AI竞品调研防编造：收入、流量与功能七步核验

AI生成的竞品报告往往排版漂亮，却可能充满未经验证的用户、营收和功能描述。本文提供七个可执行的核查步骤。

先把竞争对手的每个数字定义清楚

用AI研究十个竞争对手，几分钟就能生成一张对比表。但是“用户千万级”“收入快速增长”“市场份额第一”等话术可能来自不同年份、不同地区，甚至根本没有出处。必须把主张拆成注册用户、月活跃、下载量、营收、利润、网站访问、付费用户等不同字段，不允许在一列里混合使用。

真正的竞品研究从问题出发：我们想判断的是用户规模，还是某类功能能否被消费者接受？每个主张都必须记录原始来源、统计时间、适用地域和定义。如果公开资料无法证实，应该标成尚未验证，而不是让模型补一个看似完整的数字。尤其不能用网站访问量冒充App下载，也不能把合同订单总额当成收入。

AI软件常把月付、年付、免费试用、按Token计费及额外视频分钟数放在同一个销售页。模型抓取的历史价格可能曾经有效，但今天已调整。先去产品官网核实当前套餐，记录访问日期、币种、当地税费、支付周期、功能额度和超限后的收费模式，尽量附上可回看的官方页面链接。

如果比较的是AI数字人视频功能，不能只列“每月十九美元”，而要计算在相同对话时长、视频分钟数和生成次数下的实际支出。若某套餐含一次性优惠，应从长期正常价格中分开。没有固定报价的企业客户套餐，必须标明需商务询价，而非按个人套餐乘一个倍数自行推算。

美国证券交易委员会SEC的EDGAR数据库提供上市公司和其他申报主体提交的10-K、10-Q、8-K等资料。分析美国上市科技公司时，可以按公司名称或股票代码查找相关报表，核对披露日、报告期和会计口径。新闻报道可以提供解释背景，但不应该代替原始财务数据，特别是涉及重要收入增长比例时。

需要注意EDGAR并不覆盖所有私营创业公司，也不保证所有商业宣传都经过独立审计。年度收入、最近十二个月收入、合同金额和商品交易总额都不相同。跨公司比较前应调整会计周期，确认数字是否包含一次性项目。不能因为某媒体引用“估值二十亿美元”，就把它误写成公司已有二十亿美元的收入。

“支持实时视频”“长期记忆”“多语言对话”这些产品描述，只证明厂商有这样的宣传，无法解释实际可用地区、是否需要付费或体验质量。测试表应记录App版本、操作系统、网络、所在国家、是否授权相机和麦克风以及测试账户类型。在相同条件下执行真实任务，才有可能比较产品体验。

例如测试视频对话，可以固定测试十次打断、十次网络切换和三种背景噪声，记录成功完成率、延迟、画面和声音一致性以及用户能否正常退出。测试使用授权的合成资料，避免上传真实用户的私人聊天或照片。某个功能在一家公司的演示视频里流畅，不代表普通用户的生产环境也一样可靠。

不少商业情报网站会给出App下载、网站访问量或用户地理分布的推算。这类工具的样本、模型和覆盖地区并不相同，结果往往只能反映某些趋势。尤其对体量较小或主要依靠本地渠道的产品，第三方估算可能偏差更大。要让AI在每个数据旁标注“官方披露”“直接实测”或“第三方估算”，而不是统一写成事实。

不能拿甲公司的累计App Store下载量与乙公司的月活用户数量直接排名。若只能得到两个范围，应解释区间假设，避免取中间值制造不存在的精度。研究结论如果依赖某个高度不确定的关键数据，就应给出敏感性分析：当该假设高低变化一倍时，投资或产品判断是否会改变。

NIST在2024年7月发布的生成式AI风险管理资料强调有组织的评估和风险测量。用AI写竞争研究时，可以把这一原则具体化为强制回答三个问题：支持结论的最强证据是什么？有没有相反证据？缺少什么资料会使结论无法成立？这样可以减少模型为迎合提问者而提供过度确定答案的风险。

如果AI断言某款应用最适合日本市场，应继续检查日语内容质量、当地支付、消费者评价、退款、隐私规则和可用性，而不能只看它的网站是否有日文入口。对用户评论也应区分真实评论、赞助推广和无法核验的截图。没有明确证据时，正确输出应是待验证计划，而不是已证实的市场结论。

最终报告可以使用六列：事实主张、具体数值或观察、原始来源、发布日期与查询日期、验证过程、局限和置信等级。要求所有高风险主张至少能够沿着链接回到发行方、监管披露或可重复测试结果。重要指标由第二名分析人员抽查，避免报告编辑自己审查自己编造的内容。

更新报告时只修改发生变化的价格、功能和披露记录，而不是每个月让模型重新猜一遍。证据矩阵能帮助创业者分清产品优势、商业假设与营销口号。AI的价值是降低整理工作量，真正决定研究是否值得信任的，仍然是准确的来源、清晰的口径，以及承认自己还不知道什么的能力。