上周复盘一个失败的产品决策,突然发现个事儿:我花了两周研究竞品,看了几十个产品、上百篇分析文章,最后做的判断还是错的。

不是信息不够,是我一直在自己的认知框架里打转——只看"我觉得重要的信息",完全忽略了市场真正在发生什么。

竞品分析有个隐形陷阱

做产品的都知道要"避免确认偏误",但实际操作时基本做不到。

比如你想做个To B的SaaS,开始研究竞品。你会搜啥?"SaaS产品设计最佳实践""B端用户需求分析""企业软件定价策略"……翻来覆去看的都是在强化你原本的想法。

真正的盲区是啥?你不知道自己不知道什么。

可能市场上已经有人用完全不同的玩法在颠覆这个赛道,可能你的目标用户根本不在乎你认为的"核心功能",可能定价的关键不是你研究的那些——但这些信息不在你的搜索关键词里,你就永远看不到。

意外发现个东西

最近在用一个叫LifeContext的浏览器插件,一开始就想用它记网页——我老是看完竞品分析,过两天完全想不起来在哪看的,得重新翻历史记录。

结果发现它还有个"智能洞察"功能,这个挺有意思。

有天我研究一个教育SaaS的定价,看了20多篇文章,都在讲"按座位数定价""按功能模块定价"这些常规套路。然后LifeContext突然给我推了条消息:

"你可能对'使用量定价'(usage-based pricing)感兴趣——Snowflake和Twilio都这么玩,2024年这类公司的ARR增长率平均比传统订阅制高40%。"

这个我压根不知道。我连"usage-based pricing"这词都没听过,更不知道它已经成了SaaS的新趋势。

顺着这线索往下挖,发现:

• 教育领域已经有公司开始"按学生活跃度付费"而不是"按账号数付费"
• 这种方式更符合学校的预算习惯(用多少付多少,不用提前买一堆座位)
• 能明显降低客户的决策门槛——不用预测明年会有多少老师用

要不是LifeContext推这条,我估计永远碰不到这个方向。

顺着这条线索往下挖，我发现：

• 教育领域已经有公司开始尝试"按学生活跃度付费"而非"按账号数付费"
• 这种模式更符合学校的预算逻辑（用多少付多少，而不是提前买一堆座位）
• 它能显著降低客户的决策门槛——不需要预测明年会有多少老师用

这个方向，如果没有LifeContext的"智能洞察"，我可能永远不会接触到。

还有个功能也挺实用

"网页记忆对话"这功能改变了我的工作方式。

以前做竞品分析,我会建Excel表格,把每个产品的功能、定价、目标用户整理成表。但问题是:

1. 整理太费时间了(一个产品得花1小时)
2. 表格化会丢很多细节(比如产品文案的调性、用户评论的情绪)
3. 想跨产品对比某个细节时,又得重新翻原网页

现在我完全不做表格了。就正常浏览这些产品官网、用户评论、分析文章,然后直接问LifeContext:

"这些竞品里,哪些强调了'团队协作'?" → 它会列出所有提到这个的产品,还附上原文

"用户对Notion的定价有啥不满?" → 它从我看过的Reddit、Twitter、产品评论里把相关内容提出来

"上周看到那个'按使用量付费'的案例是哪家?" → 直接定位到那篇文章的具体段落

就像把所有竞品信息装进了个可以聊天的数据库,随时能用人话查询、对比。

更关键的是,它记的不只是"事实",还有"上下文"。比如我问"Figma的定价为啥大家觉得合理",它不光告诉我价格,还会引用我看过的关于"设计师对工具付费意愿"的讨论——这些背景信息才是真正有用的。

工作方式变了

用了几个月,发现自己做竞品分析的套路完全不一样了。

以前:先定研究框架 → 按框架收集信息 → 整理成文档 → 得出结论现在:开放式地看(包括看起来没啥关系的内容) → 让"智能洞察"帮我发现盲区 → 用"网页记忆"随时调信息对比 → 在更全的信息基础上做判断

最大的变化是:我不怕"看得太杂"了。以前一天看50个网页,第二天基本啥都不记得,信息过载反而让决策更乱。现在这些都被LifeContext记着,我随时能通过对话把它们"召回来"。

这样我就敢去看那些"好像不太相关"的内容了——往往这些边缘信息,反而能带来意外的发现。

写在最后

如果你也经常做竞品分析、市场研究这类需要"看很多东西+深度思考"的活儿,可以试试LifeContext。

开源的,本地存储,不上传数据(这点对产品经理挺重要的——竞品资料都是敏感信息)。

它改变的不是某个具体操作,而是整个工作方式:不是逼自己变成"更有条理的信息整理机器",而是把整理这事儿交给AI,自己专心想事情、做判断。

产品经理的核心能力不是"整理信息",是"在信息不完整的情况下做出靠谱的判断"。要做到这点,得先知道自己的认知盲区在哪。