核心用法
Content Gap Analysis 是一款面向SEO与GEO优化的研究型技能，核心功能是识别目标站点与竞品之间的内容覆盖差异。用户只需提供自有站点URL和2-3个竞品域名，系统将输出完整的内容缺口分析报告，包括关键词差距、话题集群缺失、内容格式空白、受众旅程覆盖不足等维度。
操作流程遵循标准化框架：定义分析范围 → 审计现有内容 → 竞品内容分析 → 识别关键词缺口 → 话题集群对比 → 内容格式差距 → GEO/AI引用缺口 → 受众旅程映射 → 优先级排序与行动计划。最终交付物为三级优先级的内容日历，附带成功指标与执行建议。
显著优点
- 双轨优化：同时覆盖传统搜索引擎优化（SEO）和生成式引擎优化（GEO），识别AI可引用内容机会
- 结构化输出：提供标准化模板与验证清单，降低分析主观性
- 多语言支持：内置中英日韩西葡等12种语言的触发词识别
- 弹性数据源：支持API自动拉取（Search Console、SEO工具、AI监控）或纯手动输入
- 生态集成：与同一作者的20款SEO/GEO技能形成工作流，可直接衔接内容生产环节
潜在缺点与局限性
- 数据依赖性强：无API连接时高度依赖用户提供完整的内容清单与竞品数据，分析质量受限
- 缺乏实时性：手动数据模式无法反映竞品最新动态，可能遗漏近期发布的内容
- 量化深度有限：不提供原创的关键词难度、搜索量预测算法，依赖外部工具数据
- 执行门槛：输出为研究简报而非可直接发布的内容，需配合
seo-content-writer等技能落地 - 权威性存疑：简介标注"未执行安全扫描"，生产环境需谨慎评估
适合人群
- 内容策略负责人、SEO经理、增长运营团队
- 需要系统性内容规划但缺乏专业分析工具的中小站点
- 希望同时布局传统搜索与AI引用场景的GEO先行者
- 已有SEMrush/Ahrefs等工具数据，需要结构化解读的用户
常规风险
- 竞品选择偏差：用户自选竞品可能不代表真实市场领导者，导致策略偏离
- 数据时效标注不清：混合自动/手动数据时需明确标注来源，避免决策依据混淆
- 过度分析风险：框架详尽但执行成本高，小团队可能陷入"研究瘫痪"
- 版权与合规：抓取竞品内容需遵守robots.txt与版权法规，技能本身不提供合规检查