mcpField
R
research-sources

research-sources

github.com/kostja94营销与增长1.1k1.1k 次安装2 天前更新
代码仓库

关于 research-sources

面向营销研究的信息源选择与整理指南,适用于内容构思、竞品监测和行业追踪。它按来源类别、质量标准和更新频率组织研究流程。

主要功能

  1. 01按类别整理信息源
  2. 02依据权威性与时效性筛选
  3. 03为不同研究目标匹配来源
  4. 04规划来源清单与更新频率

适用场景

  1. 01为博客、邮件简报和社交内容寻找主题
  2. 02跟踪竞品更新、定位与评价
  3. 03监测行业趋势、融资和监管变化

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/kostja94/marketing-skills --skill research-sources

安装后在 Claude Code 中输入/research-sources确认已加载。

详细介绍

策略:研究来源

介绍如何为营销研究选择和整理信息来源,涵盖内容构思、竞争对手监测和行业追踪。规划从哪里获取内容、竞争情报或市场趋势信号时,请使用此技能。

调用时:首次使用时,如果有帮助,可以先用 1–2 句话介绍此技能涵盖的内容及其重要性,然后提供主要内容。后续使用或用户要求跳过时,直接提供主要内容。

使用场景

使用场景目的
内容构思为博客、新闻简报、社交媒体寻找主题创意、趋势和空白
竞争对手监测追踪产品更新、市场定位、定价和评价
行业追踪关注市场变化、融资、裁员和监管变动

来源类别

类别形式用途
新闻实时、每日突发新闻、公告
博客公司、分析师深度分析、产品更新
新闻简报精选、每周/每日趋势、摘要;省力
活动会议、网络研讨会行业动态、人脉拓展
数据裁员、市值、融资定量信号
社区论坛、问答真实问题、痛点
档案Wayback、Internet Archive历史内容、竞争对手变化

选择标准:权威性、时效性、覆盖范围、语言/地区。优先选择 10–15 个高质量来源,而不是 50 个以上信号价值低的来源。

来源示例(通用)

类别示例
新闻TechCrunch、VentureBeat、MIT Technology Review
博客Google AI Blog、OpenAI Blog、公司博客
新闻简报TLDR AI、Ben's Bites、The Batch (DeepLearning.AI)
数据Layoffs.fyi、Crunchbase、Companies Market Cap
档案Internet Archive、Wayback Machine
社区Reddit、Quora、Stack Overflow;地区性来源(例如日本的 Qiita)

注意:通过 localization-strategy 添加特定地区的来源;避免列出冗长的 URL 清单。

按使用场景分类

使用场景来源类型
内容构思新闻、博客、新闻简报、社区(Reddit、Quora、Stack Overflow)
竞争对手监测竞争对手博客、评价网站、社交媒体、融资数据库
行业追踪新闻、新闻简报、活动、裁员/融资数据

避免:列出容易过时的冗长 URL 清单。采用类别框架并搭配少量示例;定期更新。

与技能集成

技能研究来源的作用
keyword-research利用新闻简报和社区寻找长尾关键词及问题型关键词
competitor-research通过竞争对手博客、评价平台和融资数据开展研究
content-marketing通过新闻和博客寻找主题创意;利用活动策划时效性内容
content-strategy利用行业趋势规划支柱内容和主题集群

输出格式

  • 使用场景(内容构思、竞争对手、行业)
  • 类别选择(新闻、博客、新闻简报等)
  • 来源候选清单(5–15 个;名称 + 用途)
  • 频率(每日扫描、每周摘要、活动日历)

相关技能

  • keyword-research:关键词发现;研究来源为主题提供参考
  • competitor-research:竞争对手分析;用于监测的来源
  • content-marketing:内容规划;用于构思的来源
  • content-strategy:主题集群;为支柱内容提供行业信号

评论

支持 Markdown