AI Deep Research 实战指南：3 小时跑完原本要一周的市场和竞品分析
目录
上个季度，我给一家 B2B SaaS 客户出了一份 28 页的市场进入分析报告，前后用了不到 3 小时。两年前，同样的项目要占用整个团队一周时间，咨询费也是五位数起步。
差别就在于一类叫做 AI Deep Research（AI 深度研究） 的工具——它们是带智能体（agent）能力的研究助手，可以自动浏览网页、读几十个来源、跨来源推理、最后写出一份带引用的结构化报告。ChatGPT Deep Research、Perplexity Deep Research、Gemini Deep Research 是我现在最常轮换使用的三家。
这不是"让 ChatGPT 总结一下某个网站"那种小活。Deep Research 工具一次任务跑 5–30 分钟，点开 50–300 个来源，最后给你一份带规范引用的报告。它把过去需要初级分析师 + Bloomberg（彭博终端）订阅才能做的分析，下放到任何一个每月愿意花 $20 的人手里。
不过——这点非常重要——它们不是魔法。用得不好，产出就是看起来很有道理的"自信废话"。下面是我在真实营销项目里的用法。
三家工具，怎么挑
三家头部产品各有性格。过去 9 个月我在这三家上跑了大约 200 个深度研究任务，得到的结论是：
| 工具 | 最擅长 | 短板 | 价格 |
|---|---|---|---|
| ChatGPT Deep Research（o3 / o4） | 长篇综合、结构化报告、财务分析 | 慢（10–30 分钟），偶尔在判断上过于保守 | Plus $20/月（10 次），Pro $200/月（不限次） |
| Perplexity Deep Research | 速度、引用密度、网页优先研究 | 文笔不够打磨，分析深度稍弱 | 免费档（3 次/天），Pro $20/月（500 次/月） |
| Gemini Deep Research（1.5 / 2.5） | 多源交叉引用、最长上下文窗口（1M+ tokens）、免费 | 偶尔跑偏主题，排版稳定性较差 | AI Pro 用户免费 |
我的常用轮换：
- 快速竞品扫描 → Perplexity（5 分钟，先摸清局面）
- 完整的市场规模或战略级深度研究 → ChatGPT Deep Research（耗时长，但报告经得起客户审查）
- 涉及 20+ 个竞品网站或大文档集 → Gemini Deep Research（上下文窗口的优势就出来了）
补充一点：如果你的研究主题是中国市场，DeepSeek 或 腾讯元宝（Yuanbao）的深度研究通常更好用。ChatGPT 的中文网页索引比英文弱不少。我有一次让 ChatGPT 做中国护肤 D2C 品牌的竞品研究，前五大品牌里漏了三个——因为它们的英文信息几乎没有。
市场分析：4 层递进工作流
大多数人用深度研究工具的最大错误是——抛出一个巨大的问题，然后接受第一份报告。报告看上去会很唬人。但它会在你抓不到的地方出微妙的错。
我把市场分析拆成 4 层，每一层一个独立 prompt。
第 1 层：市场规模与结构
从这里开始。你要回答的是：这个市场多大、谁在里面、钱在哪里？
Prompt 模板：
请对 [具体产品/服务品类] 在 [地理范围] 的市场做一份全面分析。涵盖：
- 市场规模（TAM 总潜在市场、SAM 可服务市场、SOM 可获得市场），列出来源和测算方法
- 过去 3 年的增长率与未来 3 年的预测
- 按市场份额排名的前 10 名玩家，上市公司列出营收
- 主要细分市场，以及行业分析师如何定义这些细分
- 过去 18 个月内的重要并购和融资动态
每个数字都要引用来源。如果不同来源数字差异较大，请呈现区间并标注分歧。不要超出来源外推数据。
最后一句"不要外推"是整个 prompt 里最重要的一句。少了它，工具会很自信地给你编一个"听起来合理但任何来源里都没有"的数字。
第 2 层：客户与需求分析
第 1 层完成后，你已经看清了市场的形状。接下来：到底是谁在买，为什么买？
Prompt：
基于你刚才分析的 [市场]，请刻画客户侧：
- 前 3 个买家画像（buyer persona），含预算、岗位、决策标准
- 驱动购买决策的 5 个最常见痛点
- 杀掉交易的 5 个最常见异议
- 这些买家在线上聚集的地方（论坛、社群、行业出版物）
- 从 G2、Capterra、Trustpilot、Reddit 聚合的真实用户评价
引用具体的用户评论原文（注意匿名化）。每条都要标来源。
评价挖掘是这一层的高价值所在。真实用户的原文评价——直接引用出来——能给你定位（positioning）层面的"金矿"，是任何高管摘要里都不会出现的。
第 3 层：定价与 GTM（Go-to-Market）
请梳理定价和 GTM 全景：
- 前 10 名玩家使用的定价模式（订阅、按量、freemium 免费增值等）和典型价格点
- 每个头部玩家主要依赖的获客渠道（SEO、付费投放、合作伙伴、Sales-led）
- 前 3 名玩家的内容策略（发布节奏、形式、主题）
- 任何明显的"品类教育"或"品类创造"动作
第 4 层：白空间与战略建议
只有前 3 层都干净之后，我才让工具开始给战略建议。如果第一个 prompt 就要战略，得到的基本是幻觉。
基于上述分析，请识别：
- 3 个未被充分服务的细分或使用场景
- 2 个还没有头部玩家占领的定位角度
- 一个新进入者最值得切入的 GTM 缺口
每一个建议都要列出支撑它的具体证据。
这种 4 层递进给你的报告能直接映射到真实决策，而且每一层都有自己的引用可以抽检验证——这非常关键。
竞品分析：另一种节奏
市场分析是"宽而浅"。竞品分析是"窄而深"。工具不同，prompt 也不同。
单个竞品的深度拆解，我用 Perplexity 做扫描 + ChatGPT 做综合。下面是真实的操作顺序。
Step 1 —— 表层扫描（Perplexity，5 分钟）：
请刻画 [竞品名称]。涵盖：创立故事、融资历史、当前员工数、领导团队、产品线、定价层级、目标客户画像、近期新闻，以及过去 12 个月内任何已宣布或传闻中的战略转向。
Step 2 —— 营销拆解（ChatGPT Deep Research，15–20 分钟）：
请对 [竞品] 做一份营销拆解。覆盖：
- SEO 足迹：预估自然流量、排名前 20 的关键词、内容品类
- 付费广告：使用的渠道、可通过 SimilarWeb、Semrush、AdsTransparency 看到的广告创意主题
- 社交媒体表现：平台、发帖节奏、互动量、值得注意的活动
- 内容策略：博客、播客、视频、付费下载资料的主题和发布量
- 邮件与生命周期营销：通过注册他们的 newsletter 能推断出什么
- 公开评价与吐槽：客户最爱什么、最恨什么
Step 3 —— 战略角度（人工 + AI 当陪练）：
这一步不要完全外包给 AI。把前两份报告拿到 ChatGPT 普通对话模式（不是 Deep Research）里去和它"过招"：
基于附上的竞品画像和营销拆解，请识别 3 个可以利用的弱点，和 3 件他们做得比我们好的事。不要嘴软，要尖锐。
这一步的意义是逼自己产出一个观点（thesis）。报告是思考的输入，不是思考的替代品。
这些坑会把你埋了
下面这些错误我都犯过，而且不止一次。
幻觉数字（hallucinated stats）。 Deep Research 工具引用的来源是真实的，但它依然会幻觉来源里附带的数字。在把任何统计放到客户面前之前，点开引用链接确认这个数字真的以那种形式存在。我的经验是大约 5–10% 的数字通不过这一道验证。
把过时信息当现状用。 "截至 2024 年……"这种话经常出现在今天写的报告里。工具的网页抓取可能命中了一篇 2024 年的文章，但不会主动告诉你"其实有更新的数据"。所有时间敏感的内容（定价、融资、领导团队）都应该在 prompt 里加一句："只用 2025 年或之后的数据"。
表面化的竞品扫描。 如果你只说"给我做一份 Notion 的竞品分析"，得到的就是任何人都能写出的通用画像。prompt 的具体程度决定了输出的深度。永远要告诉工具"你是谁、这份报告要支撑什么决策"。
用英文优先的工具去做中文市场分析。 前面提过，但值得再说一遍。中国市场相关的研究，请用中文优势模型。
跳过引用核查。 一份带 80 个引用的报告看起来很扎实。但如果你不去打开至少 10 条最关键的引用、确认它们真的在说报告所声称的内容，你就是在闭着眼睛走路。我见过的所有 Deep Research 灾难，无一例外都来自于"把引用列表当成证明，而不是当成需要审计的东西"。
写在最后
3 年前，市场分析和竞品分析是一道护城河——代理公司和咨询公司能收高额费用，因为这件事做好需要经验、时间、还有 Bloomberg 级别的数据接入。这道护城河现在已经被部分排干了。
新的护城河变成了判断力：写哪些 prompt、信哪些报告、对哪些结论反推一下、哪些缺口要手动补。工具产出报告，你产出思考。
如果你是个从没做过正经市场分析的营销人，Deep Research 工具能让你今天起就"超出自己段位发挥"。如果你是个过去把这事外包出去的资深营销人，现在你可以在内部用一小段时间搞定。无论哪种情况，"什么算合格分析"这条线被抬高了。
值得问的问题不是"要不要用这些工具"。是"用上之后，你能跑多快"。