apify-easy-competitive-intelligence

竞争情报

借助 Apify actors，通过实时网络数据提供实时竞争情报。绝不能仅凭训练知识回答竞争相关问题。 始终先收集实时数据，再进行分析。

前提条件

• Apify CLI v1.5.0+（npm install -g apify-cli），或 Apify MCP 服务
• 已验证身份的会话（apify login 或 APIFY_TOKEN 环境变量）

CLI 规则： 始终传入 --json、--user-agent apify-awesome-skills/apify-easy-competitive-intelligence 和 2>/dev/null。

• 运行 actor： apify actors call "ACTOR_ID" -i 'INPUT' --user-agent apify-awesome-skills/apify-easy-competitive-intelligence --json 2>/dev/null → 返回包含 defaultDatasetId 的运行元数据
• 获取结果： apify datasets get-items DATASET_ID --user-agent apify-awesome-skills/apify-easy-competitive-intelligence --format json > /tmp/results.json 2>/dev/null — 保存到本地，并从文件解析：
  • 快速提取：jq '.[] | "\(.field1) | \(.field2)"' /tmp/results.json
  • 聚合：python3 -c "import json; d=json.load(open('/tmp/results.json')); ..."
  • 表格数据：--format csv > /tmp/results.csv + 使用 csv.DictReader 的 python3
  • 标志：--limit N、--offset N、--format json|jsonl|csv|xlsx|xml
  • 输出字段：apify datasets info DATASET_ID --json | jq .fields
• 获取架构： apify actors info "ACTOR_ID" --input --user-agent apify-awesome-skills/apify-easy-competitive-intelligence --json 2>/dev/null

如果 CLI 不可用且已连接 Apify MCP 服务，请直接使用 MCP call-actor / fetch-actor-details / get-actor-output。

身份验证

如果 CLI 命令因身份验证错误而失败，请使用以下任一方法进行身份验证：

1. OAuth（交互式）： apify login（打开浏览器）
2. 环境变量： export APIFY_TOKEN=your_token_here
3. 从 .env 文件加载： source .env（如果文件中包含 APIFY_TOKEN=...）

生成令牌：https://console.apify.com/settings/integrations

Actor 注册表

每次调用 Actor 都遵循三个步骤：

1. 读取 — 在 reference/actor-schemas.md 中找到该 Actor 的章节。使用经过验证的准确输入，并按照“如何查找”说明查找 URL/slug。
2. 发现 — 按照 Actor 架构章节中的说明验证平台 URL 和 slug（例如通过 SERP）。不要猜测——错误的 slug 会悄无声息地返回空数据或错误数据。
3. 运行 — 使用经过验证的输入调用 Actor。

或者，获取实时架构：apify actors info "ACTOR_ID" --user-agent apify-awesome-skills/apify-easy-competitive-intelligence --input --json 2>/dev/null

数据需求	Actor	备注
Google SERP	apify/google-search-scraper	支持国家/语言。SERP 摘要中包含评分和评论数
页面抓取	apify/website-content-crawler	必须配置 proxyConfiguration。返回 Markdown
RAG 浏览	apify/rag-web-browser	一次调用即可搜索并抓取。适合作为备用方案
LinkedIn 公司	dev_fusion/Linkedin-Company-Scraper	输出位于 KV store 中，而非数据集
LinkedIn 职位	curious_coder/linkedin-jobs-scraper	需要 LinkedIn 搜索 URL，而不是关键词
Crunchbase	pratikdani/crunchbase-companies-scraper	每次调用仅支持一个公司 URL
Amazon 商品	junglee/Amazon-crawler	商品或类别 URL
Amazon 评论	web_wanderer/amazon-reviews-extractor	某些商品可能返回 0 条
Walmart 商品	e-commerce/walmart-product-detail-scraper	可能返回空结果
Google Maps 评论	compass/Google-Maps-Reviews-Scraper	使用完整的 Google Maps 地点 URL
G2 评论	automation-lab/g2-scraper	NPS、评分、切换数据。每次运行 $0.04
Capterra 评论	zen-studio/capterra-reviews-scraper	每 1K 条 $1.99
Gartner Peer Insights	—	没有可用的 Actor。可使用 SERP 摘要挖掘作为备用方案
Glassdoor	memo23/glassdoor-scraper-ppr	评论、薪资、文化、评分
Reddit	harshmaur/reddit-scraper	帖子和完整评论串
Google Play 评论	neatrat/google-play-store-reviews-scraper	App ID 或 Play Store URL
App Store	jdtpnjtp/apple-app-store-scraper	需要 SHADER 代理——并非所有套餐都提供
SimilarWeb	pro100chok/similarweb-scraper	每次调用至少需要 10 个域名
Google 新闻	data_xplorer/google-news-scraper-fast	关键词中不能使用布尔运算符
Wayback Machine	andok/wayback-machine-scraper	包含路径的完整 URL

核心工作流

步骤 0：了解用户（开始时执行一次）

收集数据前先明确：

• 角色 — 被分析公司、竞争对手、投资者、顾问？
• 决策 — 进入市场、守住地位、选择供应商、制作竞争对比卡？
• 自主程度 — 初步发现后设置检查点，还是全程自动执行？

步骤 1–7

1. 明确范围 — 确定竞争对手。选择模块。默认地理范围：美国。
2. 阅读模块参考资料 — 加载 reference/modules/<module>.md，查看数据收集和分析说明。
3. 收集实时数据 — 每次调用 Actor 时遵循三步模式：读取（actor-schemas.md）→ 发现（通过 SERP 查找 URL）→ 运行（调用 Actor）。优先使用上方 Actor 注册表中的 Actor。
4. 检查点（非自动执行时）— 展示初步发现，并确认方向。
5. 分析 — 选择分析框架，以叙述为主线，并用表格佐证。
6. 验证 — 执行交付前验证（reference/verification-checklist.md）。检查：每项主张都有来源 URL，每项重要发现都有置信度标签，推断均标注为推断。删除所有缺乏依据的主张。
7. 交付 — 最后根据用户的角色给出战略建议。

框架选择

情况	框架
分析一位竞争对手	SWOT
市场动态与竞争力量	波特五力
可视化比较市场定位	战略画布（蓝海）
客户为何转而选择其他产品	待完成的任务（Jobs-to-be-Done）
寻找市场空白	定位矩阵（2x2）
预测竞争对手的反应	竞争响应矩阵

数据收集规则

• 优先选择结构化 Actor，而非 website-content-crawler，但前提是存在专用 Actor。
• 成本预算——每次快照调用 3-8 个 Actor。跟踪总数，达到 15 次或以上时发出警告。
• 在单次响应中并行调用彼此独立的 call-actor。
• 失败处理——明确报告每次失败（Actor、输入、错误）。如果原因明显，使用修正后的输入重试。如果重试仍失败，则尝试使用 rag-web-browser 作为备用方案。绝不默默跳过失败的数据源。
• 引用所有内容——为每个数据点附上来源 URL。
• 长时间运行时使用异步——对于运行时间超过 30 秒的 Actor，设置 async: true，并使用 get-actor-run 轮询。
• 受保护的平台——请勿对以下平台使用 website-content-crawler 或 rag-web-browser：g2.com、capterra.com、gartner.com、glassdoor.com、reddit.com、linkedin.com。请使用专用 Actor。

Apify 与 WebSearch

必须使用 Apify：评论网站（G2、Capterra、Gartner、Glassdoor）、LinkedIn、Reddit、Amazon、Walmart、应用商店、SimilarWeb、Crunchbase、Wayback Machine、Google Maps 评论、新闻（Google News actor）。

使用 WebSearch/WebFetch 即可（Claude Code 内置工具）：发现竞争对手、一般公司信息、博客文章、公开可访问的定价页面。

数据验证与依据

• **每个事实性主张都需要来源 URL。**没有链接就不是事实。
• **必须标注置信度。**为每项重要发现标注：高（一手来源）、中（2 个或以上第三方来源）、低（单个第三方来源）。格式：[置信度 | 来源]。报告中不得缺少置信度标签。
• 数据层级：已验证（一手来源）→ 已报告（第三方来源，注明出处）→ 推断（标注为“这表明……”）→ 无依据（省略）。
• 数字容易失真——员工人数、营收、融资额变化很快。务必注明来源和日期。
• 空结果也有参考价值——0 个招聘职位 = 暂无招聘，0 SimilarWeb = 小型网站，12 条评论 = 采用率低。
• 交叉核对——单一来源的主张未经验证。多个来源（G2 + Capterra + Reddit）= 趋势。

模块选择

用户说……	模块	参考资料
“分析[竞争对手]”、“介绍一下[公司]”	竞争对手快照	reference/modules/competitor-snapshot.md
“比较定价”、“[X]多少钱”	定价情报	reference/modules/pricing-intelligence.md
“定价详情”、“按使用场景计算的费用”、“层级”、“附加项”	定价深度分析	reference/modules/pricing-deep-dive.md
“客户怎么评价”、“评论”、“痛点”	评论情报	reference/modules/review-intelligence.md
“他们在招聘什么岗位”、“招聘信息”	招聘信号	reference/modules/hiring-signals.md
“他们的排名如何”、“内容策略”、“SEO”	内容与 SEO	reference/modules/content-seo.md
“市场上有哪些参与者”、“市场格局”	市场格局	reference/modules/market-landscape.md
“完整竞品作战卡”、“深入分析”、“董事会准备”	多模块	reference/multi-module-playbook.md