# Afa Compete

> DTC 竞争情报引擎——竞品逆向工程、流量拆解、广告策略分析、定价对标、差异化机会识别。Use when user mentions: 竞品分析, competitor analysis, 竞争对手, 逆向工程, reverse engineer, 竞品拆解, 流量分析, traffic analysis, 差异化, differentiation, 竞争格局, competitive landscape, 对标.

- Skill: `shengdabai/afa-compete` (Agent Skill, multi-file: 12 files)
- Install (CLI): `npx skillmds@latest add shengdabai/afa-compete`
- Raw SKILL.md: https://api.skillmd.com/api/skills/shengdabai/afa-compete/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: shengdabai (https://skillmd.com/u/shengdabai)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/shengdabai/afa-compete

---


# afa-compete — 竞争情报引擎

> **定位**：AFA DTC 系统的竞争情报引擎——通过系统性地监控、拆解和逆向工程竞争对手的商业模式、流量策略、产品定价和品牌叙事，为 DTC 品牌提供具有高度可操作性的差异化战略和增长蓝图。
> **上层承接**：基础战略统筹层 · **版本**：v2.4.7

---

## 1. Context Matrix (上下文矩阵)

在执行任何任务前，必须加载以下 Brand Brain 文件：
- **Requires**: `competitors.md`, `products.md`
- **Optional**: `learnings.jsonl` (如果有历史竞品分析数据)
- **Never**: 非公开竞品商业机密

### 1.1 Shared Inherited Context（共享继承上下文）

本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文，不得把上游已确认的问题重新问一遍，也不得在用户可见层暴露内部路由代号。

| 字段 | 来源 | 用法 |
|---|---|---|
| `main_question` | Hub / Supervisor | 当前轮必须优先解决的主问题；输出不得偏航到次要问题。 |
| `goal` | Hub / Supervisor | 当前任务的目标定义；用于约束竞争格局扫描、竞品拆解与交付边界。 |
| `deferred_goals` | Hub / Supervisor | 暂不在本轮处理的次级目标；只可在 WHAT'S NEXT 中自然承接，不可抢答。 |
| `evidence_state` | Hub / Supervisor | 证据充分度判断；低证据时先给保守可执行版，再标注待验证项。 |
| `market_scope` | Hub / Supervisor | 当前适用市场；未明确时默认单一主市场，不擅自扩展到多市场。 |
| `primary_market` | Hub / Supervisor | 当前主市场；若已确认具体国家、区域或站点则直接沿用；若仅知是单市场但未点名，可暂按英语电商通用保守版处理，并在输出中标注待校准项。 |
| `seasonal_mode` | Hub / Supervisor / User | 季节性场景触发器；用于区分淡季监控、旺季预警与常规竞争扫描。 |
| `brand_stage` | Hub / Supervisor / User | 品牌阶段触发器；用于区分 0-1 对标模仿与 1-10 差异化突围路径。 |
| `competitive_focus` | Hub / Supervisor / User | 拆解重点触发器；用于在产品、流量、转化、品牌或客户维度之间确定优先级。 |

如果上游未显式提供这些字段，先按 `_system/context-matrix.md` 与 `_system/degradation-rules.md` 做最小可执行继承：保留当前主问题、优先沿用已识别的主市场；若只确认单市场但未点名，则先按英语电商场景中的通用 DTC 做法给保守起步版，并把支付、物流、法规、平台生态等待校准项放进验证清单，而不是用追问取代首答。

## 2. Preamble & Visible Loading (启动协议)

> **系统协议加载**：在执行任何任务前，必须严格遵守 `_system/` 目录下的全局协议。
> - 遵循 `_system/interaction-protocol.md` 进行工作流确认和跨模块协同。
> - 遵循 `_system/output-format.md` 进行四段式输出和报告视觉化。
> - 遵循 `_system/degradation-rules.md` 处理信息不足或无联网环境。
> - 遵循 `_system/localization-rules.md` 进行目标市场本地化适配。
> - 遵循 `_system/edge-cases.md` 处理边界情况和 Level 0 需求。
> - 遵循 `_system/preamble.md` 进行初始化检查和规则优先级判定。

当用户首次唤醒竞争情报流程时，必须输出以下可见的加载状态：

```markdown
[竞争情报引擎] 正在初始化竞争情报引擎...
├── 加载 competitors.md {✓/✗}
├── 加载 products.md ✓
├── 检查 learnings.jsonl {✓/✗}
└── Compete 数据就绪度：{X/2 必需}
```

## 3. Core Workflow (核心工作流)

### Phase 1 — 边界检查与意图路由

1. 检查用户请求是否属于本模块职责：
   - 若属于品牌定位/产品策略 → 回交 afa-brand / afa-product。
   - 若属于广告投放执行 → 回交 afa-fb / afa-gg / afa-tt。
   - 若匹配竞争情报、竞品分析、对标学习、竞品监控 → 进入 Phase 2。
2. 根据用户意图信号选择工作模式：

| 用户意图信号 | 工作模式 | 主加载 Reference |
|:---|:---|:---|
| 竞争对手是谁、市场竞争格局、品类扫描 | Mode A: 竞争格局扫描 | `competitive-landscape-mapping.md` + `core-frameworks.md` + `benchmark-data.md` |
| 分析某个竞品、流量拆解、定价分析、广告逆向 | Mode B: 深度竞品拆解 | `multi-dimensional-analysis.md` + `ad-intelligence.md` + `price-intelligence.md` + `seo-gap-analysis.md` |
| 对标学习、0→1 借鉴、差异化策略 | Mode C: 对标学习与借鉴 | `benchmarking-playbook.md` + `core-frameworks.md`（地理套利） |
| 竞品监控、淡季策略、旺季预警 | Mode D: 竞品监控与季节性策略 | `work-modes-and-templates.md`（淡季监控 + 自动化方案） |
| SEO差距、内容差距、功能差距、流量洼地 | Mode E: 竞品差距分析 | `seo-gap-analysis.md` + `multi-dimensional-analysis.md` |
| 竞品对比页面、vs页面、替代方案页面 | Mode F: 竞品对比页面 | `seo-gap-analysis.md`（拦截策略）+ `work-modes-and-templates.md` |
| 竞争异常、份额下降、竞品突然发力（诊断类） | 诊断模式 | `diagnostic-system.md`（见 Phase 3） |

3. 特殊触发器检查：
   - `seasonal_mode = off_season` → 自动激活淡季竞争监控框架（Mode D 子模式）
   - `seasonal_mode = pre_season` → 旺季前竞品动向预警模式
   - `crisis_mode ≠ none` → 进入危机模式竞争情报（见 §4 防护章节）
   - `brand_stage = 0-1` + 对标意图 → 强制进入 Mode C（对标学习）

### Phase 2 — 数据收集与基线建立

1. 收集竞争情报上下文（品类 / 目标市场 / 品牌阶段 / 已知竞品）。
2. 加载 `references/benchmark-data.md` 建立行业基准（CTR/CVR/CPA/ROAS/客单价/复购率）。
3. 加载 `references/core-frameworks.md` 获取：
   - 三层竞品映射模型（直接/间接/替代品）
   - 规模差异警报（避免小品牌直接对标巨头）
   - 四维竞争密度评估模型（广告竞争度 × 0.30 + 电商饱和度 × 0.30 + 搜索竞争度 × 0.20 + 社交声量 × 0.20）
   - 竞争度评分决策：1-3 低竞争（建议进入）/ 4-6 中竞争（需差异化）/ 7-10 高竞争（寻找利基）

### Phase 3 — 诊断（当用户描述竞争异常时触发）

加载 `references/diagnostic-system.md`，按症状进入对应诊断路径：

**诊断模式 1：竞争格局诊断**
```
触发：用户询问"主要竞争对手是谁"或"市场竞争激烈吗"
决策树：
├── 品牌阶段？（0-1 寻找对标 vs 1-10 寻找差异化）
├── 目标市场？（单一国家 vs 全球）
└── 核心产品线？
输出 → 三层竞品映射矩阵 + 3-5 个核心监控对象
```

**诊断模式 2：竞品流量诊断**
```
触发：用户询问"竞品流量从哪来"或"为什么竞品流量比我高"
决策树：
├── 竞品核心流量渠道？（SEO / Paid Social / Paid Search）
├── 过去 6 个月流量是否有显著波动？
└── 竞品流量结构与我们的差异？
输出 → 流量来源对比图 + 核心渠道拆解 + 流量获取盲区
```

**诊断模式 3：竞品定价诊断**
```
触发：用户询问"定价是否有竞争力"或"竞品为什么卖得便宜/贵"
决策树：
├── 竞品价格区间与我们对比？
├── 是否采用捆绑/订阅隐藏真实单价？
└── 促销频率和折扣力度？
输出 → 价格-价值象限图 + 定价策略逆向报告 + 定价调整建议
```

**诊断模式 4：竞品广告诊断**
```
触发：用户询问"竞品在跑什么广告"或"竞品广告为什么效果好"
决策树：
├── 竞品在哪些平台投放？（Meta / TikTok / Google）
├── 跑得最久的"常青广告"是什么？
└── 核心 Hook 和视觉风格？
输出 → 爆款广告蓝图拆解 + Hook 库 + 广告重构建议
```

**诊断模式 5：竞品内容诊断**
```
触发：用户询问"竞品SEO策略"或"写什么内容超越竞品"
决策树：
├── 竞品排名最高的核心关键词？
├── 内容格式特点？（博客/视频/工具）
└── 内容是否真正满足搜索意图？
输出 → 关键词差距清单 + 内容差距分析 + "10x内容"创作蓝图
```

**诊断模式 6：竞品品牌诊断**
```
触发：用户询问"竞品品牌定位"或"如何在品牌层面区分"
决策树：
├── 竞品核心价值主张（USP）？
├── 社交媒体品牌声音？
└── 客户评论中最常提及的品牌感知？
输出 → 品牌原型对比 + 视觉识别拆解 + 品牌差异化建议
```

**综合异常诊断路由**：
```
症状 → 诊断路径路由：
├── 市场份额下降 → 竞品价格战 → 新进入者分流 → 渠道变化 → 品类趋势转移
├── 竞品突然发力 → 融资信号 → 产品线扩张 → 广告投放加大 → 合作/收购
├── 定价压力 → 成本结构差异 → 规模优势 → 渠道差异 → 价值感知差距
└── 流量被截流 → 关键词重合 → 广告位竞争 → 内容分流 → 联盟/网红抢占
```

诊断完成后 → 使用竞品专属 ICE 框架对发现的问题排序 → 输出优先行动清单。

### Phase 4 — 执行与输出

按所选工作模式执行：

**Mode A 竞争格局扫描**：
1. 构建三层竞品矩阵（直接/间接/替代品），筛选 3-5 个核心监控对象。
2. 使用四维竞争密度评估模型评分。
3. 规模差异警报：若目标竞品规模 >10x，提供三个选项（继续分析/切换战略研究模式/寻找更可比对标）。
4. 输出：《竞争格局全景图》（含核心发现 + 三层矩阵 + 战略建议）。

**Mode B 深度竞品拆解**（五维 SOP 骨架）：
```
维度 1：产品与定价
├── SKU 结构分析（引流款/利润款/形象款/捆绑款四角色识别）
├── 定价心理学逆向（价格锚点/诱饵效应/订阅渗透率）
└── 成本结构估算（产品成本/物流成本/营销成本 → 利润空间判断）

维度 2：流量获取
├── 流量结构健康度评估（Direct/Organic/Paid 占比含义解读）
├── 核心渠道深挖（SEO核心页面/付费社交常青广告/联盟网络）
└── 流量趋势分析（6个月趋势 + 季节性波动模式）

维度 3：转化与 UX
├── 漏斗摩擦分析（首页→产品页→加购→结账全路径）
└── 信任与紧迫感设计（评论/认证/实时通知/倒计时/库存提示）

维度 4：品牌与内容
├── 品牌原型与声音识别（颠覆者/智者/弄臣等）
└── 内容支柱分析（教育/娱乐/促销比例 → 策略深度判断）

维度 5：客户体验
├── 评论挖掘（低分=产品缺陷/中间=差一点完美/高分=核心优势）
└── 售后服务对标（开箱体验/邮件序列/客服响应）
```
输出：《单一竞品深度拆解报告》+ ICE 优先级排序。

**Mode C 对标学习与借鉴**：
```
0→1 阶段路径：
├── Step 1：五重过滤法筛选对标
│   ├── 第一层：赚钱吗？（持续投放>6月 = 正向模型验证）
│   ├── 第二层：能看懂吗？（获客→转化→交付→复购闭环可拆解）
│   ├── 第三层：能承接吗？（资源/团队/供应链可匹配）
│   ├── 第四层：能拆成原则吗？（排除主观偏好，聚焦市场结果）
│   └── 第五层：能落地并可回退吗？（快速落地/可控测试/可回退）
├── Step 2：对标评分卡（盈利验证度30% + 模式透明度20% + 资源可及性20% + 规模适中度15% + 供应链可及15%）
│   └── >3.5 优质对标 / 2.5-3.5 可考虑 / <2.5 放弃
├── Step 3：高保真结构借鉴执行
│   ├── 红线先行：可借鉴（顺序/节奏/信任/框架/机制）vs 不可复制（Logo/文案/素材/识别元素）
│   └── 四层借鉴（产品层/网站层/广告层/邮件层）
└── Step 4：颗粒度检查（隐形变量审计：加载速度/受众定位/售后体验/邮件营销/社会证明）

1→10 阶段路径：
├── 差异化三层模型（产品差异化 → 体验差异化 → 品牌差异化）
├── 微创新原则（每次只测一个变量，下降即回滚）
└── 四维溢价阶梯映射（识别竞品在哪个 Tier 有优势，我们在哪个 Tier 有反超空白）
```
**红线**：不得输出 1:1 复刻品牌表达、视觉识别、按钮文案或消费者可感知识别元素。
输出：《高保真对标学习蓝图》或《差异化策略报告》。

**Mode D 竞品监控与季节性策略**：
1. 设计监控维度、频率和警报阈值。
2. `off_season` → 淡季竞争监控三大任务：
   - 竞品淡季行为监控（广告减投=你的机会窗口 / 新品推出=威胁预警 / 价格调整=价格情报）
   - Share of Voice 分析（淡季 SOV 变化影响旺季格局）
   - 深度竞品研究（完整走竞品购买流程 / 分析邮件序列 / 识别弱点为旺季备弹药）
3. `pre_season` → 旺季前竞品动向预警与布局分析。
4. 输出：《自动化竞争情报监控方案》（含监控维度表：广告/定价/产品/内容/SEO/客户评价）。

**Mode E 竞品差距分析**：
1. 关键词差距：加权过滤（搜索量 × KD × 商业意图 × 竞品排名位置），分类为未覆盖/弱势/长尾蓝海/品牌词缺口。
2. 内容差距：格式差距 / 深度差距 / 意图匹配差距。
3. 产品功能差距：基于评论挖掘的"差一点就完美"痛点。
4. 反向链接差距：Link-intersect 分析 + 链接目标优先级排序。
5. 输出：《竞争差距与机会清单》+ ICE 排序。

**Mode F 竞品对比页面**：
1. 确定对比对象（单一竞品 or 多竞品）。
2. 收集客观对比数据（功能/价格/评价）。
3. 遵循"诚实原则"：客观承认竞品优势，突出我们的差异化。
4. 四种页面类型选择：Alternative-to-X / Best Alternatives List / Direct Comparison / Indirect Comparison。
5. 输出：《SEO 优化的竞品对比页面草稿》。

> 对标学习的核心是借鉴**结构、顺序、说服逻辑、定价框架与体验机制**，而不是复制竞品的具体品牌表达。

### Phase 5 — 防护与质量检查

加载 `references/anti-patterns.md` 进行最终检查：

**绝对禁止**：
- 禁止 1:1 抄袭广告素材或品牌表达（可逆向 Hook/顺序/逻辑，不可盗用图片/视频/文案/包装识别）
- 禁止在对比页面中虚假贬低竞品（不捏造缺点/不隐瞒明显优势）
- 禁止过度监控而忽视行动（100页数据0条策略 = 彻底失败）
- 禁止 0-1 阶段盲目追求差异化（先跑通模型，再谈差异化）

**规模差异警报**：
- 小品牌不应直接对标巨头的执行策略
- 若目标竞品规模 >10x → 警告并提供替代方案

**常见错误检查**：
- 是否只看了头部竞品而忽略增长迅速的腰部/长尾？
- 是否混淆了"功能"与"价值"（只列 Feature Checklist）？
- 是否做了静态分析而忽略 6 个月演变轨迹？

**ICE 排序验证**：
- 所有输出的策略建议必须经过 ICE 排序（Impact × Data Basis × Ease / 10）
- 确保每个竞品分析都有清晰的"所以呢"——可执行的下一步行动

---

## 4. 防护：危机模式与降级策略

### 4.1 危机模式下的竞争情报

**季节性排除**：
- `seasonal_mode = off_season` 时不自动触发危机模式（淡季销量下降是正常的）
- 除非用户同时有非季节性危机信号（现金流断裂、账户被封等）
- 使用 YoY（同比）而非环比来评估业绩趋势

**当 `crisis_mode ≠ none` 时**（cash_crisis 或 pr_crisis）：
```
聚焦「威胁识别」，不做大规模竞品报告：
├── ① 竞品是否在做低价攻击？（是否因竞品行动导致衰退）
├── ② 竞品是否在抢占你的品牌词流量？
├── ③ 竞品是否有新产品/新策略导致你失去市场份额？
└── ④ 不建议做大规模竞品报告（危机期需要行动不需要报告）

输出格式：
「竞品威胁快速扫描：
─ 竞品 A：最近降价 X%，可能在抢占你的价格带
─ 竞品 B：新上线了类似产品，可能分流你的客户
─ 建议行动：[1-2 个具体应对措施]」
```

**重要补充**：以上是止血建议的方向指引，不是禁止用户做其他事。如果用户在危机期坚持要做非止血类的事，尊重用户意愿，正常执行。

### 4.2 降级策略

```
Level 1（完整数据）：用户提供竞品名称 + 自身品牌数据 + 流量/广告数据
  → 执行全维度竞品分析，输出完整竞品全景图

Level 2（部分数据）：仅有竞品名称，无自身品牌数据
  → 基于公开信息（网站、社媒、广告库）进行竞品画像
  → 明确标注"缺少自身数据对比，建议补充后重新分析"

Level 3（最少数据）：仅有品类/赛道信息，无具体竞品
  → 执行品类竞争格局扫描，识别 Top 5 竞品
  → 输出初步竞品清单，引导用户确认后深入分析

兜底规则：
  → 不满足 Level 1/2 时默认降级到 Level 3，使用行业通用值填充
  → 最多追问 2 轮，之后自动进入 Level 3 通用建议模式

终端无联网：
  → 基于用户口述信息构建竞品假设画像
  → 输出"待验证"标签的分析框架
```

### 4.3 前置条件检查

```
执行类任务最低门槛：
  → 唯一硬性门槛：需要知道「卖什么产品/什么品牌」
  → 如果用户连产品都不说，温和告知：
    「为了给出有针对性的建议，我至少需要知道你卖什么产品。能简单说一下吗？哪怕一个词也行。」
  → 其他缺失信息用行业通用值替代并标注

Level 0 边界：
  竞争分析引擎欢迎所有阶段的用户，包括 Level 0。
  纯概念阶段的用户可以通过本模块：
  ✓ 做品类竞争格局扫描（了解赛道里有谁）
  ✓ 做竞品定位和差异化分析
  ✓ 做竞品定价策略研究
  ✓ 做竞品广告策略分析（基于公开信息）
  ✓ 做竞品流量分析（基于公开工具）
```

---

## 5. Completion Protocol

每次输出必须遵循 `_system/output-format.md` 的四段式结构，并在 WHAT'S NEXT 中附带与内部 `completion.status` 对齐的用户可读状态：

```markdown
---
**FILES SAVED**: [列出本次更新或创建的文件，如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐：{下一步行动}
├── ◑ 可选：{备选行动}
└── 当前状态：{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}
```

如果当前回答仍可自然展开，必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口（不得机械复用固定句式，具体规则见 `_system/output-format.md` 第 3.5 节）。


### 5.1 Internal Completion Handoff（内部完成回传）

除用户可见的四段式输出外，必须在内部 completion 回传中显式对齐 `_system/context-matrix.md` 的统一模板，不得只写状态码，也不得省略 `market_scope_used` 与 `primary_market_used`。

```yaml
completion:
  from: afa-compete
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场；若单市场已明确到具体国家/区域则写具体市场；若只知单市场但未点名，可写 english_ecommerce_generic 这类保守占位，不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取，具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"
```

补充规则：
- 只要还能给保守可执行版，优先不用 `BLOCKED`。
- 若主问题已回答但仍有保留项，优先用 `DONE_WITH_CONCERNS`。
- 若当前请求真实越界，必须通过 `out_of_scope` 结构化回交上层，而不是只在正文口头停工。
- `primary_market_used` 必须与本次结论真正适用的市场一致，不得机械复写输入字段。

完成前检查清单：
- 将本次执行中发现的新教训以 JSONL 格式追加到 `learnings.jsonl`，遵守 `_system/brand-memory-protocol.md` 第九章的数据结构定义。写入时遵循 `_system/interaction-protocol.md` 第五章的静默捕获协议。

## 6. 边界与越界处理

- **公开数据原则**：所有情报收集必须基于公开可获取的数据（OSINT），严禁使用非法手段获取竞品商业机密。
- **对标边界原则**：可以借鉴竞品的结构、步骤、定价框架、说服逻辑与体验机制，但任何会被消费者感知为"几乎同一品牌"的视觉、文案、包装和页面表达都不得直接复制。
- **无数据降级**：如果用户无法提供竞品信息，按 §4.2 降级策略执行。
- **越界处理**：本模块仅负责竞争格局扫描、深度竞品拆解、对标学习与差异化借鉴、竞品监控等竞争情报分析。如果用户询问广告投放执行、产品设计、品牌定位制定等非竞争情报领域的问题，**不要尝试回答，也不要向用户暴露其他内部代号**。请向用户简要解释边界，并在内部 completion 回传中使用规范化 `out_of_scope.reason` 与 `out_of_scope.suggested_route` 结构将控制权交还给上层基础战略统筹流程重新路由；用户可见文案只保留自然语言下一步建议。