Что внутри:
Метапромптинг: как заставить ИИ самому написать промпт для анализа конкурентов
Метод Франкенштейна: прогон через три нейросети (Claude, ChatGPT, Gemini) и синтез лучшего
Финальная сборка: все данные в одном месте → готовая презентация для клиента
Реальный кейс: анализ конкурентов для сайта по аутсорсингу бухгалтерии. С промптами, скриншотами и ссылками на итоговые материалы
Ко мне пришёл клиент — хочет продвигать аутсорсинг бухгалтерии. Перед тем как писать КП и запускать рекламу, нужно было разобраться в рынке: кто конкуренты, чем берут, где у них дыры.
Стандартный путь: садишься, открываешь 20 вкладок, ходишь по сайтам, заполняешь таблицу, пишешь выводы. Потом ещё упаковываешь в презентацию. У меня такой анализ раньше занимал 3–4 рабочих дня. Хорошо, если неделю.
Покажу, как мы сделали это же за один день и отдали клиенту готовую презентацию.
Шаг 0: Метапромптинг — пусть ИИ напишет промпт сам
Есть приём проще написания промптов вручную — попросить ИИ написать промпт за вас. Называется метапромптинг.
Самое противное в конкурентном анализе — написать нормальный промпт для Deep Research. Там нужно прописать роль, задачи, структуру таблиц, что смотреть по каждому конкуренту, формат вывода. Если делать вручную — минут сорок, и всё равно что‑нибудь забудешь.
Пишем в ChatGPT одно короткое сообщение:
Мне нужно сделать анализ конкурентов для сайта [ссылка].
Направление — аутсорсинг бухгалтерии.
Делать буду через Deep Research. Напиши промпт.
ChatGPT заходит на сайт клиента, вытаскивает контекст и пишет детальный промпт: с ролью, задачами, структурой сравнительных таблиц и инструкцией не выдумывать данные. Без единого напоминания
Получившийся промпт вышел примерно на 3 страницы. Привожу полностью — адаптируйте под свою нишу, замените название услуги и ссылку:
Ты — senior market researcher, конкурентный аналитик и стратег по digital-маркетингу в B2B-услугах.
Твоя задача: провести глубокий конкурентный анализ рынка услуги «аутсорсинг бухгалтерии» для проекта [ссылка на сайт] и подготовить результат в формате, пригодном для маркетинговой стратегии, упаковки оффера, сайта, рекламы и SEO.
ВАЖНО: исследование должно быть максимально прикладным, а не академическим. Фокус — именно на услуге аутсорсинга бухгалтерии в России. Итог должен отвечать на вопросы: с кем мы реально конкурируем за клиента, как конкуренты упаковывают услугу, какие офферы и триггеры у них работают, какие сегменты рынка уже перегреты, где есть слабые места конкурентов, как можно выгодно отстроиться.
ЧТО НУЖНО СДЕЛАТЬ:
Шаг 1. Определи конкурентное поле: прямые (продают именно бухгалтерский аутсорсинг), косвенные (онлайн-бухгалтерии, подписочные сервисы, юридические компании с бухгалтерским блоком, франшизы), агрегаторы. Сначала длинный список, потом сократи до ТОП-10 прямых, ТОП-5 косвенных, ТОП-5 с самым сильным маркетингом.
Шаг 2. Сделай подробную сравнительную таблицу по ТОП-конкурентам. Обязательные столбцы: конкурент / сайт / тип / основной сегмент ЦА / главный оффер / УТП / есть ли цены / есть ли лид-магнит / триггеры доверия / кейсы и отзывы / гарантии / сильные стороны / слабые стороны / что можно позаимствовать / какие уязвимости использовать в позиционировании.
Шаг 3. Разбери упаковку каждого сильного конкурента отдельно: позиционирование, оффер, структура сайта, CTA, SEO, рекламные посылы, триггеры доверия.
Шаг 4. Сравни клиента с рынком честно: где сильнее, где слабее, чего не хватает на сайте.
Шаг 5. Анализ ценовых моделей: тарифы, логика ценообразования, демпинг, премиум.
Шаг 6. Найди паттерны, которые повторяются у всех: одинаковые офферы, избитые УТП, шаблонные блоки доверия. Что уже «замылилось».
Шаг 7. Предложи не менее 10 вариантов отстройки: по сегменту, специализации, скорости, гарантии, технологии, отрасли, модели оплаты. Для каждого — суть, почему может сработать, сложность внедрения.
Шаг 8. Сделай прикладные рекомендации по 5 направлениям: позиционирование, сайт, SEO, реклама, контент и доверие.
Шаг 9. Таблица приоритетов: гипотеза / направление / ожидаемый эффект / сложность внедрения / приоритет (high/medium/low) / почему это важно.
Формат отчёта: executive summary → карта конкурентного поля → таблица ТОП-конкурентов → подробный разбор сильнейших → сравнение клиента с рынком → анализ цен → паттерны и штампы → возможности для отстройки → рекомендации → таблица приоритетных гипотез → что сделать в первую очередь за ближайшие 30 дней.
Стиль: без воды, без общих слов, с конкретикой. Если не нашёл данных — так и пиши, не выдумывай. Приоритет источникам не старше 2 лет.
Всё. Копируем и идём в нейросети.
Временные затраты: пара минут на короткий запрос — и готовый промпт на 3 страницы. Раньше такое писали вручную и всё равно что‑нибудь забывали.
Шаг 1: Метод Франкенштейна — один промпт в три нейросети
Один и тот же промпт запускаем в три нейросети параллельно, потом собираем лучшее из каждой. Звучит избыточно — но есть причина. Нейросети часто противоречат друг другу. Там, где результаты совпадают — скорее всего правда. Там, где расходятся — перепроверяй руками.
Claude
Claude выдал всё по структуре промпта: портреты конкурентов, сравнительные таблицы, анализ офферов, сводку.
Интересные находки:
90% сайтов пишут одно и то же. «Сэкономим на налогах», «команда профессионалов», «ответственность застрахована». Все. Буквально все. Это уже не УТП, это шум.
Главный козырь клиента, который никто не занял: ни один из топ‑конкурентов не предлагает связку «аудит + абонентское обслуживание» в одном пакете. Я бы сам не обратил на это внимание — просто смотришь на одни вещи, а ИИ смотрит на другие.
Плюс Claude: форматирует таблицы чище остальных и в одну кнопку выгружает в Google Документы
ChatGPT (Deep Research)
Включаем думающую модель + глубокое мышление. Ждём до 40 минут — так работает Deep Research.
Те же инсайты, что и у Claude, но другими словами. А это хорошо: если две нейросети выдали одно и то же — скорее всего, не галлюцинация или ошибка, а реальный факт из открытых источников.
Конкретная цитата из результатов по бухгалтерии, которую ChatGPT нашёл на форуме: «Стал искать компанию, которая займётся раскруткой, Директом. Ценник высокий, гарантии не дают.» Это не нейросеть придумала — нашла где‑то в обсуждении предпринимателей.
Важно: ИИ иногда галлюцинирует и ошибается. Например, может написать, что у конкурента трафик 80 000 в месяц — и соврать. Или сослаться на статью 2019 года как на актуальную. Всегда проверяйте ссылки и даты вручную, особенно там, где конкретные цифры.
Gemini (Deep Research)
Gemini — многословен, как обычно. Инфу собирает качественно, особенно по источникам, но отчёт читать тяжело. Ощущение, что читаешь диссертацию.
Зато нашёл три вещи с цифрами, которых не было у других:
Главная угроза для аутсорсеров — банки. Сбер и Тинькофф раздают бесплатную бухгалтерию малому бизнесу и медленно съедают рынок снизу.
Точки роста — e‑commerce, IT и строительство. Там нестандартный учёт, банки с ним не справляются.
Незанятая ниша: комплексный аутсорсинг для компаний с бюджетом 80–170 тыс. руб./мес. Крупные игроки с такими не работают, фрилансеры не дают системного подхода.
И кнопка «Создать веб‑страницу» — нажимаешь, получаешь красиво оформленный HTML‑отчёт, который можно отправить клиенту прямо сейчас. Без Word, без PowerPoint, без дизайнера.
Кто выиграл?
Никто. В этом и суть метода Франкенштейна — берёшь лучшее от каждого:
Claude — структура, таблицы и выгрузка в Google Docs;
ChatGPT — глубина, цитаты из реальных обсуждений;
Gemini — цифры, источники и готовый HTML для клиента.
Шаг 2: Собираем всё в презентацию
Берём отчёты от ChatGPT и Gemini, закидываем оба в Claude одним сообщением:
Собери из этих двух отчётов единую презентацию для клиента.
Структура: рынок и тренды → боли аудитории → конкурентное поле → что уже не работает → ценовые модели → гипотезы для рекламы и сайта с приоритизацией
Claude выгружает в Google Slides — и можно идти к клиенту.
Что вошло в итоговую презентацию:
Структура рынка и тренды
Четыре главные боли аудитории
Конкурентное поле с оценкой насыщенности по сегментам
Пять одинаковых обещаний, которые уже не работают
Три ценовые модели на рынке
Таблица гипотез для сайта и рекламы с приоритизацией
Временные затраты:
Сбор данных (три нейросети параллельно): 1 час
Вычитка и отбор лучшего: 1–2 часа
Сборка презентации через Claude: 30 минут
Итого: 2,5–3,5 часа
Раньше на это уходила неделя.
Итоги
ИИ не делает анализ за вас — он агрегирует публичную информацию. Проверку данных и финальные выводы всё равно делает человек.
Метод работает для любой ниши: меняете название услуги в промпте — получаете анализ под свой рынок.
Там, где три нейросети совпадают в выводах — скорее всего правда. Там, где расходятся — перепроверяйте руками.
Галлюцинации неизбежны. Никогда не несите клиенту данные из ИИ‑отчёта без проверки источников.
Теги:
нейросетиchatgptgeminiclaudeмаркетинганализ конкурентовdeep researchпромптprompt engineeringинтернет-маркетингb2bAIХабы: Интернет‑маркетинг, Искусственный интеллект, Управление проектами, Развитие стартапа