做产品这行，竞品分析是基本功。但传统的竞品分析方法——手动翻官网、扒文档、截图对比——效率低得可怜。一份覆盖3-5个竞品的深度分析报告，通常要花掉产品经理两三天时间。

Gemini 3.5的原生多模态能力改变了这个局面。它能同时处理文本、表格和截图，把“信息收集→结构化对比→深度分析”这条链路打通。下面是一个我亲自跑通的完整案例，从信息收集到生成分析报告，整个流程用了不到一个上午。流程中的关键环节——比如用KULAAI（dl.877ai.cn）同时对比多个AI模型的输出质量——可以进一步确保分析结论的可靠性和多维性。平台集齐了主流大模型，国内环境可以直接访问，省去挨个平台手动测试的麻烦。

一、案例背景与执行规划

任务是对比三家主流AI聚合平台（KULAAI、One API、OpenRouter）的产品功能，输出一份供内部产品决策参考的竞品分析报告。分析维度包含产品功能、定价策略、用户体验和差异化定位四个模块。

整个流程分为五步。第一步是用Gemini 3.5的联网搜索能力快速收集竞品的公开信息，包括功能列表、定价页面和用户评价。第二步是把收集到的信息交给Gemini 3.5做结构化处理，提取关键对比维度。第三步是用原生多模态能力分析各平台的界面截图和功能布局。第四步是基于前两步的信息生成深度分析的初稿。第五步是人工审核和补充独家洞察。

二、多模态信息收集与结构化分析

首先处理的是功能对比。把从各平台收集到的功能描述文档、定价页面截图和用户评论一起交给Gemini 3.5，让它提取功能差异点并生成对比表格。

处理定价策略分析时，直接把各平台的定价页面截图和API文档中的费率表格一起交给Gemini 3.5。它能同时理解文本描述和表格数据，并交叉验证两者是否存在矛盾。处理用户体验分析时，要求Gemini 3.5从页面截图中识别关键交互路径，分析各平台完成“接入新模型”这一核心任务所需的步骤和页面跳转路径。

在信息收集过程中，Gemini 3.5还能辅助做竞品情报的实时追踪——让它定期搜索竞品的最新动态、版本更新、融资信息等，自动生成竞品动态简报。

三、深度分析与洞察生成

结构化数据提取完成后，进入深度分析阶段。让Gemini 3.5进行多源信息交叉验证——把竞品官方文档中描述的功能和用户评论中反映的实际体验做对比，识别官方宣传和真实用户感知之间的差异。

通过对比三家平台的差异点，可以识别行业共性趋势。比如价格战趋于理性、多模型路由成为核心差异化功能、开发者体验成为竞争焦点等。要求Gemini 3.5基于趋势分析，预测未来三到六个月的竞争走向，并用假设推演来论证核心逻辑。针对具体问题追问，可以挖掘更深层的洞察。

四、生成竞品分析报告

将所有分析结果整合，让Gemini 3.5生成结构化的竞品分析报告。报告框架包含核心结论、功能对比、定价与成本分析、用户体验评估、竞争优势分析、风险与机会识别、行动建议等模块。

同时可以制作竞品功能对比矩阵、优劣势评估等多个结构化表格，方便团队快速查阅。

五、人工审核与洞察补充

AI生成的竞品分析在某些维度上深度有限，需要产品经理补充基于行业经验和内部分析的洞察。AI完成的优势在于数据收集全面、格式统一、输出效率高。产品经理的优势在于行业洞察、用户理解、内部约束和战略判断。最终的竞品分析报告，数据基础和结构优化由AI完成，深度洞察和行动建议由产品经理补充。

最后

用Gemini 3.5做竞品分析，核心价值不是在“写报告”，而是在“信息收集、结构化对比、趋势分析”这三件事上大幅提效。产品经理的时间应该花在洞察生成和战略判断上，而不是手动整理对比表格。将重复性的信息处理工作交给AI，产品经理专注于高价值的分析决策，这才是AI时代竞品分析的正确姿势。