Agent项目：竞品分析Agent系统
一、项目介绍
项目背景与痛点
传统竞品分析工作长期存在以下行业共性问题，导致分析效率低下、结论价值有限：
🥖
•
效率低下：人工收集信息、整理数据、撰写报告平均耗时 3-7 天，且大量时间消耗在重复性信息检索上
•
标准缺失：不同分析师的分析维度、深度和逻辑不一致，报告质量参差不齐
•
信息零散：数据分散在官网、应用商店、社交媒体、行业报告等多个渠道，难以整合
项目目标
本项目旨在打造一个模块化、可扩展可集成的开源竞品分析智能体系统，实现：
📚
•
将竞品分析效率提升 80% 以上，将人工耗时从 3 天压缩至 1 小时内
•
建立标准化的分析框架体系，确保分析的全面性、客观性和一致性
•
提供完全开源的代码基础，支持企业根据自身业务需求进行二次开发
适用人群与场景
#bJwTyEufqkDD text { white-space: pre; }#bJwTyEufqkDD .fb0 { stroke: var(--N900-FG, 0.15); }#bJwTyEufqkDD .fb0 {stroke: rgba(31,35,41, 0.15)}#bJwTyEufqkDD .fx0 { stroke-miterlimit: 10; }#bJwTyEufqkDD .fx0 {stroke-miterlimit: 10}#bJwTyEufqkDD .fa1 { fill: rgb(187, 191, 196); }#bJwTyEufqkDD .fa1 {fill: rgb(187, 191, 196)}#bJwTyEufqkDD .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#bJwTyEufqkDD .fx1 {font-style: normal}#bJwTyEufqkDD .fx2 { text-anchor: middle; }#bJwTyEufqkDD .fx2 {text-anchor: middle}#bJwTyEufqkDD .fx3 { dominant-baseline: central; }#bJwTyEufqkDD .fx3 {dominant-baseline: central}#bJwTyEufqkDD .fx4 { stroke: none; }#bJwTyEufqkDD .fx4 {stroke: none}#bJwTyEufqkDD .fc0 { fill: var(--text-caption); }#bJwTyEufqkDD .fc0 {fill: #646a73}#bJwTyEufqkDD .fa2 { fill: var(--text-link-disabled); }#bJwTyEufqkDD .fa2 {fill: rgb(187, 191, 196)}#bJwTyEufqkDD .fa3 { fill: rgb(225, 234, 255); }#bJwTyEufqkDD .fa3 {fill: rgb(225, 234, 255)}#bJwTyEufqkDD .fx5 { font: 700 18px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#bJwTyEufqkDD .fx5 {font-style: normal}#bJwTyEufqkDD .fx6 { text-anchor: start; }#bJwTyEufqkDD .fx6 {text-anchor: start}#bJwTyEufqkDD .fx7 { dominant-baseline: alphabetic; }#bJwTyEufqkDD .fx7 {dominant-baseline: alphabetic}#bJwTyEufqkDD .fc1 { fill: rgb(0, 0, 0); }#bJwTyEufqkDD .fc1 {fill: rgb(0, 0, 0)}#bJwTyEufqkDD .fx8 { font: 400 16px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#bJwTyEufqkDD .fx8 {font-style: normal}#bJwTyEufqkDD .fb1 { fill: var(--N900-FG, 0.15); }#bJwTyEufqkDD .fb1 {fill: rgba(31,35,41, 0.15)}#bJwTyEufqkDD .fa4 { fill: var(--bg-body); }#bJwTyEufqkDD .fa4 {fill: #fff}AB123456适用人群核心使用场景AI 产品经理市场 / 运营人员品牌策划人员企业管理者培训机构讲师产品功能对标、用户体验分析、竞品战略跟踪新品上市策略参考、营销活动拆解、传播效果分析竞品品牌定位分析、品牌升级路径研究、用户心智调研行业趋势研判、竞争格局分析、战略决策支持教学案例拆解、实战演练工具、学员作业批改
二、竞品分析 Agent 技术架构概览
本系统采用分层模块化架构设计，各层之间通过标准接口通信，确保系统的可扩展性和可维护性。整体架构分为 5 层，从下到上依次为：基础设施层、工具服务层、核心引擎层、分析框架层和应用接入层。
代码块
YAML
┌─────────────────────────────────────────────────────────┐
│ 应用接入层 (Application Layer) │
│ ┌─────────┐ ┌─────────────┐ ┌─────────────────────┐ │
三、完整可运行代码
环境依赖
代码块
YAML
pip install langchain langchain-openai langchain-community python-dotenv beautifulsoup4 requests
核心代码
代码块
Python
import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_openai_tools_agent
from langchain_core.tools import tool
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_community.tools.tavily_search import TavilySearchResults
import requests
from bs4 import BeautifulSoup
# 加载环境变量
load_dotenv()
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
TAVILY_API_KEY = os.getenv("TAVILY_API_KEY") # 用于网络搜索，免费注册获取
# 初始化大模型
llm = ChatOpenAI(model="gpt-3.5-turbo-1106", temperature=0.2, api_key=OPENAI_API_KEY)
基础设施层
基础设施层为整个系统提供底层算力和数据存储支持：
🏖️
•
大模型 API：支持 OpenAI GPT-3.5/4、Anthropic Claude、百度文心一言、阿里通义千问等主流大模型，也支持本地部署的开源大模型（Llama 3、Qwen 2、DeepSeek 等）
•
向量数据库：用于存储历史分析报告、行业知识和竞品数据，支持语义检索和相似案例推荐
•
日志与监控系统：记录系统运行日志和用户操作日志，支持系统性能监控和异常告警
工具服务层
工具服务层为核心引擎提供各类数据获取和处理能力：
🥛
•
数据解析与清洗：自动解析 JSON、XML、CSV 等格式的数据，去除噪声和冗余信息
•
可视化图表生成：自动生成功能对比表、市场份额图、用户评价词云等可视化图表
核心引擎层
核心引擎层是系统的大脑，负责整个分析流程的调度和执行：
🏆
•
需求解析器：使用大模型的自然语言理解能力，识别用户的分析目标、竞品范围、分析场景和输出要求
•
报告生成器：整合所有子步骤的分析结果，按照标准化的格式生成结构化的分析报告
•
上下文记忆管理器：维护分析过程中的上下文信息，确保多轮对话和长流程分析的连贯性
分析框架层
分析框架层是本系统的核心竞争力所在，内置了经过行业验证的标准化分析框架：
🎼
•
底层逻辑校验框架：确保分析目标明确、边界清晰，避免无效分析
•
产品分析框架：从用户、场景、问题、解决方案、支撑点五个维度拆解竞品产品
•
品牌升级分析框架：拆解竞品品牌升级的动因、路径和效果
•
自定义分析框架：支持用户上传自己的分析模板，系统自动适配
应用接入层
应用接入层提供多种方式让用户使用系统：
•
CLI 界面：简单易用的命令行界面，适合开发者和快速测试
•
Web 管理界面：可视化的 Web 界面，支持任务管理、报告查看和框架配置
•
知识库接口：提供标准的 RESTful API，可与企业现有的知识库系统无缝集成
•
API 接口：提供完整的 API 文档，支持第三方系统调用
四、核心功能模块详解
智能需求解析模块
功能描述：将用户的自然语言需求转化为结构化的分析任务实现逻辑：
❤️
•
使用大模型对用户输入进行意图识别，判断是否为竞品分析需求
•
提取关键信息：竞品名称、分析维度、输出格式、优先级等
•
自动补全缺失信息，如未指定分析维度则默认进行综合分析
•
生成结构化的任务描述，传递给流程调度器
示例：用户输入："帮我分析一下字节跳动的豆包 AI 产品"解析结果：
代码块
Plain Text
{"task_type": "competitor_analysis","competitor_name": "字节跳动 豆包AI","analysis_dimensions": ["产品分析", "用户分析", "市场分析"],"output_format": "markdown","priority": "normal"}
自动化信息检索模块
功能描述：根据分析任务的需求，自动从多个渠道获取所需信息实现逻辑：
📌
•
流程调度器根据分析框架的要求，生成多个搜索查询
•
工具调用管理器调用网络搜索工具执行查询
•
对搜索结果进行过滤和排序，去除无关和低质量信息
支持的信息源：
•
竞品官网、产品文档、帮助中心
•
新闻媒体、科技博客
•
用户评价平台
多维度自动分析模块
功能描述：按照选定的分析框架，对获取的信息进行多维度拆解和分析实现逻辑：
✏️
•
加载对应的分析框架，获取分析维度和每个维度的核心问题
•
将结构化数据集和核心问题输入大模型
•
大模型根据框架要求，对每个维度进行深入分析，得出初步结论
•
对初步结论进行交叉验证，确保结论的客观性和准确性
•
识别信息缺口，自动触发补充信息检索
结构化报告生成模块
功能描述：将分析结果整理成标准化、可直接使用的分析报告实现逻辑：
✍️
•
加载报告模板，确定报告的结构和格式
•
将各维度的分析结果填充到对应的章节
•
自动生成核心结论和可落地建议部分
•
生成可视化图表，插入到报告的合适位置
•
对报告进行排版和优化，确保可读性和专业性
支持的报告格式：
•
Markdown（默认，适合知识库存储）
•
Word（适合正式汇报）
•
PDF（适合分享和存档）
•
HTML（适合网页展示）
知识库集成模块
功能描述：实现分析成果的沉淀、复用和迭代实现逻辑：
•
报告生成后，自动保存到知识库，并生成唯一标识
•
对报告进行向量化处理，存储到向量数据库
•
支持按竞品名称、分析类型、时间等维度检索历史报告
•
在新的分析任务中，自动推荐相关的历史报告作为参考
•
支持对历史报告进行更新和迭代，保持信息的时效性
五、内置分析框架体系详解
本系统内置了 5 套经过实战验证的分析框架，覆盖了竞品分析的所有主流场景。所有框架均基于行业最佳实践和大量真实案例提炼而成。
底层逻辑校验框架
核心价值：从源头保证分析的有效性，避免为了分析而分析适用场景：所有竞品分析任务的前置步骤核心内容：
🎼
•
5 个灵魂拷问：解决什么问题？需要什么信息？从哪里获取？如何保证客观？结论有什么用？
•
3 步分析流程：明确分析对象 → 拆解关键动作 → 总结可用结论
•
5 类竞品划分：核心竞品、标杆竞品、潜力竞品、替代竞品、避坑竞品
产品分析框架
核心价值：完整拆解竞品的产品逻辑，找到其核心竞争力适用场景：产品功能对标、用户体验优化、产品定位分析核心内容：
•
看用户：用户画像、消费偏好、潜在动因
•
看场景：场景类型、场景价值
•
看问题：痛点、痒点、爽点
•
看解决方案：功能层、情绪层、社交层
•
看支撑点：技术、信任、口碑、设计、品牌
营销分析框架
3.1
新品上市分析子框架
🥖
核心价值：拆解竞品新品上市的全流程策略，为自身新品提供参考适用场景：新品上市策划、营销节奏设计、预算分配参考核心内容：上市节奏、预算分配、平台组合、内容策略、投放动作、商业结果
3.2
Social 传播分析子框架
🌟
核心价值：拆解竞品传播活动的成功逻辑，提升营销活动的杠杆比适用场景：营销活动策划、传播路径优化、创意方向参考核心内容：背景、目标、策略、创意、执行、效果
品牌升级分析框架
⛱️
核心价值：理解竞品品牌战略调整的底层逻辑，指导自身品牌建设适用场景：品牌战略调整、用户心智重塑、品牌定位升级核心内容：升级类型、时间轴、问题链、升级动因
六、部署与使用说明
环境配置
创建 .env 文件，填入你的 API 密钥：
代码块
Plain Text
运行主程序：
代码块
Plain Text
python competitor_analysis_agent.py
使用示例
你可以直接输入自然语言需求，Agent 会自动选择对应的分析框架并执行：
代码块
Plain Text
请帮我分析字节跳动的豆包AI产品，重点分析其产品功能和用户定位
代码块
Plain Text
代码块
Plain Text
分析小米汽车的品牌升级路径，从手机到汽车的品牌延伸逻辑
知识库集成
•
所有分析报告都会自动保存到 ./competitor_analysis_kb 目录
•
支持按竞品名称和分析类型分类存储
•
提供 list_reports() 和 load_report() 接口，可轻松集成到你的现有知识库系统
七、系统扩展方向
功能扩展
•
增加竞品数据监控功能，自动跟踪竞品的更新和变化
•
集成更多数据源（App Store、七麦数据、蝉大师、企查查等）
•
增加多竞品对比分析功能，自动生成对比表格
•
支持生成可视化图表（市场份额、功能对比、用户评价词云等）
模型兼容
•
支持开源大模型（Llama 3、Qwen、DeepSeek 等）
•
支持本地部署模型，完全离线运行
•
支持多模型混合调用，不同任务使用不同模型
企业级功能
•
增加用户权限管理
•
支持团队协作和报告共享
•
增加分析模板自定义功能
•
集成企业内部知识库和数据系统
八、竞品对比分析
与传统人工分析对比
与通用 AI 助手对比
#KNIvIqyhUvfv text { white-space: pre; }#KNIvIqyhUvfv .fb0 { stroke: var(--N900-FG, 0.15); }#KNIvIqyhUvfv .fb0 {stroke: rgba(31,35,41, 0.15)}#KNIvIqyhUvfv .fx0 { stroke-miterlimit: 10; }#KNIvIqyhUvfv .fx0 {stroke-miterlimit: 10}#KNIvIqyhUvfv .fa1 { fill: rgb(187, 191, 196); }#KNIvIqyhUvfv .fa1 {fill: rgb(187, 191, 196)}#KNIvIqyhUvfv .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#KNIvIqyhUvfv .fx1 {font-style: normal}#KNIvIqyhUvfv .fx2 { text-anchor: middle; }#KNIvIqyhUvfv .fx2 {text-anchor: middle}#KNIvIqyhUvfv .fx3 { dominant-baseline: central; }#KNIvIqyhUvfv .fx3 {dominant-baseline: central}#KNIvIqyhUvfv .fx4 { stroke: none; }#KNIvIqyhUvfv .fx4 {stroke: none}#KNIvIqyhUvfv .fc0 { fill: var(--text-caption); }#KNIvIqyhUvfv .fc0 {fill: #646a73}#KNIvIqyhUvfv .fa2 { fill: var(--text-link-disabled); }#KNIvIqyhUvfv .fa2 {fill: rgb(187, 191, 196)}#KNIvIqyhUvfv .fa3 { fill: rgb(225, 234, 255); }#KNIvIqyhUvfv .fa3 {fill: rgb(225, 234, 255)}#KNIvIqyhUvfv .fx5 { font: 700 18px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#KNIvIqyhUvfv .fx5 {font-style: normal}#KNIvIqyhUvfv .fx6 { text-anchor: start; }#KNIvIqyhUvfv .fx6 {text-anchor: start}#KNIvIqyhUvfv .fx7 { dominant-baseline: alphabetic; }#KNIvIqyhUvfv .fx7 {dominant-baseline: alphabetic}#KNIvIqyhUvfv .fc1 { fill: rgb(0, 0, 0); }#KNIvIqyhUvfv .fc1 {fill: rgb(0, 0, 0)}#KNIvIqyhUvfv .fx8 { font: 400 16px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#KNIvIqyhUvfv .fx8 {font-style: normal}#KNIvIqyhUvfv .fb1 { fill: var(--N900-FG, 0.15); }#KNIvIqyhUvfv .fb1 {fill: rgba(31,35,41, 0.15)}#KNIvIqyhUvfv .fa4 { fill: var(--bg-body); }#KNIvIqyhUvfv .fa4 {fill: #fff}ABC123456对比维度通用 AI 助手（ChatGPT 等）竞品分析 Agent专业性信息时效性结构化输出知识库集成可定制性通用知识，缺乏专业分析框架知识截止日期固定，无法获取最新信息输出格式不固定，难以直接使用不支持有限内置专业竞品分析框架实时联网搜索，信息最新输出标准化的结构化报告原生支持与知识库集成完全开源，可深度定制
与商业竞品分析平台对比
#ZJoOiJMLRdOf text { white-space: pre; }#ZJoOiJMLRdOf .fb0 { stroke: var(--N900-FG, 0.15); }#ZJoOiJMLRdOf .fb0 {stroke: rgba(31,35,41, 0.15)}#ZJoOiJMLRdOf .fx0 { stroke-miterlimit: 10; }#ZJoOiJMLRdOf .fx0 {stroke-miterlimit: 10}#ZJoOiJMLRdOf .fa1 { fill: rgb(187, 191, 196); }#ZJoOiJMLRdOf .fa1 {fill: rgb(187, 191, 196)}#ZJoOiJMLRdOf .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#ZJoOiJMLRdOf .fx1 {font-style: normal}#ZJoOiJMLRdOf .fx2 { text-anchor: middle; }#ZJoOiJMLRdOf .fx2 {text-anchor: middle}#ZJoOiJMLRdOf .fx3 { dominant-baseline: central; }#ZJoOiJMLRdOf .fx3 {dominant-baseline: central}#ZJoOiJMLRdOf .fx4 { stroke: none; }#ZJoOiJMLRdOf .fx4 {stroke: none}#ZJoOiJMLRdOf .fc0 { fill: var(--text-caption); }#ZJoOiJMLRdOf .fc0 {fill: #646a73}#ZJoOiJMLRdOf .fa2 { fill: var(--text-link-disabled); }#ZJoOiJMLRdOf .fa2 {fill: rgb(187, 191, 196)}#ZJoOiJMLRdOf .fa3 { fill: rgb(225, 234, 255); }#ZJoOiJMLRdOf .fa3 {fill: rgb(225, 234, 255)}#ZJoOiJMLRdOf .fx5 { font: 700 18px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#ZJoOiJMLRdOf .fx5 {font-style: normal}#ZJoOiJMLRdOf .fx6 { text-anchor: start; }#ZJoOiJMLRdOf .fx6 {text-anchor: start}#ZJoOiJMLRdOf .fx7 { dominant-baseline: alphabetic; }#ZJoOiJMLRdOf .fx7 {dominant-baseline: alphabetic}#ZJoOiJMLRdOf .fc1 { fill: rgb(0, 0, 0); }#ZJoOiJMLRdOf .fc1 {fill: rgb(0, 0, 0)}#ZJoOiJMLRdOf .fx8 { font: 400 16px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#ZJoOiJMLRdOf .fx8 {font-style: normal}#ZJoOiJMLRdOf .fb1 { fill: var(--N900-FG, 0.15); }#ZJoOiJMLRdOf .fb1 {fill: rgba(31,35,41, 0.15)}#ZJoOiJMLRdOf .fa4 { fill: var(--bg-body); }#ZJoOiJMLRdOf .fa4 {fill: #fff}ABC123456对比维度商业竞品分析平台（易观、艾瑞等）竞品分析 Agent成本灵活性数据深度实时性私有化部署高，年费通常在数万元以上低，只能使用平台提供的功能有独家数据，但分析维度固定报告更新周期长（通常按月 / 季度）不支持或价格昂贵低，开源免费，仅需 API 费用高，可根据需求自由定制数据来源广泛，分析维度可自定义实时分析，随时生成最新报告支持完全私有化部署
九、可直接套用的Prompt
底层逻辑框架 Prompt
用于在分析前锚定目标、避免无意义的信息堆砌，确保每一步分析都服务于项目目标。
代码块
Plain Text
# 竞品分析底层逻辑校验
请基于以下5个核心问题，为本次竞品分析建立清晰的目标与边界：
1. 本次竞品分析要解决的**核心问题**是什么？（例如：产品功能优化、营销活动策划、品牌升级方向等）
2. 哪些信息/数据对解决这个问题是**真正有用**的？（排除与目标无关的无效信息）
3. 我将通过哪些渠道获取信息？（公开数据、用户调研、产品体验、财报/行业报告等）
4. 本次分析如何保证客观性？如何区分表面现象与底层本质？
5. 本次分析需要输出什么结论？这些结论将如何直接服务于项目落地？
完成以上校验后，请按照以下流程执行分析：
### 第一步：明确分析对象- 核心竞品：与我们直接竞争、用户高度重叠的产品
- 标杆竞品：在某一领域做到行业领先的参考对象
- 潜力竞品：用户需求相似、未来可能形成竞争的产品
- 替代竞品：满足用户同一需求的其他品类产品
- 避坑竞品：踩过同类坑、可作为反面案例的产品
竞品产品分析 Prompt
从用户、场景、问题、解决方案、支撑点五大维度，完整拆解竞品的产品逻辑。
代码块
Plain Text
# 竞品产品深度分析
请以「为谁、在什么场景、解决了什么问题」为核心，对目标竞品进行全维度拆解：
## 1. 看用户：产品的目标用户是谁？- 用户画像：年龄、性别、地域、职业、消费能力、行为习惯
- 消费偏好：用户的决策因素、对产品的核心诉求、价格敏感度
- 潜在动因：用户选择该产品的底层动机、未被满足的隐性需求
## 2. 看场景：产品的核心使用场景是什么？- 场景类型：生活场景/情绪场景/社交场景，分别覆盖哪些具体行为？
- 场景价值：高频刚需场景/低频高价值场景/差异化新场景，分别对应哪些功能？
## 3. 看问题：产品解决了用户的什么问题？- 痛点：用户的核心痛点是什么？产品如何针对性解决？
- 痒点：产品的哪些设计让用户产生兴趣、愿意尝试？
- 爽点：产品的哪些体验让用户产生超出预期的满足感、愿意复购？
## 4. 看解决方案：产品如何解决用户问题？- 功能层：核心功能是什么？功能的流程、交互、体验如何？
- 情绪层：产品传递了什么情绪价值？如何满足用户的情感需求？
- 社交层：产品是否具备社交属性？如何通过社交传播扩大用户？
竞品营销案例分析 - 新品上市篇 Prompt
拆解竞品新品上市的全流程策略，为自身新品上市提供参考。
代码块
Plain Text
# 竞品新品上市营销案例分析
请对目标竞品的新品上市案例进行全流程拆解，重点分析以下6个维度：
竞品营销案例分析 - Social 传播篇 Prompt
拆解竞品 Social 传播活动的策略、执行与效果，为营销活动策划提供参考。
代码块
Plain Text
# 竞品Social传播案例深度分析
请以「活动杠杆比」为核心，分析目标竞品的Social传播活动，重点关注“在什么资源背景下，达成了什么目标”：
## 1. 看背景：活动发起的底层动因是什么？- 看动机：活动的发起原因是什么？（新品上市/节点营销/品牌破圈/用户拉新等）
- 看条件：活动发起时的品牌现状、市场环境、用户需求是什么？
## 2. 看目标：活动的核心目标是什么？- 核心目标：本次活动要达成的核心指标是什么？（曝光/互动/转化/品牌声量等）
- 目标层次：主目标与次目标的优先级是什么？指标之间如何平衡？
## 3. 看策略：活动的核心传播策略是什么？- 核心策略：活动的整体策略是什么？（话题营销/挑战赛/联名活动/内容种草等）
竞品品牌升级案例分析 Prompt
拆解竞品品牌升级的动因、路径与底层逻辑，为自身品牌战略调整提供参考。
代码块
Plain Text
# 竞品品牌升级案例深度分析
请对目标竞品的品牌升级案例进行全维度拆解，分析其升级的底层逻辑与关键动作：
## 1. 看类型：品牌升级的方向是什么？- 年轻化：面向年轻用户的品牌形象、沟通方式升级
- 高端化：提升品牌调性、客单价与用户心智
- 多元化：拓展品牌业务边界、覆盖更多用户场景
## 2. 看时间轴：品牌升级的完整路径是什么？- 过去：品牌过去的核心认知是什么？靠什么建立用户心智？
- 现状：品牌当前遇到了什么增长问题？用户/市场反馈了什么信号？
- 未来：升级后品牌想成为什么样的存在？想占据用户的什么心智？
- 支撑点：支撑品牌升级的产品、用户、市场基础是什么？
使用说明
🍞
直接调用：以上所有 Prompt 可直接复制到 Agent 中调用，根据分析场景选择对应模块即可。
组合使用：底层逻辑框架 + 产品 / 营销 / 品牌模块，可形成完整的竞品分析全流程，避免分析无边界。
场景适配：根据项目目标，调整每个模块的重点问题，无需照搬所有问题，确保分析聚焦核心目标。