OpenAI Operator 实战：一下午抓 20 个竞品落地页,提炼定位套路
目录
上周二下午 4 点 47 分,我的浏览器开着 20 个竞品落地页的标签页,第二块屏幕上是一页纸的定位矩阵 (positioning matrix, 定位图谱),手边还有一堆第二天早上就能交给文案同事的模式 (pattern)。整个下午坐在键盘前的时间:大约三小时。一年前我做完同样的事需要多久?一周,或者根本做不完。
干重活 (heavy lifting) 的不是某个聪明的爬虫脚本,而是 OpenAI Operator——OpenAI 在 2025 年 1 月底发布的浏览器 Agent。它能打开网页、读取内容、点开定价 tab (标签页)、写出结构化笔记——而你可以同时去做别的事。
下面是我这次从开始到结束完整的工作流。
我给 Operator 的 Brief
在打开 Operator 之前,我先写了一份一页纸的 brief。这件事比工具本身更重要。
我的 brief 分三部分:
- 清单。 20 个 URL。来源有三个:我的目标关键词投放出来的 Google 广告、G2 和 Capterra 上的"alternatives to"页面、以及我手动翻了一遍 LinkedIn 私信里反复出现的公司。我故意避开大品牌,挑的是 ARR (Annual Recurring Revenue,年度经常性收入) 在 500 万到 5000 万美元之间的公司——更接近我客户的目标定位区间。
- 字段表 (Schema)。 我让 Operator 从每个页面里按这个顺序抽 7 个字段:公司名、主标题 (H1,不是 H2)、副标题里讲的价值主张、最显眼的三个 benefit bullet (卖点要点)、主 CTA (Call-to-Action,行动号召) 的动词、首屏提到的定价模型、以及一句"异议处理" (objection handling) 文案——也就是预先回应买家主要顾虑的那句话。我刻意把字段数控制在 7 个。再多,模型就开始 hallucination (编造内容),尤其是在信息密度高的 SaaS (Software as a Service,软件即服务) 页面上。
- 输出格式。 一个 markdown 表格,一行一个公司,列顺序和字段表一致。不要写散文。如果你让 Operator 输出表格,它倾向于先写一大段散文——你得明确禁止它这么做。
就这些。没有花哨的系统提示词,没有 chain-of-thought (思维链) 指令。Brief 本身就是工作。
Operator 跑起来的过程
我用的是 ChatGPT Pro 应用里的 Operator (当时只对美国地区开放)。会话过程大致如下:
我输入了一段类似这样的话:"访问这份清单里的每个 URL。对每个页面,按我给的 7 个字段提取信息。输出成一张 markdown 表格。不要总结,不要评论。如果某个字段在页面上缺失,写 'absent' 而不要瞎猜。"
然后我把清单和字段表一起粘贴进去。回车。去泡茶。
Operator 大概用了 28 分钟处理完 20 个页面,期间还包含等待那些加载慢的营销站点的耗时。有两个页面弹出了 Cloudflare 的人机验证 (verify you're human) 拦截墙——Operator 停下来让我接手。我手动过了两个 CAPTCHA (验证码),告诉它继续,任务就接着跑下去了。这在目前的技术水平下是个特性,不是 bug。那些试图自己破解 CAPTCHA 的浏览器 Agent,最终会把整个任务的 IP 都拉黑。
输出是一张干净的 20 行表格。其中 5 个副标题被截断或被改写了——我之后又回去重新核对了一下这 5 个页面。另外 15 个直接就能用。
从原始抽取到定位模式
一张 20 行的表格不是策略文档,只是一堆证据。真正有价值的下一步工作才刚刚开始。
我把表格复制到一个新的 ChatGPT 对话里 (用 Operator 的输出,但不是用 Operator 本身——我想要一个干净的上下文窗口) ,按顺序问了三个追问:
问题 1:把主标题聚类。 我让它把这 20 条主标题按"用户雇佣这个产品来完成的 Jobs to Be Done (Jobs to Be Done 理论,待完成的工作)"来分组。模型分出了 5 类,给每类起了名字 ("替代某个手动流程"、"比竞品更快"、"合规与审计" 等等) ,并列出每类下有哪些竞品。这一步是表格变得有用的瞬间——你一眼就能看到,20 个竞品里有 6 个在抢同一个"更快"的卖点。
问题 2:抽出句式模式。 我让它总结副标题里最常见的三种语法模式。模型给出:名词短语承诺 ("X for Y") 、"停止做 Z"重构式、以及带时间承诺的结果 ("Y 分钟内拿到 X")。拿到这个,你就知道这个品类 (category) 已经把哪些句式用烂了。如果每个竞品都在用 "Stop doing X" 这种标题,而你正准备写一个,大概率该换一种句式。
问题 3:找出空位。 我问:"横向看这 20 行 7 个字段,有哪些定位角度是没人在打的?"这个问题才是真正值钱的部分。模型标出三个:清单里没有一家清楚打"为非技术团队设计"的角度、定价模型清一色按席位收费 (per-seat) 没有任何用量计费 (usage-based) 选项、而异议处理文案全部在讲安全——没有一家处理切换成本 (switching cost) 的问题。最后这个空位,就成了我客户新落地页的标题。
我必须停下来强调第三个问题,因为大部分 marketer 都会跳过。他们到表格那一步就停了。表格是数据。模式是分析。空位才是策略。如果你只来得及做一件事,做第三个。
Operator 搞砸的地方
要在 pitch (提案) 里用,我得诚实地说说它的局限。
- 动态内容抓不到。 20 个站里有 3 个用了重度的客户端渲染 (client-side rendering) 加懒加载的定价表。Operator 抓的是它访问那一刻页面上能看到的东西,这 3 个站上基本只有首屏 hero 区域。这 3 个我得重新跑一遍,专门加一条指令"先滚到底部,等定价区块加载完再开始抽取"。
- 视觉信息被当成文字读。 Operator 在读页面,不是看页面。如果某个竞品的"免费试用"CTA 是一个 200 像素高的橙色按钮,而其他家都是小号文字链接,Operator 不会知道。要做视觉层面的定位,你还是得自己截图自己看。我留着这 20 张全页 PNG 截图,就是为了这个。
- 本地化是盲区。 如果你的竞品在不同地区跑不同文案,Operator 只能看到它登陆时拿到的那一版。我做面向美国的 brief 时,会从美国 IP 出口,基本能解决;但对全球品牌来说这是个真实的边界情况。
这些局限没有哪个是 deal-breaker (致命的)。它们的区别在于,"Operator 全包"和"Operator 把无聊的 80% 干了,让我把时间花在有意思的 20% 上"——后者才是关于这个工具价值更诚实的说法。
下次我会改的地方
下次跑同一个流程,我会做两处小调整。
第一,我会加第八个字段:首屏大图的 alt text (图片替代文本) 。Alt text 是公司最诚实的"我们希望你以为我们产品是什么"的描述。它几乎从不为 SEO 优化,所以不会塞关键词——通常就是用大白话告诉你产品到底是干啥的。从此以后我把这条加进了所有 brief。
第二,我会对同一份清单,隔两周再跑一次完全相同的 brief。页面会变,标题会轮换。"比竞品更快"那一组可能丢掉两个成员,因为某个竞品重写了首页。看定位如何移动比看单一时刻的快照更有价值——Operator 整个产品的卖点,就是第二次跑的边际成本几乎为零。
关于成本
Operator 包含在 ChatGPT Pro 里 (当时是每月 200 美元) 。我做这套工作——20 个页面、3 轮后续分析——的边际成本基本是零。如果你是 Plus 或 Team 用户,Operator 的访问权限会在 2025 年内逐步开放,去看 OpenAI 的 release notes。替代方案呢?一个初级分析师花一周做同样的事,工资成本就超过这一年的订阅费——这还没算上这位分析师大概率想不到 alt text 这条小窍门。
这个工具替代不了思考。它替代的是那份工作里"基本就是打字和点击"的部分,而那部分恰好是工作的大部分。