第一步：搞清楚 AI 为什么会提他
在 AI 回答里，重点关注三件事：
- 引用了哪些来源：AI 通常会列出参考来源。把这些来源记录下来，这是最直接的情报。
- 为什么用那些来源：是百科、行业媒体、垂直平台，还是他自己的官网？这反映了 AI 在该品类上的信源偏好。
- AI 用什么措辞描述他：是「常见选择」「知名品牌」还是「推荐」？措辞反映了采信程度。
第二步：对照自己的缺口
把这些来源整理成一张表，逐条对照：
- 这些位置上有没有你的信息？
- 如果有，表述是否规范、是否一致、是否够详细？
- 如果没有，为什么没有——是没做，还是做了但没被采信？
缺口最大的位置，通常也是机会最大的位置。
第三步：按性价比排序
不是所有缺口都值得补。按「影响大 + 成本低」排序：
- 低成本的规范性问题：实体信息不一致、AI 爬虫被拦、结构化数据缺失。这些修好可能立刻见效。
- 内容深度缺口：竞品在某类问题上内容薄弱，而你有素材。这是最容易建立差异的位置。
- 第三方信源缺口：行业目录、协会名录、专业平台的公开信息。需要时间和渠道资源。
- 高成本的位置：竞品已经深耕多年的媒体关系或大型内容体系。投入产出比通常不划算。
第四步：在自己擅长的领域建立纵深
正面竞争效率低，更有效的策略是在竞品覆盖薄弱但客户真实关心的领域建立内容纵深。比如：
- 竞品讲通用能力，你讲具体场景的解决方案。
- 竞品讲产品功能，你讲选型和判断标准。
- 竞品覆盖主流品类，你覆盖细分品类和特殊工况。
当客户的问题足够具体时，AI 会优先引用能精确回答的内容——这是小企业可以赢的地方。
要避免的三件事
- 在内容中直接比较或贬低竞品：存在商业诋毁的法律风险，也降低自身专业形象。
- 照搬竞品的内容结构：既容易被判为雷同内容，也无助于建立差异。
- 用批量内容强行覆盖：在错误的方向上加量，只会消耗预算。
一个长期视角
AI 对品类的认知不是固定的，它随着公开材料的丰富程度变化。竞品当前的位置来自过去积累的信源，而任何一个信源薄弱的新角度，都是重新分配位置的机会。
与其盯着他有什么，不如问：客户在这个品类上还有哪些问题没被好好回答？