案例分析简介

案例分析

案例分析的载体是产品拆解——把一个真实 AI 产品还原成它的决策过程：帮谁、解决什么问题、为什么现在做、技术方案怎么选、体验如何建立信任、商业上怎么闭环。拆解不是复述功能，而是回答「这个产品为什么长这样」。

拆解框架（六问）

对每个产品，回答以下问题：

1. 定位

• 帮谁、解决什么问题、为什么现在做？
• 一句话说清它的价值主张

2. 任务与场景

• 核心任务是什么？用户何时何地会用它？
• 任务有多痛、多频繁？

3. 技术方案

• 用了什么模型/技术？技术边界在哪？
• 为什么这样选（效果/成本/合规）？

4. 交互与体验

• 核心交互流是什么？
• 如何建立信任？出错如何兜底？

5. 商业

• 怎么收费？成本结构？毛利？
• 护城河是什么（数据、渠道、品牌、网络效应）？

6. 成败归因

• 做对了什么？做错了什么？
• 如果重来，你会怎么做？

案例索引

已收录的拆解按「应用层 AI vs 原生 AI」分类（呼应 实战栏目 的应用层/原生视角）：

原生 AI 对话助手（AI-first，产品从第一天围绕模型构建）：

• ChatGPT 拆解：一个 AI 原生产品的全文走查示范
• Claude 拆解
• 豆包拆解

原生 AI 编程：

• Cursor 拆解

应用层 AI（老产品加 AI 的典型）：

• Notion AI 拆解

系列建设中，欢迎投稿（见如何参与）。

与实战区的关系

实战栏目（AI 产品实战）给拆解提供框架与背景：它归纳的「六问」通用框架（任务、能力、交互、信任、合规、商业）正是案例分析的起点，本页的六问拆解框架是对它的落地裁剪。练习方法是先自己拆、再看别人怎么拆、对比差异——完整示范见 ChatGPT 拆解，按「定位 → 能力与迭代 → 交互与体验 → 商业模式 → 竞争格局 → 启示」逐层走查。

写作规范

• 基于公开信息，注明信息来源与日期
• 区分事实与推测
• 欢迎投稿到本站（见如何参与）

发现错误？想一起完善？ 在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用