看竞品落地页很容易花掉半天：截图存了一堆，最后只留下“他们的页面挺清楚”“我们也该加案例”这种无法执行的结论。AI 可以加快整理，但它看不到你没有提供的页面，也不该根据一句广告语猜测对方的转化数据。真正有用的拆解，是把公开页面里的信息变成可核查的结构，再决定哪些假设值得在自己站点测试。
这篇适合增长、产品营销和独立站运营：用 ChatGPT 或 Claude 整理 3 到 5 个公开竞品页面，输出一个不会误把模仿当策略的实验清单。
先限定比较任务，不要“全面研究竞品”
一次只选一个页面类型和一个用户任务。例如比较“免费试用注册页如何降低顾虑”，而不是把首页、定价、博客和社媒全混在一起。写清楚受众、目标动作和观察范围：首屏承诺、问题描述、证据、功能解释、价格/试用提示、FAQ、CTA 和表单摩擦。这样不同页面才能放在同一张表里。
每个页面保留 URL、抓取日期、截图或文字摘录。公开页面会改，日期让你的结论有边界；不要把论坛传言、评测文章和页面事实混为一谈。
先做观察表，再调用 AI
表格列可以很简单：品牌、页面 URL、主要受众、首屏原话、主 CTA、次 CTA、需要用户提供的信息、可见证据类型、价格/试用说明、FAQ 问题、移动端观察、你的原始备注。这里记录的是“看见了什么”，不是“为什么它一定有效”。
对于证据类型，可以使用案例、客户 logo、使用数据、演示视频、集成列表、保障说明、媒体引用等标签。标签只说明存在，不说明真实性或效果。遇到“提升 300%”之类的数字，单独保存原句和出处，别把它改写成行业事实。
让 AI 归纳结构，不让它臆测策略
根据以下公开页面摘录，输出对比表。每个结论必须标注支持它的原文或截图编号。列包括：首屏承诺、目标用户、主要行动、顾虑处理方式、证据类型、表单摩擦、缺失信息、可借鉴的结构假设。不得推断流量、转化率、收入、客户数量或内部策略；页面没有写到的内容标记为“未观察到”。最后提出不超过 5 个可在我们页面上验证的假设，而不是建议复制文案。
页面材料：{{pages}}
好的输出会说“3 个页面都在 CTA 前出现了具体使用场景”；差的输出会说“这样能显著提升转化”。前者是观察，后者没有数据支撑。把两者分开，测试才不会被包装得很漂亮的猜测带偏。
从页面元素回到用户顾虑
不要因为竞品有“客户 logo 区”就立刻加一排 logo。先问它解决什么顾虑：可信度不足、是否适合我的行业、上线风险，还是价格不透明？同一个元素在不同用户旅程里的作用不同。将每个可借鉴结构写成：用户顾虑 → 页面回应 → 你的可验证版本 → 成功指标。
- 顾虑：不知道是否适合小团队。回应：在首屏后给出三种典型团队场景。验证版本：用真实功能截图说明每个场景。指标：场景区块后的 CTA 点击率。
- 顾虑：试用后迁移成本高。回应：把导入步骤和支持范围写清。验证版本：增加迁移清单与 FAQ。指标：试用表单完成率和相关咨询占比。
一次只测试一到两个变化。把 CTA、价格和首屏同时改掉，结果上涨时你仍不知道是什么起作用。
把 AI 用在“改写候选”而不是替代品牌判断
当假设明确后，才让 AI 提供多个表达版本。必须给它现有事实、禁止用词和页面位置：
为“{{user concern}}”写 4 个落地页区块候选，每个包含标题、两句说明和一个 CTA。只能使用以下已确认事实：{{facts}}。不得使用“领先、最佳、保证、所有、零风险、提升 X%”等不可证实的表述；不要提及竞品。分别说明每个版本回应的顾虑，以及需要设计或法务确认的内容。
选中版本后，仍需检查它是否和产品能力、价格、隐私说明一致。AI 写得简洁不代表承诺就成立。
两周后只回答三个问题
发布测试后，先看目标动作是否改善，再看是否带来错误预期：更多试用不代表更多合格线索；更多点击不代表用户理解了服务范围。复盘时回答：哪个顾虑的证据最不足？哪个区块用户根本没有看到？新增文案是否引发了新的误解？把答案写回观察表和实验记录，下次分析才有累计价值。
竞品页面不是模板库。用 AI 做拆解的价值，是更快分清公开事实、合理假设和需要实验验证的事；保留这种边界，才能从别人的页面里学到结构，而不是复制一套不适合自己的话。