一句话定义
竞品基准分析（Competitive Benchmarking）是在统一比较边界和指标口径下，将品牌与选定竞品或参照标准进行系统对照的方法。
可以把它理解成同场、同尺、同时间的「体能测试」。如果一个品牌统计全部渠道，另一个只统计单个平台；一个看全年，另一个看活动周，再精致的图表也没有可比意义。
为什么重要
绝对数只能说明品牌自身变化，基准分析补充了竞争位置。但差距不等于原因：竞品声量更高，可能来自活动、危机、渠道覆盖或统计口径；AI 推荐更多，也可能只发生在特定问题。基准分析必须先保证可比，再解释差距。
| 概念 | 主要用途 | 与竞品基准分析的区别 |
|---|---|---|
| 排名 | 展示相对次序 | 可能不解释口径和差距原因 |
| 竞品监测 | 持续发现变化 | 负责信号获取，不一定形成统一比较 |
| 竞争情报 | 支持竞争决策的完整循环 | 基准分析是其中一种方法 |
| 竞品基准分析 | 在同口径下识别相对差距 | 强调可比边界、证据和解释 |
先过可比性闸门
任何对比进入图表前，都应回答下面三个问题：
| 闸门 | 通过条件 | 未通过时怎么处理 |
|---|---|---|
| 对象一致 | 品牌、产品层级和用户场景能够对应 | 拆成不同组，不强行并排 |
| 窗口一致 | 时间、地区、语言和渠道范围相同 | 重取同窗口数据或标明不可比 |
| 规则一致 | 分子、分母、去重和人工判定相同 | 先统一口径，再计算差距 |
只要一道闸门未通过，结果就只能作为线索，不能写成稳定基准。缺失值也应保留为未知，不能用零补齐后继续排名。
分析机制
可靠的基准分析可按六步进行：
- 明确决策问题。 判断要支持定位、内容、产品、声誉还是 AI 可见性决策。
- 选择竞争集。 优先选择用户真实会共同考虑的品牌，区分战略竞品和临时对手。
- 固定比较边界。 对齐渠道、地区、语言、时间、产品层级和用户场景。
- 定义指标。 写清分子、分母、去重、缺失值和人工判定规则。
- 解释差距。 回到内容、来源、议题、受众和业务动作寻找可能原因。
- 连接行动与复测。 明确补强、核验、观察或暂不行动，并保留下一周期同口径。
AI 答案场景还应固定问题集、模型和提问版本。单次问答可作为线索，不能直接构成稳定基准。
应用场景
- -比较品牌与竞品的 AI 提及率、推荐率和 Answer SoV。
- -对照三类媒体中的声量、情感、议题和来源结构。
- -分析竞品内容覆盖了哪些用户问题与场景。
- -识别品牌在产品事实、品类定位或内容证据上的缺口。
- -为季度竞争复盘建立可重复的观察框架。
判断与使用边界
- -[ ] 竞争集来自真实决策场景，而非只选方便比较的对象。
- -[ ] 所有品牌使用同一采集窗口和判定规则。
- -[ ] 缺失数据明确标记，不用零值替代未知。
- -[ ] 声量、情感、推荐和准确性不强行合成无解释总分。
- -[ ] 差距原因标明证据强弱，不把相关性写成因果。
竞品基准分析不能证明谁「整体更好」，也不存在可直接套用的通用权重。不同业务目标需要不同维度，口径改变时必须重新建立基线。
延伸阅读
竞品基准分析的可信度不来自图表数量，而来自同场、同尺、同时间，以及每个差距都能回到证据和边界。