如何设置竞品对照？三条原则与一个常见错误
竞品对照的价值不在于知道你排第几，而在于看清同一条回答里 AI 选择了谁、用什么理由。这比一个对照比率有用得多。
三条原则
- 同一批问题：竞品与你在完全相同的题目上被统计，否则分母不同。
- 同样的判定口径：竞品的「推荐」也用同一套规则判，不能对自己宽、对竞品严。
- 数量克制：3 到 5 个足够。列十个品牌进去，报告会变成一张读不动也不可归因的表。
怎么选对照品牌
| 类型 | 为什么值得放 |
|---|---|
| 同品类直接竞品 | 客户在做选择时真的会在你们之间比 |
| 品类代表品牌 | AI 在回答「哪家好」时经常先提它，用来判断这个品类的推荐逻辑 |
| 近期被频繁引用的品牌 | 从引用来源反推，看是谁的内容在喂 AI |
一个常见错误：只看比率，不看同一条回答
「竞品提及率 60%，我 30%」这句话本身不产生行动。有用的版本是：在被推荐的那些回答里，AI 用了哪些理由推荐它——交付周期、参数覆盖、售后网络，还是单纯的品牌知名度。
回到原始回答里读这些理由，比在报告上对比两个百分比更有价值。
竞品数据能用来做什么、不能做什么
能用来判断：这类问题里 AI 的推荐逻辑长什么样、你的材料缺了哪一类事实。
不能用来判断：市场份额、用户偏好、或者「超过竞品就会赢」。检测记录的是回答，不是市场。
依据与出处
竞品对照用的口径与主指标完全一致；本页不给任何竞品的商业评价，也不含市场份额数据。
边界
- 本站只统计公开回答里出现的品牌名，不评价竞品的真实经营状况，也不做竞品的商业分析。
- 竞品对照的结论只对本批问题成立，不构成对竞争格局的判断。
常见追问
- 竞品没做过任何优化，为什么 AI 还推荐它？
- 因为 AI 的推荐依据是它检索到的材料，而这些材料可能来自第三方媒体、行业报告、问答社区，不一定来自竞品自己。这也是为什么「引用来源」这一层值得单独看。
- 竞品名字写错了，统计会漏吗？
- 会。别名需要单独配置：品牌的全称、简称、英文名、常见误写都可以作为别名参与匹配。没配置的写法不会被统计。
- 可以把竞品设成十家一起跑吗？
- 技术上可以，但读起来会很吃力。3 到 5 家足够看清推荐逻辑；超过这个数量，报告会变成一张无法归因的对照表。
这一页说明的是方法与口径，不构成效果承诺。需要看你自己的品牌在 AI 回答里的实际记录，可以注册后跑一次检测。