核心用法
competitor-analysis 是一款面向SEO和GEO（Generative Engine Optimization）领域的专业竞品情报分析技能。用户只需提供竞争对手URL或域名，即可获得系统化的竞争情报报告。核心分析维度包括：关键词排名透视（识别对手核心流量词与排名位置）、内容策略审计（高表现内容格式与更新频率）、外链画像（链接受众与获链策略）、技术SEO健康度、以及新兴的GEO分析——追踪竞争对手如何在ChatGPT、Perplexity等AI系统中被引用。
显著优点
1. 双轨分析覆盖：传统SEO与前沿GEO并重，既解决"为什么对手排名高"的经典问题，也解答"为什么AI推荐他们而非我"的新命题。
2. 结构化工作流：内置8步分析框架（识别→数据收集→关键词→内容→外链→技术→GEO→综合），降低分析复杂度，适合中小团队快速上手。
3. 无工具依赖设计：支持纯手动数据输入模式，无需绑定Semrush/Ahrefs等昂贵SaaS即可产出 actionable insights。
4. Skill Contract 架构：分析结果自动沉淀为可复用的战略输入，支持写入 memory/research/ 供后续技能调用，形成持续迭代的竞争情报资产。
5. 多语言触发：内置中/英/日/韩/葡/西六语系触发词，覆盖全球化团队使用场景。
潜在缺点与局限
- 数据源瓶颈：若无MCP连接外部SEO工具，大量指标依赖用户手动提供或Claude估算，精度受限。
- 实时性不足：GEO领域变化极快（AI引用模式每月迭代），静态分析可能滞后于实际SERP/AI结果。
- 深度受限：作为AI技能，无法直接抓取对手全站页面，对大型站点的分析存在采样偏差风险。
- 合规灰色地带："spy on competitor"等触发词暗示的监控行为，在某些司法管辖区可能引发商业伦理争议。
适合人群
- 中小企业SEO负责人，预算有限但需系统竞品情报
- 内容策略师，希望基于对手成功模式规划选题
- GEO优化先行者，探索AI时代的搜索存在感
- 市场进入者，需要快速理解新领域竞争格局
常规风险
- 数据依赖风险：用户提供的第三方数据（如SimilarWeb估算）准确性直接影响结论可信度
- 策略同质化风险：过度模仿竞争对手可能导致差异化丧失
- 隐私合规风险：抓取竞争对手信息时需遵守robots.txt及当地数据保护法规
- 幻觉风险：GEO分析部分涉及AI系统行为推断，Claude可能基于训练数据而非实时查询输出结论，需人工验证
安全认证说明
文档声明本报告为"系统自动生成占位，未执行安全扫描"，实际安全等级需以完整审计为准。Apache-2.0开源许可降低了法律风险敞口。