AI 推荐场景下的竞品分析，需要一套不同于传统 SEO 排名的框架。过去看搜索结果排名和流量，现在还要看 AI 如何组织回答、为什么推荐竞品、引用了哪些来源、用户看到的页面是什么。没有框架，竞品分析很容易停留在截图和情绪上。
第一层：问题场景
先看竞品出现在哪些问题里。问题应按用户意图分类：认知、比较、采购、使用、排查、复盘。不同问题的业务价值不同，分析优先级也不同。
高价值问题里的竞品表现，应优先进入分析。低价值问题可以记录趋势，但不必马上投入大量内容资源。
问题原文要保留
AI 回答对问题表达敏感。分析时要保留问题原文、平台、时间和采集环境。否则后续复查时，很难还原竞品为什么出现。
第二层：出现位置
竞品是出现在首段推荐、列表第一位、对比段落、引用卡片，还是风险提示里？不同位置代表不同影响力。只记录“出现”会丢失关键差异。
出现位置还要结合页面呈现。网页版可能有推荐模块、引用卡片和追问建议，这些都影响用户注意力。
第三层：推荐理由
AI 为什么推荐竞品？功能、价格、案例、文档、品牌知名度、外部评价、行业经验，都是可能理由。推荐理由要逐条记录，并判断是否有事实来源。
如果理由反复出现，就说明竞品在这个维度上形成了认知优势。品牌后续内容应围绕这些维度补证据。
第四层：引用来源
引用来源说明 AI 可能依据了哪些内容。竞品官网、帮助文档、媒体稿、社区讨论、行业榜单，对应不同内容资产。来源类型越清楚，差距越容易定位。
对于重点问题，建议保存页面标题、URL、来源归属和页面类型。只保存域名不够。
第五层：自身差距
把竞品来源和自身页面对照，判断缺什么。是没有对应产品页，还是文档不完整；是缺案例，还是外部内容不足；是页面存在但标题不清楚，还是内部链接太深。
差距分析必须落到具体页面或内容资产，否则无法执行。
第六层：内容动作和复查
最后输出动作：新增、重写、合并、补链接、补外部内容或暂不处理。每个动作都要绑定目标问题和复查时间。发布后继续观察竞品推荐理由是否变化。
增长盒子的竞品分析可以按这六层沉淀数据。AI 推荐场景下的竞品分析，不是为了证明谁更强，而是为了找到品牌应该补哪条证据链。
框架要能被团队复用
一个竞品分析框架只有能被不同成员稳定执行，才有价值。字段要清楚：问题、平台、时间、竞品、位置、理由、引用、判断、动作。不要让每个人都用自己的描述方式记录。
统一记录后，团队才能比较不同周期的数据，也能把分析结果交给内容、产品和品牌团队继续处理。
分析框架要允许人工备注
结构化字段能帮助统计，但 AI 回答里常有细微语气和页面细节。人工备注可以记录“推荐语气偏谨慎”“引用来自旧页面”“竞品被放在替代方案而非首选”等信息。
这些备注不一定能立即量化，却能帮助后续编辑理解为什么要改某个页面。
框架使用一段时间后，也要根据业务调整字段。比如本地生活要增加区域，SaaS 要增加团队规模，教育培训要增加适合人群。
这样框架既统一，又能贴近不同业务场景。