Рост и конкурентный анализ

Рост начинается с понимания внешней среды: кто конкуренты, чем вы отличаетесь, за что вас хвалят и ругают. ИИ ускоряет сбор и структурирование, но именно во внешних фактах модели ошибаются чаще всего — потому что у них нет доступа к реальности, только к памяти.

Боль

Конкурентный анализ вручную — дни чтения сайтов, тарифов и обзоров. Анализ отзывов — сотни страниц в сторах. Месседжинг переписывается под каждую кампанию, и «чем мы отличаемся» каждый раз формулируется заново.

Как помогает ИИ

собирает и структурирует картину по конкурентам из ваших вводных и открытых источников;
прогоняет позиционирование через альтернативы и выгоды;
вытащит темы, оценки и риски из отзывов стора;
предложит гипотезы для онбординга на основе барьеров активации;
готовит черновики сравнительных таблиц и battlecards.

Формулировки — в библиотеке промптов, раздел про рост.

Конкурентный анализ по открытым данным

Модель удобно использовать как структуратор: даёте список конкурентов и признаков сравнения — получаете каркас таблицы, категории для анализа, список открытых источников, которые стоит проверить. Всё, что модель знает о конкурентах, может быть устаревшим или выдуманным: тарифы меняются, фичи переименовываются, а правдоподобие ответа от фактической точности не зависит.

Готовый промпт — конкурентный анализ:

«Ты — продуктовый аналитик. Составь структуру конкурентного анализа для продукта [описание]: список прямых и косвенных конкурентов, которых стоит проверить, признаков сравнения (сегменты, ключевые фичи, модель ценообразования, каналы, слабые места) и открытых источников по каждому. Не указывай конкретные цены и фичи по памяти — помечай их как «требует проверки». Продукт: [вставьте]».

Факты о конкурентах проверяйте по первоисточнику. Модели галлюцинируют именно здесь: уверенно называют несуществующие фичи, устаревшие тарифы и выдуманных клиентов. Правило простое: каждый факт в таблице — со ссылкой на сайт конкурента, пресс-релиз или актуальный обзор. Если источник не нашёлся — факта в таблице нет.

Позиционирование и месседжинг

Позиционирование — не слоган, а ответ на вопросы «для кого, против какой альтернативы и с какой уникальной ценностью». Модель полезна как стресс-тест: прогоните через неё черновик позиционирования и попросите возразить от лица конкурентов и скептичного клиента. Она найдёт общие слова («инновационный», «удобный»), которые не отличают вас ни от кого.

Готовый промпт — позиционирование:

«Ты — продуктовый маркетолог. Разбери черновик позиционирования ниже: для какого сегмента, против какой альтернативы, какая уникальная ценность. Предложи 3 варианта усиления, для каждого — как формулировка проиграет сильному конкуренту [название], и где мы рискуем сказать общие слова. Проверь, отличим ли месседжинг от альтернатив. Черновик: [вставьте]. Конкуренты и их силы: [вставьте]».

Отзывы и онбординг

Отзывы в сторах — бесплатный поток обратной связи, который почти никто не читает системно. Модель разложит сотни оценок по темам: что хвалят, что ругают, где сигналы багов, а где запросы на фичи, и как темы распределены по оценкам. Индустрия движется туда же: Apple, например, уже показывает на страницах App Store суммаризацию отзывов, сгенерированную моделью.

Готовый промпт — анализ отзывов:

«Проанализируй отзывы на приложение из файла ниже. Разложи по кластерам: повторяющиеся жалобы, повторяющиеся похвалы, сигналы технических проблем, запросы на фичи. По каждому кластеру: число отзывов, средняя оценка, 2–3 типичные цитаты. Отдельно выдели темы, которые чаще встречаются у оценок 1–2 звезды. Отзывы: [вставьте]».

Типовая связка кластера с действием:

Кластер отзывов	Сигнал	Возможное действие
«Не понял, зачем это» у оценок 2–3	Слабый онбординг, ценность не видна	Переписать первый экран, показать ценность действием
«Падает при X» у оценок 1–2	Технический дефект	Передать в разработку с цитатами и версиями
«Не хватает Y» у оценок 4–5	Запрос от лояльных	Оценить в очередь приоритизации
«Дорого»	Гипотеза: ценность, упаковка или сегмент — не только цена	Проверить тарифы, ожидания от карточки и целевые сегменты

Отзывы дают гипотезы, а не выводы. Голоса в сторах смещены: пишут чаще в момент раздражения. Кластеры из модели — отправная точка для проверки в интервью и в данных о поведении, а не готовая бэклог-очередь. Метод проверки — в главе «Дискавери и исследования».

Идеи онбординга из барьеров

Связка «кластеры жалоб + барьеры активации» — сырьё для онбординга. Попросите модель сопоставить темы отзывов с шагами первого запуска: где пользователи застревают, какие подсказки и успехи стоит показать в первые пять минут. Черновик сценариев она предложит — проверять его нужно на реальных новичках, а не на мнении модели.

Источники

CXL: How To Do a Competitive Analysis (8 Steps) — методология конкурентного анализа: от карты конкурентов до выводов для позиционирования.
CXL: How to use AI for competitive analysis in B2B markets — применение ИИ в конкурентном анализе: расширение набора конкурентов, сбор данных, поиск паттернов.
Apple: Ratings, reviews, and responses — как устроены оценки и отзывы в App Store, включая автоматические суммаризации отзывов.