面对市场调研数据庞杂、战略会议流于形式，多数团队把AI当成搜索引擎，输出的分析空泛无用。本文提供两套可直接复制的提示词模板，以国产AI工具为例，演示如何将真实的经营数据转化为结构化的SWOT结论与商业模式拆解，并明确标注AI推测的边界，让业务负责人拿到可用的决策草稿。
为什么你的SWOT分析总是'团队年轻有活力'
很多管理者做季度规划时，SWOT分析里的优势总是“团队年轻有活力”这类空话，劣势又不敢写真问题；商业模式画布填完九个格子，战略会开完就束之高阁。引入AI后，大家期待提速，却发现AI生成的SWOT四项往往像教科书案例，放之四海而皆准；商业模式分析则堆砌行业黑话，离自己公司的回款周期、渠道成本距离很远。
问题的根源不在于模型不够聪明，而是使用者把“分析框架”和“分析素材”搞混了。AI擅长的是基于给定素材做结构化推理，而不是替你出席客户会议、翻看财务报表。如果你输入的只有“我是做SaaS的”这一句话，AI只能调用训练数据里的行业通识，输出自然空洞。
把AI定位成'结构化推理助理'而非行业先知
要把AI用出价值，首先得摆正它的角色：不是“行业先知”，而是“结构化推理助理”。输出的质量天花板由输入素材决定，而非模型参数。实际操作中遵循四条原则：输入决定上限，数据颗粒度越细结论越可用；框架是锚点，明确指定SWOT或商业模式画布，防止AI发散；事实与推测分离，要求AI标注结论来源；迭代优于一次性，先让AI提问补全信息，再输出完整分析。
与传统手工分析相比，AI辅助的特点如下：
| 维度 | 传统手工分析 | AI辅助分析 |
|---|---|---|
| 信息整合 | 依赖个人记忆，容易遗漏跨部门数据 | 可快速统合多份文档，但需人工校验 |
| 结构化 | 受限于主导者思维定式 | 强制按框架展开，避免缺项 |
| 客观性 | 常因部门立场美化劣势 | 可设定“挑战者视角”，但仍受提示词倾向影响 |
| 时效性 | 季度做一次已属难得 | 假设调整后可即时重跑 |
基于以上原则，第一套可直接复制的提示词模板如下：
你是一位战略分析助理。我将提供一家企业的真实经营信息，请你基于这些信息完成SWOT分析，不要引用训练数据中的行业通识。
>
输入信息：
- 主营业务：【具体产品或服务】
- 最近一年营收结构：【各业务线占比或关键数字】
- 核心客户群体：【B端/C端，地域分布】
- 当前最头痛的三个运营问题：【问题描述】
- 已知的政策或技术变动：【具体变动】
>
要求：
1. 每一项 Strengths/Weaknesses 必须对应上述输入中的具体事实
2. Opportunities/Threats 可基于事实做合理推演，但需用【推测】标注
3. 对每一条Weakness，给出一条可验证的改进指标
4. 最后输出一段“分析局限性说明”，指出哪些结论因数据不足可能不准
制造业MES公司年收入8000万的完整拆解示范
以一家主营制造业MES系统的中型公司为例，年收入约8000万元，客户集中在长三角，近半年老客户续约率从85%降至72%。
第一步，准备素材。运营负责人导出近半年流失客户访谈纪要（脱敏），财务提供收入结构表，产品负责人列出即将发布的AI质检模块清单。第二步，使用国产大模型上传素材，先让AI扮演“信息整理员”，提取战略相关事实。
第三步，运行SWOT提示词。AI输出中，Strengths列出“AI质检模块已进入POC阶段，有3家龙头客户参与”；Weaknesses指出“实施交付周期平均4.5个月，超过客户预算决策周期”；Opportunities中出现“长三角智改数转补贴政策延续”——被AI标注为【推测：需核实最新地方文件】。第四步，商业模式画布走查。AI将研发投入、现场实施人力、云基础设施列为前三项成本，并提醒“若转向标准化产品，现场实施成本可从25%降至12%，但需牺牲部分定制化收入”。
第五步，人工校验。业务负责人核实：补贴政策延续但门槛提高；竞争对手价格战幅度被AI高估，实际仅针对低端客户。修正后形成终稿。第六步，交叉标注：Weaknesses中的长实施周期与画布中的“关键业务”（定制化交付）直接相关，成为本季度战略会核心议题。
一句'分析一下我们行业'为什么必然翻车
许多用户初次尝试时习惯直接丢给AI一句“分析一下我们行业”，这是典型的素材缺失。以下是对照：
| 场景 | 错误写法 | 推荐写法 |
|---|---|---|
| 角色设定 | “你是麦肯锡专家，帮我分析一下” | “你是一位商业分析助理，请基于我提供的企业内部数据，按商业模式画布九要素结构化输出” |
| 信息输入 | “我是做MES的，分析一下” | 完整提供客户细分、价值主张量化收益、收入来源占比、成本结构等 |
| 推理要求 | “给我九个格子的内容” | “对每个要素区分'已验证事实'和'基于假设的推演'，并给出验证方法” |
| 输出边界 | 直接复制AI结果交差 | “最后列出三项必须找客户或财务核实的关键假设” |
对应商业模式画布的第二套提示词模板如下：
你是一位商业分析助理。我将提供一家企业的内部经营数据，请你严格按照商业模式画布（Business Model Canvas）的九个要素进行结构化梳理，禁止编造未提供的数据。
>
企业背景：
- 所在行业：【具体行业】
- 产品/服务：【一句话描述】
- 客户数据：【数量、行业分布、客单价区间、获客渠道】
- 财务结构：【主要收入来源及占比、前三项成本】
- 现有资源与合作关系：【核心技术、关键供应商、渠道伙伴】
>
输出要求：
1. 九要素逐项填写，每要素用“已验证：”和“待验证：”两部分
2. “待验证”部分不得超过三项，且需给出验证建议（如“访谈销售总监确认”、“查阅Q3合同”）
3. 指出当前模式中明显的逻辑冲突或资源错配
4. 输出一份“管理层阅读版”（200字内结论）和一份“执行细节版”（逐项展开）
用AI当红队：让CEO、CFO、销售同时挑战结论
AI输出贴进PPT前必须补上的三道人工校验
从个人提效到组织共识：战略会议怎么开
单个人用AI做分析，提升的是个人产出速度；但战略分析真正的价值在于组织共识。建议把AI辅助分析固化为季度经营会的标准前置动作：各部门在会前48小时按统一模板提交素材，由熟悉业务的同事运行提示词，生成初稿后在会上集体校验。AI承担的是“结构化秘书”的角色，把零散的经营事实翻译成统一的框架语言；而人对事实的掌握和对风险的直觉，仍然是不可替代的决策底盘。当团队习惯这种“人提供素材、AI负责推理、会议专注判断”的节奏时，商业分析才能真正从填空题变成生产力。