核心用法
本Skill专为竞争对手SEO/GEO策略深度分析设计。用户只需提供竞品URL或域名，系统将自动执行八步完整分析流程：识别竞争对手类型（直接/间接/内容型）→ 抓取核心站点数据（域名年龄、预估流量、权威度）→ 解析关键词排名布局（总量、Top10占比、高价值词、意图分布）→ 审计内容策略（产出量、爆款规律、主题矩阵）→ 分析外链构成（数量、质量分布、获取模式）→ 评估技术SEO（Core Web Vitals、移动适配、架构合理性）→ 检测GEO/AI引用情况（哪些查询引用了竞品、引用格式偏好、未覆盖机会点）→ 输出竞争情报综合报告（含执行摘要、对比矩阵、CITE分析、学习要点、漏洞利用、关键词机会、内容建议及短中长期行动计划）。
支持高级分析模式：内容缺口分析、链接交集挖掘、SERP特征追踪、历史策略演变回溯。
显著优点
分析框架系统化：覆盖SEO/GEO双维度，超越传统工具仅关注排名的局限，纳入AI时代新兴的引用可见性评估。八步流程结构清晰，新手可按图索骥，老手可快速定位关键模块。
输出可直接落地：不仅输出数据，更提供「可复用的成功模式」和「可攻击的弱点清单」，并附带Immediate/Short-term/Long-term三阶段执行计划，降低从洞察到行动的转化损耗。
多语言触发支持：内置中文、英文、日文、韩文、西班牙文、葡萄牙文等多语言触发词，适合全球化团队的跨国竞品监控需求。
生态联动性强：明确推荐下游Skill（content-gap-analysis、serp-analysis、backlink-analyzer），支持分析结果自动沉淀至memory/hot-cache.md和memory/research/目录，形成可累积的竞争情报资产。
潜在缺点与局限性
工具依赖风险：标注为「Optional integrations」的SEO工具（如SpyFu、Semrush、Ahrefs类接口）若未连接，分析深度将受限于公开可抓取数据，可能产生流量预估偏差或关键词覆盖盲区。
数据时效性未明确：未说明数据更新频率，竞品策略突变时（如大规模内容重构、外链清理）可能基于过时快照输出误导性结论。
AI引用检测黑箱：GEO/AI Citation Analysis步骤缺乏技术细节，「test which queries cite competitors」的具体实现方式（模拟搜索/第三方API/日志推断）不透明，结果可信度难以校验。
合规边界模糊：「spy on competitor SEO」等触发词及「Find sites linking to [competitor]」等指令存在数据获取伦理争议，未明确提示反爬虫政策、robots.txt尊重、数据使用许可等合规要求。
适合人群
- SEO/SEM从业者：需要系统性竞品对标而非零散数据查询
- 内容战略负责人：寻找可验证的内容差异化方向
- 市场情报分析师：构建可持续更新的竞争监测体系
- 创业者/产品经理：快速理解行业玩家的流量获取逻辑
- 跨境业务团队：需多语言市场竞品同步监控
常规风险
- 数据合规风险：自动化外链挖掘、关键词排名抓取可能违反目标站点服务条款或当地数据保护法规
- 策略误判风险：过度依赖公开可见指标（如预估流量）可能忽视私域运营、品牌搜索等隐形竞争壁垒
- 执行过载风险：输出报告信息密度高，缺乏优先级强制排序机制，资源有限团队可能陷入「全都想做」的执行困境
- AI引用标准漂移：各大模型引用逻辑快速迭代，当前检测方法可能短期内失效