2024年AI赛道是千军万马过独木桥——所有人都说自己是AI助手。定位不清晰被淹没。这篇文章用April Dunford的《Obviously Awesome》方法论结合2026年AI产品的实战案例Cursor/Perplexity/Manus/Devin讲透AI产品如何定位才能脱颖而出。一句话总结AI产品定位 选对参考系vs谁竞争 差异化能力 能力背后的真实价值 谁需要这个价值 用什么市场类别承载。在AI红海中不是技术最强的赢而是定位最准的赢。1. 为什么AI产品定位特别难1.1 三大独特挑战1. 同质化严重 所有人都用GPT-5.5/Claude Opus 4.7的API 底层能力差距小差异化难讲 2. 类别混乱 AI助手是什么AI Agent算什么类别 用户根本不知道把你放在哪个货架 3. 价值难量化 提升效率——具体多少 更智能——智能在哪1.2 红海中的两种死法死法1: 我们有AI → 谁不有AI毫无差异化 死法2: 我们做所有事 → 通用产品被垂直产品蚕食1.3 定位的本质定位 帮用户在脑子里给你贴个标签。标签错了营销/销售/产品全都白费。April Dunford在《Obviously Awesome》里说“最好的产品不是赢的产品定位最好的产品才是。”2. April Dunford五步定位法2.1 五步框架Step 1: 列竞争对手用户用过/能用的替代方案 ↓ Step 2: 找差异化能力你能做但别人做不到的 ↓ Step 3: 翻译成真实价值差异化对用户意味着什么 ↓ Step 4: 锁定理想用户最在意这个价值的人 ↓ Step 5: 选市场类别用什么类别承载你的价值2.2 关键洞察传统思路: 我有什么功能 → 谁会用 Dunford思路: 我有什么独特价值 → 谁最在意 → 市场类别匹配3. Step 1列竞争对手 — 别忘了做没做3.1 三种竞争对手1. 直接竞争同类产品 Cursor的直接竞争: GitHub Copilot, Codeium 2. 间接竞争解决同样问题的不同方式 Cursor的间接竞争: VSCode ChatGPT手动复制粘贴 3. 什么都不做用户当前的方案 Cursor的做没做: 程序员用VSCode 自己写代码3.2 致命错误忘了做没做反例: 我们的AI写作助手比Notion AI更智能 → 用户我现在用Word ChatGPT就够了 正确做法: 分析用户为什么不换——这是定位的关键3.3 实战案例Manus的竞争对手分析1. 直接竞争: Devin专业Agent、各种AI Agent平台 2. 间接竞争: ChatGPT手动一步步问 自己执行 3. 做没做: 用户自己一步步用ChatGPT、雇人 Manus的竞争策略: - vs Devin: 我们更通用不只是coding - vs ChatGPT: 我们能完整执行不只是回答 - vs 做没做: 你不需要一步步指导提交任务就走4. Step 2找差异化能力 — 不是功能多4.1 真差异化 vs 假差异化假差异化: ❌ 我们用GPT-5.5人人都用 ❌ 我们界面好看容易复制 ❌ 我们功能多功能堆砌不是优势 真差异化: ✅ 独特的数据资产用户独有的代码/对话/工作流 ✅ 工作流深度集成不可拆解 ✅ 用户独特的使用习惯切换成本高 ✅ 技术栈的独特组合架构上的领先4.2 案例Cursor的真差异化Cursor做的事看起来不难: - VSCode fork - 集成LLM API - 加点UI 但真差异化在哪里 1. Codebase Indexing整个仓库索引 → 别的工具只看当前文件 → Cursor能跨文件理解 2. Agent模式Composer → 别的工具只是补全 → Cursor能跨多文件自主执行 3. 模型路由系统 → 简单任务用Haiku复杂用Opus → 用户感受不到但成本/质量/速度全部优化 4. 用户行为数据飞轮 → 数百万开发者使用 → 训练专属补全模型 → 体验更好 → 更多用户 → 数据更多抽出共性Cursor的差异化不是单点功能是系统性的工程优势——别人短期内复制不了。4.3 案例Perplexity的真差异化Perplexity是什么 表面: AI搜索 实际差异化: 1. 实时搜索 LLM生成的工程整合 → ChatGPT可以联网但搜索质量差 → Perplexity的搜索引擎是自研的 2. 引用机制 → 每个事实都有出处 → 可信度比ChatGPT高 3. Pro Search的agent化 → 不只是搜索是多步骤研究 4. 学术/金融垂直 → 专业用户的细分场景5. Step 3翻译成真实价值 — From-To叙事5.1 价值翻译公式能力What ↓ 特性So What ↓ 价值Why You Care ↓ 情感How You Feel5.2 实战案例Claude Code能力: 命令行Agent 自主完成编程任务 特性So What: - 你说意图AI执行 - 跨多文件操作 - 长任务支持 价值Why You Care: - 从写代码升级到设计系统审阅 - 重复任务自动化 - 时间花在高价值决策上 情感How You Feel: - 我的工作变高级了 - 我能在更高层次思考 - 我配得起更高的薪水注意最后的情感价值——这才是真正打动人的层面。5.3 反例糟糕的价值翻译我们的AI能处理1M token上下文 → 用户so what 我们的AI能一次性看完整个代码库 → 用户so what 你不再需要为AI挑选哪些文件相关而烦恼 AI自己理解全局给你最准确的建议 → 用户哦这对我有用翻译的关键从我们牛切换到你受益。5.4 From-To叙事框架以前你不得不___但有了我们你可以___ 例: 以前你不得不一句一句问ChatGPT 但有了Manus你可以提交任务就走 以前你不得不在VSCode和ChatGPT之间来回复制粘贴 但有了CursorAI直接在编辑器里改代码 以前你不得不读10篇博客自己总结 但有了PerplexityAI给你带引用的精炼答案6. Step 4锁定理想用户 — 不是所有人6.1 ICP理想客户画像ICP不是市场调研出来的是从你最满意的客户中提取的。找到20个最忠诚/付费最高的客户 分析他们的共性: - 角色职业/职位 - 公司规模 - 痛点严重度 - 预算 - 决策流程 - 已有工具栈 → 提炼出ICP特征6.2 反模式贪心症错误的ICP: 所有需要写作的人 所有开发者 所有企业 → 万金油 没有人买 正确的ICP: Cursor早期: 讨厌Copilot侧边栏的高级开发者 Manus早期: 需要长程任务但讨厌一步步引导AI的产品经理 Devin: 团队人手不足、有大量重复coding任务的小团队CTO6.3 ICP的演化0→1阶段: 极窄ICP10-100个客户 1→10阶段: 扩大ICP多场景 10→100阶段: 垂直分层不同ICP不同产品线 不要在0→1阶段就追求覆盖所有人6.4 实战怎么找你的ICP问题清单: 1. 谁付费最痛快不是被薅羊毛的是真心觉得值的 2. 谁推荐你给同行NPS高的群体 3. 谁深度使用不是浅尝辄止 4. 他们的共同点是什么角色/痛点/已有工具 → 这就是你的ICP7. Step 5选市场类别 — 货架在哪里7.1 类别的力量类别决定: - 用户脑中的位置货架在哪 - 对标的对象vs 谁定价 - 销售线索的来源哪些Channel - 投资人的兴趣哪些VC关注7.2 三种类别策略1. 进入既有类别Adopt风险低但需要做差异化 例: Cursor说我是更好的VSCode/IDE → 进入代码编辑器既有类别 → 只需要解释为什么比VSCode好2. 创建新类别Create风险高但天花板高 例: Manus说我是通用AI Agent → 创造新类别通用Agent → 自己定义市场没有比较对象3. 重新定义类别Reframe风险中但能颠覆现状 例: Perplexity说我不是AI助手是AI搜索引擎 → 重新框架搜索类别 → 把Google拖进比较不是ChatGPT7.3 类别选择的常见错误错误1: 类别太大太空 AI助手 → 范围模糊 AI Agent → 同质化严重 错误2: 类别太小太窄 专门给宠物店用的AI客服 → 市场太小 错误3: 类别错位 AI写作工具自定位为AI生产力 → 用户不会在生产力货架找写作工具7.4 怎么选对类别判断标准: 1. 用户痛苦时会搜什么搜索词决定类别 2. 同行是谁同行的类别就是你的可能类别 3. 哪个类别预算多B2B采购按类别分预算 例: AI编程类别 → 预算来自Engineering部门 AI客服类别 → 预算来自Customer Support部门 AI Agent类别 → 预算来源不明这就是新类别的风险8. 实战完整定位案例 — 一个虚拟的AI Agent产品8.1 场景你是创业者做了一个AI法律研究AgentStep 1: 列竞争对手直接: Harvey AI、Casetext CoCounsel 间接: ChatGPT 律师手动检索 做没做: 律师助理 Westlaw/LexisNexis数据库Step 2: 找差异化我们的真差异化: 1. 中国法律的专属训练其他都是英美法系 2. 实时连接最高人民法院判例库 3. 输出可追溯每个法条/判例都有引用 4. 律所工作流深度集成Word/邮件/案件管理Step 3: 翻译价值能力: 中国法律研究Agent 特性: - 不需要切换工具 - 答案可信可追溯 - 中国法专精 价值: - 从3小时检索到3分钟得到答案 - 不再担心引用错误判例 - 中小律所也能享有大所水平的研究能力 情感: - 我能更专注于客户咨询而不是查资料 - 我的小所能和大所同台竞争Step 4: 锁定ICP理想客户: - 中国境内 - 3-30人规模律所个人律师付费力低超大律所有自建 - 商事/民事诉讼为主刑事政治敏感 - 业务量大、人手紧最痛点 - 合伙人有创新意愿决策权在合伙人Step 5: 选市场类别候选类别: A) AI Agent → 太宽律所不知道在哪买 B) Legal Tech → 既有类别但和Westlaw竞争 C) AI法律研究助手 → 新类别需要市场教育 D) 中国律师的AI Co-pilot ⭐ → 选这个 理由: - 锚定明确中国 律师 - 价值清晰Co-pilot不是替代 - 类别足够独特但用户能理解 - 预算来源明确律所IT预算8.2 定位陈述One-Liner我们是中国律师的AI Co-pilot—— 专门为3-30人律所打造 让你的研究效率提升60倍 答案100%可追溯到正式判例。 这个一句话定位包含: ✅ 类别: AI Co-pilot ✅ ICP: 中国 3-30人律所 ✅ 差异化: 中国法专精 可追溯 ✅ 价值: 60倍效率提升 ✅ 信任锚点: 100%可追溯9. AI产品定位的反模式 ⚠️9.1 反模式1技术驱动定位错误: 我们用了最先进的多Agent架构 正确: 你的客服团队再也不会爆单 技术是手段不是定位9.2 反模式2与GPT/Claude直接对标错误: 我们比ChatGPT更智能 → 注定输 正确: 在XX场景下我们比通用工具好10倍9.3 反模式3定位即口号错误: 把slogan当定位Smart, Fast, Easy 正确: 定位是产品决策的指南针 定位回答的不是怎么做营销 而是我们做什么/不做什么9.4 反模式4定位摇摆2024年: 我们是AI助手 2025年: 我们是AI Agent 2026年: 我们是Agent OS → 用户晕了 → SEO/品牌资产清零 → 投资人不知道你是谁 定位要稳定演化要慢9.5 反模式5忽略做没做用户当前用什么 80%的先进AI产品输给用户用ChatGPT/Excel/笔记本就够了 → 定位必须回答为什么用户要换10. 2026年成功定位的AI产品共性产品类别选择核心定位关键洞察Cursor“AI IDE”开发者最爱的AI IDE不创造新类别做好既有类别Perplexity“AI搜索”答案有据可查Reframe搜索类别VS GoogleClaude Code“Coding Agent”命令行AI Agent极简定位演化清晰Manus“通用AI Agent”全球首款通用AI Agent创造新类别先入者占位Devin“AI软件工程师”第一个AI Software Engineer和软件工程师对标不是和工具Intercom Fin“AI客服”按解决数收费的AI Agent在既有类别里用定价创新差异化共性类别清晰用户秒懂在哪个货架差异化具体不是空泛的更智能ICP明确不是所有人价值翻译到位情感理性不和GPT/Claude直接撞避开巨头主战场11. 面试高频问题Q1为什么AI产品定位特别难三个原因(1)同质化严重——大家底层都用GPT/Claude API(2)类别混乱——AI助手什么都不是(3)价值难量化——提升效率具体多少必须用Dunford五步法系统性破局。Q2April Dunford的五步法核心是什么不是我有什么功能 → 谁会用而是独特价值→谁最在意→市场类别。从用户视角出发不是从产品视角。Q3怎么找真差异化排除假差异化用GPT-5.5不算人人有、UI好看不算容易抄、功能多不算堆砌不是优势。真差异化独特数据、工作流集成、用户切换成本、技术栈独特组合。Cursor的差异化是系统性工程优势——别人短期复制不了。Q4怎么避免我们做所有人的生意陷阱找你的ICP不是市场调研是从你最满意的20个客户中提炼共性——角色、规模、痛点、预算、工具栈。0→1阶段的ICP越窄越好10-100客户。“所有人都是客户” 没有人会买。Q5什么时候选既有类别 vs 创造新类别既有类别风险低需要差异化Cursor “AI IDE”。创造新类别风险高天花板高Manus “通用Agent”。Reframe既有类别颠覆现状Perplexity把Google拖进比较。初创公司一般先进既有类别做大后再Reframe。Q6为什么不能直接和GPT/Claude对标(1) 输不起的对标——你不可能比OpenAI/Anthropic更通用智能(2) 类别错位——你卖的是垂直方案不是通用模型(3) 用户认知冲突——用户用GPT/Claude时是另一种心智。永远在垂直场景说在XX场景下我比通用工具好10倍。总结步骤核心反模式1. 列竞争对手别忘了做没做只看直接竞争2. 找差异化系统性优势单点功能3. 翻译价值情感理性技术驱动叙事4. 锁定ICP极窄到极满意客户所有人陷阱5. 选类别用户脑中货架类别太大太空AI产品定位的核心原则不是技术最强的赢是定位最准的赢同质化越严重定位越重要不要和GPT/Claude直接对标——你输不起ICP越窄越好早期——10个忠诚客户1000个浅试用户类别决定一切——决定货架/对标/预算来源定位要稳定——2-3年不变演化要慢真差异化是系统性优势——单点功能不是护城河给你的AI产品的定位起手式先回答我替代了什么——不是我添加了什么找你最满意的10个客户——共性就是ICP对标做没做——为什么用户要换选个清晰类别——用户能秒懂的货架翻译价值到情感——理性买单感性付费路易乔布斯 © 2026 | AI Agent RAG学习计划 · 模块05-商业化 · 第三篇完结参考资源April Dunford, “Obviously Awesome: How to Nail Product Positioning”, 2019April Dunford, “Sales Pitch”, 2023a16z, “Positioning AI Products in 2026”, 2026
【系统学AI】21 AI产品定位：April Dunford方法在AI红海中的应用
2024年AI赛道是千军万马过独木桥——所有人都说自己是AI助手。定位不清晰被淹没。这篇文章用April Dunford的《Obviously Awesome》方法论结合2026年AI产品的实战案例Cursor/Perplexity/Manus/Devin讲透AI产品如何定位才能脱颖而出。一句话总结AI产品定位 选对参考系vs谁竞争 差异化能力 能力背后的真实价值 谁需要这个价值 用什么市场类别承载。在AI红海中不是技术最强的赢而是定位最准的赢。1. 为什么AI产品定位特别难1.1 三大独特挑战1. 同质化严重 所有人都用GPT-5.5/Claude Opus 4.7的API 底层能力差距小差异化难讲 2. 类别混乱 AI助手是什么AI Agent算什么类别 用户根本不知道把你放在哪个货架 3. 价值难量化 提升效率——具体多少 更智能——智能在哪1.2 红海中的两种死法死法1: 我们有AI → 谁不有AI毫无差异化 死法2: 我们做所有事 → 通用产品被垂直产品蚕食1.3 定位的本质定位 帮用户在脑子里给你贴个标签。标签错了营销/销售/产品全都白费。April Dunford在《Obviously Awesome》里说“最好的产品不是赢的产品定位最好的产品才是。”2. April Dunford五步定位法2.1 五步框架Step 1: 列竞争对手用户用过/能用的替代方案 ↓ Step 2: 找差异化能力你能做但别人做不到的 ↓ Step 3: 翻译成真实价值差异化对用户意味着什么 ↓ Step 4: 锁定理想用户最在意这个价值的人 ↓ Step 5: 选市场类别用什么类别承载你的价值2.2 关键洞察传统思路: 我有什么功能 → 谁会用 Dunford思路: 我有什么独特价值 → 谁最在意 → 市场类别匹配3. Step 1列竞争对手 — 别忘了做没做3.1 三种竞争对手1. 直接竞争同类产品 Cursor的直接竞争: GitHub Copilot, Codeium 2. 间接竞争解决同样问题的不同方式 Cursor的间接竞争: VSCode ChatGPT手动复制粘贴 3. 什么都不做用户当前的方案 Cursor的做没做: 程序员用VSCode 自己写代码3.2 致命错误忘了做没做反例: 我们的AI写作助手比Notion AI更智能 → 用户我现在用Word ChatGPT就够了 正确做法: 分析用户为什么不换——这是定位的关键3.3 实战案例Manus的竞争对手分析1. 直接竞争: Devin专业Agent、各种AI Agent平台 2. 间接竞争: ChatGPT手动一步步问 自己执行 3. 做没做: 用户自己一步步用ChatGPT、雇人 Manus的竞争策略: - vs Devin: 我们更通用不只是coding - vs ChatGPT: 我们能完整执行不只是回答 - vs 做没做: 你不需要一步步指导提交任务就走4. Step 2找差异化能力 — 不是功能多4.1 真差异化 vs 假差异化假差异化: ❌ 我们用GPT-5.5人人都用 ❌ 我们界面好看容易复制 ❌ 我们功能多功能堆砌不是优势 真差异化: ✅ 独特的数据资产用户独有的代码/对话/工作流 ✅ 工作流深度集成不可拆解 ✅ 用户独特的使用习惯切换成本高 ✅ 技术栈的独特组合架构上的领先4.2 案例Cursor的真差异化Cursor做的事看起来不难: - VSCode fork - 集成LLM API - 加点UI 但真差异化在哪里 1. Codebase Indexing整个仓库索引 → 别的工具只看当前文件 → Cursor能跨文件理解 2. Agent模式Composer → 别的工具只是补全 → Cursor能跨多文件自主执行 3. 模型路由系统 → 简单任务用Haiku复杂用Opus → 用户感受不到但成本/质量/速度全部优化 4. 用户行为数据飞轮 → 数百万开发者使用 → 训练专属补全模型 → 体验更好 → 更多用户 → 数据更多抽出共性Cursor的差异化不是单点功能是系统性的工程优势——别人短期内复制不了。4.3 案例Perplexity的真差异化Perplexity是什么 表面: AI搜索 实际差异化: 1. 实时搜索 LLM生成的工程整合 → ChatGPT可以联网但搜索质量差 → Perplexity的搜索引擎是自研的 2. 引用机制 → 每个事实都有出处 → 可信度比ChatGPT高 3. Pro Search的agent化 → 不只是搜索是多步骤研究 4. 学术/金融垂直 → 专业用户的细分场景5. Step 3翻译成真实价值 — From-To叙事5.1 价值翻译公式能力What ↓ 特性So What ↓ 价值Why You Care ↓ 情感How You Feel5.2 实战案例Claude Code能力: 命令行Agent 自主完成编程任务 特性So What: - 你说意图AI执行 - 跨多文件操作 - 长任务支持 价值Why You Care: - 从写代码升级到设计系统审阅 - 重复任务自动化 - 时间花在高价值决策上 情感How You Feel: - 我的工作变高级了 - 我能在更高层次思考 - 我配得起更高的薪水注意最后的情感价值——这才是真正打动人的层面。5.3 反例糟糕的价值翻译我们的AI能处理1M token上下文 → 用户so what 我们的AI能一次性看完整个代码库 → 用户so what 你不再需要为AI挑选哪些文件相关而烦恼 AI自己理解全局给你最准确的建议 → 用户哦这对我有用翻译的关键从我们牛切换到你受益。5.4 From-To叙事框架以前你不得不___但有了我们你可以___ 例: 以前你不得不一句一句问ChatGPT 但有了Manus你可以提交任务就走 以前你不得不在VSCode和ChatGPT之间来回复制粘贴 但有了CursorAI直接在编辑器里改代码 以前你不得不读10篇博客自己总结 但有了PerplexityAI给你带引用的精炼答案6. Step 4锁定理想用户 — 不是所有人6.1 ICP理想客户画像ICP不是市场调研出来的是从你最满意的客户中提取的。找到20个最忠诚/付费最高的客户 分析他们的共性: - 角色职业/职位 - 公司规模 - 痛点严重度 - 预算 - 决策流程 - 已有工具栈 → 提炼出ICP特征6.2 反模式贪心症错误的ICP: 所有需要写作的人 所有开发者 所有企业 → 万金油 没有人买 正确的ICP: Cursor早期: 讨厌Copilot侧边栏的高级开发者 Manus早期: 需要长程任务但讨厌一步步引导AI的产品经理 Devin: 团队人手不足、有大量重复coding任务的小团队CTO6.3 ICP的演化0→1阶段: 极窄ICP10-100个客户 1→10阶段: 扩大ICP多场景 10→100阶段: 垂直分层不同ICP不同产品线 不要在0→1阶段就追求覆盖所有人6.4 实战怎么找你的ICP问题清单: 1. 谁付费最痛快不是被薅羊毛的是真心觉得值的 2. 谁推荐你给同行NPS高的群体 3. 谁深度使用不是浅尝辄止 4. 他们的共同点是什么角色/痛点/已有工具 → 这就是你的ICP7. Step 5选市场类别 — 货架在哪里7.1 类别的力量类别决定: - 用户脑中的位置货架在哪 - 对标的对象vs 谁定价 - 销售线索的来源哪些Channel - 投资人的兴趣哪些VC关注7.2 三种类别策略1. 进入既有类别Adopt风险低但需要做差异化 例: Cursor说我是更好的VSCode/IDE → 进入代码编辑器既有类别 → 只需要解释为什么比VSCode好2. 创建新类别Create风险高但天花板高 例: Manus说我是通用AI Agent → 创造新类别通用Agent → 自己定义市场没有比较对象3. 重新定义类别Reframe风险中但能颠覆现状 例: Perplexity说我不是AI助手是AI搜索引擎 → 重新框架搜索类别 → 把Google拖进比较不是ChatGPT7.3 类别选择的常见错误错误1: 类别太大太空 AI助手 → 范围模糊 AI Agent → 同质化严重 错误2: 类别太小太窄 专门给宠物店用的AI客服 → 市场太小 错误3: 类别错位 AI写作工具自定位为AI生产力 → 用户不会在生产力货架找写作工具7.4 怎么选对类别判断标准: 1. 用户痛苦时会搜什么搜索词决定类别 2. 同行是谁同行的类别就是你的可能类别 3. 哪个类别预算多B2B采购按类别分预算 例: AI编程类别 → 预算来自Engineering部门 AI客服类别 → 预算来自Customer Support部门 AI Agent类别 → 预算来源不明这就是新类别的风险8. 实战完整定位案例 — 一个虚拟的AI Agent产品8.1 场景你是创业者做了一个AI法律研究AgentStep 1: 列竞争对手直接: Harvey AI、Casetext CoCounsel 间接: ChatGPT 律师手动检索 做没做: 律师助理 Westlaw/LexisNexis数据库Step 2: 找差异化我们的真差异化: 1. 中国法律的专属训练其他都是英美法系 2. 实时连接最高人民法院判例库 3. 输出可追溯每个法条/判例都有引用 4. 律所工作流深度集成Word/邮件/案件管理Step 3: 翻译价值能力: 中国法律研究Agent 特性: - 不需要切换工具 - 答案可信可追溯 - 中国法专精 价值: - 从3小时检索到3分钟得到答案 - 不再担心引用错误判例 - 中小律所也能享有大所水平的研究能力 情感: - 我能更专注于客户咨询而不是查资料 - 我的小所能和大所同台竞争Step 4: 锁定ICP理想客户: - 中国境内 - 3-30人规模律所个人律师付费力低超大律所有自建 - 商事/民事诉讼为主刑事政治敏感 - 业务量大、人手紧最痛点 - 合伙人有创新意愿决策权在合伙人Step 5: 选市场类别候选类别: A) AI Agent → 太宽律所不知道在哪买 B) Legal Tech → 既有类别但和Westlaw竞争 C) AI法律研究助手 → 新类别需要市场教育 D) 中国律师的AI Co-pilot ⭐ → 选这个 理由: - 锚定明确中国 律师 - 价值清晰Co-pilot不是替代 - 类别足够独特但用户能理解 - 预算来源明确律所IT预算8.2 定位陈述One-Liner我们是中国律师的AI Co-pilot—— 专门为3-30人律所打造 让你的研究效率提升60倍 答案100%可追溯到正式判例。 这个一句话定位包含: ✅ 类别: AI Co-pilot ✅ ICP: 中国 3-30人律所 ✅ 差异化: 中国法专精 可追溯 ✅ 价值: 60倍效率提升 ✅ 信任锚点: 100%可追溯9. AI产品定位的反模式 ⚠️9.1 反模式1技术驱动定位错误: 我们用了最先进的多Agent架构 正确: 你的客服团队再也不会爆单 技术是手段不是定位9.2 反模式2与GPT/Claude直接对标错误: 我们比ChatGPT更智能 → 注定输 正确: 在XX场景下我们比通用工具好10倍9.3 反模式3定位即口号错误: 把slogan当定位Smart, Fast, Easy 正确: 定位是产品决策的指南针 定位回答的不是怎么做营销 而是我们做什么/不做什么9.4 反模式4定位摇摆2024年: 我们是AI助手 2025年: 我们是AI Agent 2026年: 我们是Agent OS → 用户晕了 → SEO/品牌资产清零 → 投资人不知道你是谁 定位要稳定演化要慢9.5 反模式5忽略做没做用户当前用什么 80%的先进AI产品输给用户用ChatGPT/Excel/笔记本就够了 → 定位必须回答为什么用户要换10. 2026年成功定位的AI产品共性产品类别选择核心定位关键洞察Cursor“AI IDE”开发者最爱的AI IDE不创造新类别做好既有类别Perplexity“AI搜索”答案有据可查Reframe搜索类别VS GoogleClaude Code“Coding Agent”命令行AI Agent极简定位演化清晰Manus“通用AI Agent”全球首款通用AI Agent创造新类别先入者占位Devin“AI软件工程师”第一个AI Software Engineer和软件工程师对标不是和工具Intercom Fin“AI客服”按解决数收费的AI Agent在既有类别里用定价创新差异化共性类别清晰用户秒懂在哪个货架差异化具体不是空泛的更智能ICP明确不是所有人价值翻译到位情感理性不和GPT/Claude直接撞避开巨头主战场11. 面试高频问题Q1为什么AI产品定位特别难三个原因(1)同质化严重——大家底层都用GPT/Claude API(2)类别混乱——AI助手什么都不是(3)价值难量化——提升效率具体多少必须用Dunford五步法系统性破局。Q2April Dunford的五步法核心是什么不是我有什么功能 → 谁会用而是独特价值→谁最在意→市场类别。从用户视角出发不是从产品视角。Q3怎么找真差异化排除假差异化用GPT-5.5不算人人有、UI好看不算容易抄、功能多不算堆砌不是优势。真差异化独特数据、工作流集成、用户切换成本、技术栈独特组合。Cursor的差异化是系统性工程优势——别人短期复制不了。Q4怎么避免我们做所有人的生意陷阱找你的ICP不是市场调研是从你最满意的20个客户中提炼共性——角色、规模、痛点、预算、工具栈。0→1阶段的ICP越窄越好10-100客户。“所有人都是客户” 没有人会买。Q5什么时候选既有类别 vs 创造新类别既有类别风险低需要差异化Cursor “AI IDE”。创造新类别风险高天花板高Manus “通用Agent”。Reframe既有类别颠覆现状Perplexity把Google拖进比较。初创公司一般先进既有类别做大后再Reframe。Q6为什么不能直接和GPT/Claude对标(1) 输不起的对标——你不可能比OpenAI/Anthropic更通用智能(2) 类别错位——你卖的是垂直方案不是通用模型(3) 用户认知冲突——用户用GPT/Claude时是另一种心智。永远在垂直场景说在XX场景下我比通用工具好10倍。总结步骤核心反模式1. 列竞争对手别忘了做没做只看直接竞争2. 找差异化系统性优势单点功能3. 翻译价值情感理性技术驱动叙事4. 锁定ICP极窄到极满意客户所有人陷阱5. 选类别用户脑中货架类别太大太空AI产品定位的核心原则不是技术最强的赢是定位最准的赢同质化越严重定位越重要不要和GPT/Claude直接对标——你输不起ICP越窄越好早期——10个忠诚客户1000个浅试用户类别决定一切——决定货架/对标/预算来源定位要稳定——2-3年不变演化要慢真差异化是系统性优势——单点功能不是护城河给你的AI产品的定位起手式先回答我替代了什么——不是我添加了什么找你最满意的10个客户——共性就是ICP对标做没做——为什么用户要换选个清晰类别——用户能秒懂的货架翻译价值到情感——理性买单感性付费路易乔布斯 © 2026 | AI Agent RAG学习计划 · 模块05-商业化 · 第三篇完结参考资源April Dunford, “Obviously Awesome: How to Nail Product Positioning”, 2019April Dunford, “Sales Pitch”, 2023a16z, “Positioning AI Products in 2026”, 2026
