competitive-intel

競合インテリジェンス

ライブウェブデータを活用したリアルタイムの競合インテリジェンスです。データ収集には Bright Data CLI（bdata）を使用し、戦略分析のフレームワークと組み合わせて、実際に活用できる競合分析の知見を提供します。古い学習データには依存しません。

競合に関する質問には、学習データだけを使って回答しないでください。 必ず最初に bdata コマンドを使ってライブデータを収集し、その後に分析して統合してください。

前提条件

1. Bright Data CLI がインストールされていること：

   curl -fsSL https://cli.brightdata.com/install.sh | bash
   

2. 初回ログインが完了していること：

   bdata login
   

以上です。管理が必要な環境変数、ゾーン設定、API キーはありません。

基本的なワークフロー

競合インテリジェンスの依頼を受けたら、毎回以下のワークフローに従ってください。

1. 範囲を明確にする — 競合はどこか、ユーザーは具体的に何を知りたいのかを確認し、適切なモジュールを選択します。
2. ライブデータを収集する — bdata コマンドを実行します。独立した呼び出しは並列化します。対象サイトにスクレーパーがある場合は、bdata scrape（生の Markdown）よりも bdata pipelines（構造化 JSON）を優先します。
3. 分析する — 適切な戦略フレームワークを適用します。SWOT、ポーターのファイブフォース、ポジショニングマトリクスなどについては、references/analysis-frameworks.md を参照してください。
4. 出力を整える — references/output-templates.md のレポートテンプレートを使用します。
5. 実行可能な知見を提供する — すべてのレポートには、必ず「戦略的提言」セクションを最後に含めてください。解釈を加えずに生データだけを提示しないでください。

データ収集のルール

• bdata の出力をプログラムでパイプまたは解析する場合は、必ず --json フラグを使用する
• 対象のプラットフォームに既成のスクレーパーがある場合は、bdata scrape よりも bdata pipelines を優先する。パイプラインは整理された構造化 JSON を返します
• 推測せず、スクレーパーを調べる。 bdata pipelines search "<site or data type>" を実行し、続いて bdata pipelines info <dataset_id> <method> で入力フィールドを確認し、その後 bdata pipelines run を実行します。dataset_id やフィールド名を推測しないでください。ワークフロー全体については、brightdata-cli スキルと pipelines reference を参照してください
• コスト効率を意識する — スナップショットには、bdata の呼び出しを 50 回ではなく 3～8 回使用します。必要なデータだけをスクレイピングしてください
• 並列化する — 1 回の応答で複数の Bash ツール呼び出しを使い、独立した bdata 呼び出しを並列実行します
• 失敗に適切に対処する — ページへのアクセスが制限されている場合や、結果が空の場合は、その旨を伝えて代替手段を試します。不足しているデータを捏造してはいけません
• すべてのデータポイントに出典を記載する — すべての情報に出典 URL を含めます。ユーザーが検証できるようにしてください

インテリジェンスのニーズと bdata コマンドの全対応表については、references/data-source-guide.md を参照してください。

生データを戦略的なシグナルとして解釈する方法については、references/industry-signals.md を参照してください。

---

分析モジュール

1. 競合スナップショット

使用する場面：ユーザーが特定の競合を分析、プロファイリング、または理解したい場合。

データ収集：

# Step 1: Discover competitor's website and recent news
bdata search "[competitor name]" --json

# Step 2: Scrape key pages (run in parallel)
bdata scrape [competitor-url]              # Homepage — positioning, messaging
bdata scrape [competitor-url]/pricing      # Pricing tiers and model
bdata scrape [competitor-url]/about        # Team, mission, history (try /about, /about-us, /company)

# Step 3: Structured data enrichment (if URLs available)
bdata pipelines search "crunchbase company"      # Funding, investors, employee count
bdata pipelines search "linkedin company"        # Employee count, growth, locations
bdata pipelines info <dataset_id> collect_by_url
bdata pipelines run <dataset_id> collect_by_url "[company-url]"

分析：情報を統合して、体系的なプロファイルにまとめます。ポジショニング、ターゲット層、主な訴求点、強み、脆弱性を特定します。ユーザーの製品に関する文脈があれば、比較します。

出力：references/output-templates.md の競合スナップショットテンプレートを使用します。

---

2. 価格インテリジェンス

使用する場面：ユーザーが価格を比較したい場合、価格モデルを理解したい場合、または価格ポジショニングの機会を見つけたい場合。

データ収集：

# Scrape pricing pages for each competitor (run in parallel)
bdata scrape [competitor-a-url]/pricing
bdata scrape [competitor-b-url]/pricing
bdata scrape [competitor-c-url]/pricing

# For e-commerce products: find the retailer's product scraper first
bdata pipelines search "[retailer] product"
bdata pipelines run <dataset_id> collect_by_url "[product-url]"

# Supplementary: third-party pricing breakdowns
bdata search "[competitor] pricing review" --json

分析：各ページからプラン名、価格、機能一覧、利用上限を抽出します。比較マトリクスに整理します。価格モデルの種類（ユーザー単位、従量課金、フリーミアム、エンタープライズ限定）を特定します。ポジショニングのシグナルを示し、機会を提案します。

出力：references/output-templates.md の価格インテリジェンステンプレートを使用します。

---

3. レビューインテリジェンス

使用するタイミング：ユーザーが顧客の感情を理解したい場合、競合他社に対する不満点を見つけたい場合、または活用できるギャップを特定したい場合です。

データ収集：

# Find review pages via search
bdata search "[competitor] site:g2.com" --json
bdata search "[competitor] site:capterra.com" --json

# Scrape review pages
bdata scrape [g2-url]
bdata scrape [capterra-url]

# Structured review data (use when direct URLs are available)
bdata pipelines search "[platform] reviews"      # e.g. maps, app store, marketplace
bdata pipelines info <dataset_id> collect_by_url # check required fields
bdata pipelines run <dataset_id> collect_by_url "[review-page-url]"

分析：感情を肯定的／中立／否定的に分類します。特に評価されている機能、主な不満点、機能リクエストを抽出します。「Xから乗り換えた」「Yより優れている」といった比較への言及を特定します。不満点は、ユーザーが自社のポジショニングに活用できる機会です。

出力：references/output-templates.md のレビューインテリジェンステンプレートを使用します。

---

4. 採用シグナル分析

使用するタイミング：ユーザーが競合他社の採用パターンから、その戦略的な方向性を推測したい場合です。

データ収集：

# Find LinkedIn company page
bdata search "[competitor] linkedin company" --json

# Get structured job listings
bdata pipelines search "linkedin job listings"
bdata pipelines info <dataset_id>                # pick a method, check its fields
bdata pipelines run <dataset_id> <method> "[linkedin-company-url]"

# Fallback: scrape careers page directly
bdata search "[competitor] careers" --json
bdata scrape [careers-url]

分析：職種を部門ごとに分類します。採用のペースを分析します（拡大中／安定／縮小中）。求人情報から技術に関するシグナルを特定します。地理的な事業拡大のシグナルを探します。採用する人材の職位構成を解釈します（リーダーの採用は新たな取り組み、個人貢献者（IC）の採用は既存事業の拡大を示します）。

出力：references/output-templates.md の採用シグナル分析テンプレートを使用します。

---

5. コンテンツとSEOの競争分析

使用するタイミング：ユーザーが競合他社のコンテンツ戦略や、特定のキーワードにおける検索順位を理解したい場合です。

データ収集：

# Check SERP rankings for target keywords (run in parallel)
bdata search "[keyword 1]" --json
bdata search "[keyword 2]" --json
bdata search "[keyword 3]" --json

# Estimate competitor's indexed content
bdata search "site:[competitor.com]" --json

# Scrape blog/content pages
bdata scrape [competitor-url]/blog
bdata scrape [top-ranking-article-url]

分析：競合他社がどのキーワードで上位表示されているかをマッピングします。コンテンツの量と公開頻度を推定します。各競合他社が注力しているトピッククラスターを特定します。コンテンツのギャップ、つまり誰も十分に扱っておらず、ユーザーが優位性を確立できるトピックを見つけます。

出力：references/output-templates.md のコンテンツとSEOの競争分析テンプレートを使用します。

---

6. 市場全体のマップ

使用するタイミング：ユーザーが市場のあらゆるプレイヤーを把握したい場合、未開拓領域を見つけたい場合、または競争環境をマッピングしたい場合です。

データ収集：

# Discover players via multiple search queries (run in parallel)
bdata search "[industry] companies" --json
bdata search "best [product category] tools" --json
bdata search "[product category] alternatives" --json

# Scrape category/comparison pages
bdata scrape [g2-category-url]

# Quick snapshot of each discovered competitor
bdata scrape [competitor-1-url]
bdata scrape [competitor-2-url]
# ... for each key player (limit to top 8-10)

# Enrich key players with funding/size data
bdata pipelines search "crunchbase company"
bdata pipelines run <dataset_id> collect_by_url "[crunchbase-url]"

分析：プレイヤーを階層ごとに分類します（エンタープライズ、中堅企業、中小企業、オープンソース）。ポジショニングマップを作成します（例：価格と機能の幅）。未開拓領域、つまり十分にサービスが提供されていないセグメントや、どの企業も占めていないポジショニングを特定します。市場のトレンド、新規参入企業、統合のシグナルを記録します。

出力：references/output-templates.md の市場全体のマップテンプレートを使用します。

---

複数モジュールによる分析

ユーザーが包括的な競合分析（例：「完全なバトルカード」「詳細な分析」「取締役会の準備」）を求める場合は、複数のモジュールを組み合わせます。

1. 各競合他社について、競合他社の概要から始めます
2. 比較のために価格インテリジェンスを追加します
3. 顧客の感情を把握するためにレビューインテリジェンスを追加します
4. 戦略をさらに深掘りするため、必要に応じて採用シグナルとコンテンツとSEOを追加します
5. references/output-templates.md のエグゼクティブサマリーテンプレートにまとめます

完全なバトルカードには、競合バトルカードテンプレートを使用します。

適切なモジュールの選び方

ユーザーの発言...	使用するモジュール
「[競合他社]を分析して」「[企業名]について教えて」	競合他社の概要
「価格を比較して」「[X]はいくら？」	価格インテリジェンス
「顧客の評価は？」「[X]のレビュー」「不満点」	レビューインテリジェンス
「どんな職種を採用している？」「求人情報」「どこに進出している？」	採用シグナル分析
「検索順位は？」「コンテンツ戦略」「SEO」	コンテンツとSEOの競争分析
「市場のプレイヤーは？」「市場全体」「競争環境」	市場全体のマップ
「完全なバトルカード」「詳細な競合分析」「取締役会の準備」	複数モジュール（すべてを組み合わせる）

出力品質基準

1. すべてのデータポイントに出典 URL を付けてください — 出典のない主張は禁止です
2. 事実と分析を分けてください — 取得したデータと Claude の解釈を明確に区別してください
3. 最後に「So What?」を記載してください — すべてのレポートに、実行可能な戦略的提言を含めてください
4. 不足情報を正直に伝えてください — データを入手できない場合は、その旨を明記してください。ライブデータとして、学習データの知識で不足を補ってはいけません
5. 分析に日付を記載してください — データの鮮度がわかるよう、「データ収集日：[日付]」を含めてください