竞品内容分析

对同赛道竞品账号做全维度内容拆解：选题分布、发布节奏、爆款规律、格式偏好、互动模式，找出差异化机会，输出可落地的行动建议。

输入

用户 prompt 中提供以下信息（部分可选）：

• 必需：竞品账号名称或链接（1–5 个）、用户所在赛道/细分领域
• 可选：目标平台（小红书/抖音/B站/微博/知乎等）、分析侧重点（选题/格式/涨粉/变现等）、自己的账号名（用于对比）

输出

# 竞品内容分析报告
日期: {date}
赛道: {niche}
分析平台: {platforms}
竞品数: {N}

## 竞品账号画像卡
（每个竞品一张卡片）
- 账号名 / 平台 / 粉丝量级 / 简介定位
- 内容方向关键词 / 更新频率 / 主力格式
- 代表作 Top3（标题 + 数据 + 拆解）

## 选题分布
各竞品的内容主题分类与占比

## 格式与节奏
内容形式（图文/短视频/直播/轮播/合集）占比 + 发布频率与时间规律

## 爆款拆解
近期高互动内容的共性分析：标题模式、封面特征、内容结构、情绪钩子

## 互动模式
评论/点赞/收藏/转发的比例特征 + 评论区运营策略

## 热点借势分析
竞品如何跟热点、借势频率、效果评估

## SWOT 分析
每个主要竞品的内容层面 SWOT

## 差异化机会
竞品未覆盖/做得弱的选题、格式、人设、受众缺口

## 行动建议
按优先级排列的具体行动项，每条引用数据支撑

执行步骤

1. 收集上下文

确认以下信息，缺失的主动追问：

• 竞品账号列表（名称或链接）
• 用户赛道 / 细分领域
• 目标平台（默认覆盖竞品所在的全部平台）
• 分析侧重（默认全维度）

2. 竞品账号画像

对每个竞品账号建立基础画像。数据采集方法与各平台反爬降级方案参照 data-collection.md：

• 用 web_fetch 抓取账号主页信息（账号简介、粉丝量级、作品数）；被反爬拦截时降级到 web_search 取公开信息
• 提取定位关键词、内容方向、人设特征
• 记录粉丝量级区间、账号活跃度
• 拿不到的数据（播放/完播/粉丝增量等创作者后台数据）如实标注"无公开数据"，不编造精确值

3. 选题与主题分析

梳理竞品近期内容（尽量覆盖近 30–90 天）：

• 按主题归类，统计各主题占比
• 识别核心选题方向（常青选题 vs 热点选题 vs 个人经历）
• 标注高频关键词和话题标签

4. 内容格式与发布节奏

分析竞品的格式偏好和发布规律（更新频率指标与涨粉节奏推断方法参照 viral-patterns.md）：

• 格式分布：图文 / 短视频 / 中长视频 / 直播 / 图片轮播 / 合集
• 发布频率：日更 / 周几更 / 不规律
• 发布时间段：集中在哪些时段
• 平台适配：同一内容在不同平台的差异化处理

5. 爆款内容拆解

爆款判定、拆解维度与"爆款密码"反推方法参照 viral-patterns.md。筛选互动量显著高于均值的内容（≥账号中位数 3–5 倍），逐条拆解：

• 标题/封面：用了什么钩子？（数字、悬念、痛点、反常识、情绪词）
• 内容结构：开头留人方式、中间节奏、结尾引导互动的手法
• 选题时机：是否踩中热点、节日、平台活动
• 格式特征：时长、图片数、排版、字体、BGM 等

6. 互动模式分析

分析竞品内容的互动特征：

• 互动结构：点赞/评论/收藏/转发的比例分布
• 评论区特征：用户主要在讨论什么、情绪倾向
• 博主互动：是否回复评论、回复风格、置顶评论策略
• 收藏型 vs 传播型：哪些内容被收藏多（工具向），哪些被转发多（情绪向）

7. 热点借势分析

用 web_fetch 调用热搜 API（参照 hotlist-apis.md）获取当前各平台热点，然后：

• 对比竞品近期内容与热搜话题的重合度
• 分析竞品追热点的频率、速度、角度
• 评估追热点内容 vs 常规内容的互动差异
• 识别竞品擅长借势的热点类型（社会事件/行业动态/平台梗/节日）

8. SWOT 分析

对每个主要竞品做内容层面的 SWOT：

• S（优势）：内容质量、更新频率、人设辨识度、粉丝粘性
• W（劣势）：格式单一、选题窄、互动少、更新不稳定
• O（机会）：未覆盖的受众需求、新兴平台/格式、赛道空白
• T（威胁）：该竞品对用户的直接竞争压力点

9. 差异化机会挖掘

基于以上分析，找出可切入的差异化方向：

• 选题空白：竞品没做但受众有需求的主题
• 格式差异：竞品集中做图文，可以用短视频突围（反之亦然）
• 人设差异：竞品偏专业严肃，可以走亲和真实路线（反之亦然）
• 受众细分：竞品覆盖大众，可以深耕更垂直的人群
• 平台差异：竞品主攻某平台，可以在另一平台建立优势

10. 输出行动建议

汇总为可落地的行动清单：

• 每条建议标注优先级（高/中/低）和预期效果
• 引用具体竞品数据作为支撑（"竞品 A 用 XX 格式获得了 XX 互动"）
• 区分速赢（本周可做）和长线布局（需要持续积累）
• 建议与用户自身定位和风格匹配

参照 analysis-templates.md 输出竞争矩阵。

Profile 感知

• 有 Profile 时：
  • 读取 identity.md：获取用户定位和差异化，精准匹配竞品梯度
  • 读取 platforms.md：聚焦用户实际运营的平台，分析该平台上的竞品表现
  • 读取 style.md：在行动建议中匹配用户的内容风格和调性偏好
  • 读取 audience.md（如有）：用受众画像优化差异化机会分析
  • 分析结论中直接对标用户账号，给出"你 vs 竞品"的对比
• 无 Profile 时：
  • 退回通用模式，要求用户手动提供赛道和竞品信息
  • 分析覆盖全平台，不做平台特化
  • 附注"如提供账号 Profile 可获得更精准的竞品对标和差异化建议"