核心用法
Content Gap Analysis 是一款竞品导向的内容策略技能，核心功能是将用户网站与指定竞品进行全方位内容覆盖度对比，识别"竞品写了什么、我们没写什么"的缺口机会。用户需提供自身域名及1-3个竞品域名，技能将依次执行：范围定义→自有内容审计→竞品内容分析→关键词缺口识别→主题集群缺口映射→内容格式对比→GEO/AI生成结果覆盖度分析→受众旅程对齐→最终输出优先级排序的行动计划。
显著优点
1. 竞品锚定而非凭空选题：避免脱离竞争格局的"自嗨式"内容规划，每个缺口都关联具体竞品及其流量证据
2. 结构化优先级框架：将缺口划分为Quick Wins（快速见效）、Strategic Builds（战略建设）、Long-term（长期布局）三档，配套内容日历可直接进入生产排期
3. 多维度缺口识别：覆盖关键词、主题集群、内容格式（指南/案例/工具/视频）、GEO/AI引用场景、受众决策旅程五大维度
4. 零API依赖可运行：支持keyless模式，通过Firecrawl免费额度（约1000 credits/月）抓取竞品URL清单，结合趋势侦察脚本（Google Trends RSS+Hacker News+Reddit）发现双发盲区
5. 与内容生产无缝衔接：标准产出直接作为 content-writer 技能的输入，支持memory系统的热缓存与开放循环机制
潜在缺点与局限性
- 必须提供竞品域名：无法脱离竞品做纯需求侧发现，若用户无竞品线索需切换至
keyword-research技能 - 数据精度依赖工具接入：无SEO工具/Search Console时，流量预估、关键词难度等关键指标标记为Estimated，决策置信度下降
- 覆盖度≠转化价值：技能识别的是"覆盖缺口"而非"商业价值缺口"，高流量低转化的竞品内容可能被误判为高优先级
- Firecrawl免费额度有限：深度竞品审计（单竞品1000+URL）可能快速耗尽月度额度
- GEO/AI缺口分析尚处早期：对生成引擎引用逻辑的理解基于静态规则，尚未实时对接AI Monitor流数据
适合人群
- SEO/内容营销负责人：需要季度级内容roadmap与竞品防御策略
- B2B SaaS产品营销：面对成熟竞品矩阵，需系统性补齐决策旅程内容
- 内容运营团队：承接上级策略后，需要具体可执行的缺口清单与日历
- SEO顾问/代理机构：向客户交付结构化竞品分析报告
常规风险
- 数据标注合规：所有指标强制标注Measured/User-provided/Estimated/N/A，禁止将模型推断伪装为实测数据
- 抓取边界遵守：Firecrawl预检robots.txt，遇Disallow自动拒绝，符合SECURITY.md scraping边界
- 竞品选择偏差：若用户未指定竞品，技能自主选择的"最接近竞品"可能并非真实商业竞争对手，需在输出中声明选择逻辑
- 趋势信号误读：RSS趋势来源标记为Estimated，需人工二次验证搜索意图与商业相关性