使趋势变得可操作。你不仅仅是在报告"AI 很火"。你展示的是证据、时间线和对你产品的具体影响。

在趋势报告中区分信号与噪音。不是每个趋势都重要。有些是炒作。有些是真实的但与你的市场无关。有些重要但还很遥远。Claude Code 帮助你过滤。

提示词：趋势验证

审查 research/trends/trend-brief-2026-01.md 中的趋势。对于每个趋势，评估：

信号 vs. 噪音：这是有多个可信来源支撑的，还是只是某篇文章的猜测？
相关性过滤：这影响我们的目标客户细分，还是影响一个不同的市场？
紧迫性：我们需要在本季度、今年采取行动，还是只进行监控？

标记出那些看似缺乏实质内容的炒作趋势。建议哪些趋势值得立即考虑纳入路线图 vs. 长期监控。

这可以防止追逐每一个光鲜的趋势。你获得的是一份现实检查。"'万物皆可区块链'的趋势只在一个来源中出现，没有客户验证。建议降低其优先级。'隐私优先架构'的趋势出现在法规分析、客户反馈和竞争定位中，这是信号。建议进行路线图审查。"

创建可行动的趋势简报。输出成果应该驱动决策，而不是躺在文件夹里。将趋势简报结构化以便利益相关者阅读：

提示词：高管趋势摘要

基于 research/trends/trend-brief-2026-01.md，在 research/trends/trend-summary-exec-2026-01.md 中创建一页高管摘要。

格式：

我们必须响应的 3 大趋势：简要描述 + 建议采取的具体行动
需要监控的趋势：2-3 个新兴的、尚不紧迫的趋势
我们忽略的趋势及原因：1-2 个与我们无关的趋势

保持简洁可快速浏览。高管应能在 3 分钟内读完并理解其影响。

这将成为你的策略评审中的一张幻灯片、路线图规划中的参考文献或执行层团队的一份简报。它是面向行动的，而不仅仅是信息性的。

时间与成本：综合 5-8 个来源文档生成趋势简报：20-30 分钟，40,000-70,000 token，$0.20-0.35。从趋势简报创建高管摘要：10 分钟，15,000-25,000 token，$0.08-0.13。趋势分析周期总计：30-40 分钟，$0.30-0.50。

何时刷新：快节奏行业按季度，慢节奏市场按年度。当发生重大行业事件时临时触发（新法规、主要竞争对手动作、技术突破）。

局限性：Claude Code 综合的是你给它的内容。如果你的来源质量低或偏向某一视角，综合结果也会如此。输入垃圾，输出垃圾。将 Claude Code 的综合能力与多样化、可信的来源结合：分析师报告、客户调研、行业专家、竞争情报。

你现在可以使用 Claude Code 进行系统化的市场调研，生成可版本化、可更新的产出物，而不是生成即消失的一次性文档。第 6 章将类似的综合技术应用于客户反馈和 UX 调研：将原始反馈数据转化为可行动的产品洞察。