需建立标准化六维对比框架与ai提示词链：定义产品名称等6个select属性及官网链接等3个text属性，预设选项；用指令式提示语引导notion ai从文本中提取结构化字段；导出csv交claude识别功能缺口等三类问题；通过ai标签实现语义聚类与自动归档。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望借助Notion AI高效生成结构清晰、数据可验证的竞品分析报告，但面临信息零散、字段不统一、手动填充耗时等问题，则可能是由于未建立标准化的数据对比框架与AI驱动的自动填充逻辑。以下是实现该目标的具体操作路径：
一、构建六维竞品数据对比框架
该步骤旨在定义可复用、可横向比对的结构化字段体系，确保所有竞品信息按统一维度归集，避免AI输出碎片化或维度错位。Notion AI依赖明确的属性命名与类型设定触发智能识别与填值行为。
1、在Notion中新建数据库，命名为“竞品分析主库”，选择“Table”视图。
2、点击右上角“Properties”，依次添加以下6个Select类型属性：产品名称、功能覆盖度、定价模型、目标用户群、核心痛点、负面关键词。
3、再添加3个Text类型属性：官网链接、应用商店评分、小红书提及高频句。
4、为每个Select属性预设标准选项，例如“定价模型”中固定填入“订阅制”“一次性买断”“Freemium”“按用量计费”四类，禁止自由输入。
二、配置AI自动填充字段的提示词链
该方法利用Notion AI的上下文理解能力，在单条数据库记录内嵌入指令式提示语，引导其从粘贴文本中精准提取并映射至对应属性字段，替代逐项人工录入。
1、在“竞品分析主库”中新建一条空白条目，于“Title”下方插入一个“/text”块，输入提示语：请从下方内容中提取：产品名称（仅1个）、功能覆盖度（高/中/低）、定价模型（从预设四类中选）、目标用户群（≤15字）、核心痛点（≤20字）、负面关键词（≤3个，用顿号分隔）；未提及项填“未说明”。
2、在同一页面另起一个“/text”块，粘贴从Perplexity抓取的竞品公开描述原文（含官网文案、App Store简介、小红书差评摘要）。
3、全选该段原文，点击右上角“⋯⋯”→“Ask AI”→选择“Extract info using prompt”，等待AI返回结构化字段值。
4、将AI输出结果中各字段值，分别拖拽或复制粘贴至数据库对应列，例如将“核心痛点”值填入“核心痛点”属性栏。
三、批量生成横向对比矩阵
此步骤将多个竞品的结构化字段数据导出为CSV，再通过外部AI工具执行跨行比对与缺口识别，最终反向注入Notion生成可视化矩阵，确保差异点可定位、可验证。
1、在“竞品分析主库”顶部点击“•••”→“Export”→选择“CSV”，保存本地。
2、打开Claude 3.5 Sonnet，上传该CSV文件，发送提示词：请基于表格中“功能覆盖度”“定价模型”“核心痛点”三列，识别出我方产品（名称：XX SaaS）与其他三款竞品之间的功能缺口（即我方支持而竞品均未支持）、表述矛盾（即竞品宣称支持但用户差评集中否定）、价格错位（即同类功能下我方定价显著偏离区间）。每类问题列出1项，标注对应产品名与原始字段值。
3、将Claude返回的三项识别结果，复制进Notion中新建的“对比洞察”页面，使用“/table”创建3列矩阵：问题类型、涉及产品、原始依据。
4、在该表格每行末尾手动插入“/callout”，填入对应竞品在“竞品分析主库”中的@关联链接，实现双向跳转。
四、设置动态标签与自动归档规则
该机制通过Notion AI对新入库条目的自然语言内容进行语义聚类，自动生成多标签并归类至对应分析阶段，减少人工分类成本，保障报告生成流程的连续性。
1、在“竞品分析主库”中新增一个Multi-select类型属性，命名为“AI标签”。
2、在数据库空白行中输入标题“【待分析】竞品A功能页截图文字”，随后在“AI标签”中手动选择“官网信息”“功能截图”“待验证”，AI将在后续新建条目中自动推荐这三类标签。
3、新建一条条目，标题为“小红书用户抱怨竞品B导出失败”，在“AI标签”中留空，点击“⋯⋯”→“Ask AI”→“Suggest tags”，AI将自动填入“负面反馈”“数据导出”“用户体验”。
4、进入“Views”→“+ Add a view”→选择“Gallery”，在“Filter”中设置“AI标签 contains 负面反馈”，即可一键调出全部用户真实声音条目用于报告引用。
