核心功能：实时监控竞品在ChatGPT、豆包、通义等AI平台的GEO表现，自动生成竞品对比分析报告，帮助品牌了解竞品动态和优化策略。
适用场景：
交付形式：Coze技能商店（免费版+付费版）
用户输入：
品牌：华为
竞品1：小米
竞品2：苹果
检测平台：豆包、通义、DeepSeek
监控周期：最近30天
技能输出：
【GEO竞品监控报告】
主体：华为 vs 小米 vs 苹果
监控周期：2026-04-28 至 2026-05-28
检测平台：豆包、通义、DeepSeek
✅ 综合排名：
1. 苹果 - 平均提及率 95% | 健康评分 88/100
2. 华为 - 平均提及率 88% | 健康评分 82/100
3. 小米 - 平均提及率 76% | 健康评分 75/100
【关键发现】
- 华为在"国产手机品牌"场景中首推率领先小米22%
- 苹果在"智能手机推荐"场景中首推率领先华为15%
- 小米在"性价比手机"场景中首推率最高（68%）
【竞品策略分析】
苹果：
- 优势：高端市场定位清晰，AI回答情感正向率高
- 策略：大量投放品牌介绍内容到权威媒体
华为：
- 优势：科技创新标签明显，技术参数提及率高
- 策略：强化"国产"和"技术领先"关键词
小米：
- 优势：性价比认知强，年轻用户群体覆盖好
- 策略：增加"高端化"相关内容投放
【优化建议】
1. 华为应提升"智能手机推荐"场景的首推率
2. 华为应增加正面PR稿件投放，改善情感倾向
3. 建议监控小米"高端化"相关内容策略
【导出选项】
- PDF报告（完整版）
- Excel数据表（原始数据）
- 可视化图表（PNG）
用户输入：
监控品牌：华为
竞品：小米、苹果、OPPO、VIVO
预警条件：提及率变化>10% 或 首推率变化>15%
监控频率：每日
技能输出：
【GEO竞品动态预警】
监控品牌：华为
预警时间：2026-05-28 23:15
⚠️ 检测到竞品动态：
**小米**：
- 提及率变化：+12%（68% → 80%）
- 首推率变化：+18%（50% → 68%）
- 可能原因：近期大量投放"小米14 Ultra 评测"相关内容
- 建议行动：加强"华为Mate 60 Pro vs 小米14 Ultra"对比内容
**苹果**：
- 提及率变化：+5%（92% → 97%）
- 首推率变化：+8%（80% → 88%）
- 可能原因：WWDC 2026发布会相关内容投放
- 建议行动：无明显威胁，继续保持
【历史趋势图】
（展示最近30天提及率和首推率变化趋势）
【下一步行动】
1. 深入分析小米内容策略（使用GEO内容优化器）
2. 调整华为内容投放策略
3. 设置持续监控（每周生成竞品分析报告）
graph TD
A[用户输入] --> B[参数验证]
B --> C[竞品列表处理]
C --> D[并行调用AI平台API]
D --> E[解析各竞品响应]
E --> F[计算竞品GEO指标]
F --> G[生成对比分析]
G --> H[识别竞品策略]
H --> I[生成优化建议]
I --> J[输出监控报告]
1. 竞品GEO指标计算算法
def calculate_competitor_metrics(brand_name, competitor_name, platform_responses):
"""
计算竞品GEO指标
"""
metrics = {
"mention_rate": 0.0,
"first_recommend_rate": 0.0,
"sentiment_score": 0.0,
"content_coverage": 0.0
}
# 提及率
mention_count = sum(1 for r in platform_responses if r["mentioned"])
metrics["mention_rate"] = mention_count / len(platform_responses)
# 首推率
first_recommend_count = sum(1 for r in platform_responses if r["first_recommend"])
metrics["first_recommend_rate"] = first_recommend_count / len(platform_responses)
# 情感得分
sentiment_scores = [r["sentiment_score"] for r in platform_responses]
metrics["sentiment_score"] = sum(sentiment_scores) / len(sentiment_scores)
# 内容覆盖率
coverage_items = ["产品介绍", "技术参数", "用户评价", "价格信息"]
coverage_count = sum(1 for item in coverage_items if item in platform_responses[0]["full_response"])
metrics["content_coverage"] = coverage_count / len(coverage_items)
return metrics
2. 竞品策略识别算法
def identify_competitor_strategy(competitor_name, platform_responses):
"""
识别竞品GEO策略
"""
strategy = {
"content_focus": [], # 内容重点
"keyword_focus": [], # 关键词重点
"platform_focus": [], # 平台重点
"possible_tactics": [] # 可能策略
}
# 分析内容重点
all_responses = " ".join([r["full_response"] for r in platform_responses])
if "性价比" in all_responses:
strategy["content_focus"].append("性价比")
if "高端" in all_responses or "旗舰" in all_responses:
strategy["content_focus"].append("高端化")
if "技术" in all_responses or "创新" in all_responses:
strategy["content_focus"].append("技术创新")
# 识别可能策略
if "性价比" in strategy["content_focus"] and "高端" in strategy["content_focus"]:
strategy["possible_tactics"].append("双向定位：同时覆盖性价比和高端市场")
return strategy
3. 动态预警算法
def detect_anomalies(current_metrics, historical_metrics, threshold=0.10):
"""
检测竞品GEO指标异常变化
"""
anomalies = []
for metric_name in ["mention_rate", "first_recommend_rate", "sentiment_score"]:
current_value = current_metrics.get(metric_name, 0.0)
# 计算历史平均值
historical_values = [m.get(metric_name, 0.0) for m in historical_metrics]
avg_value = sum(historical_values) / len(historical_values) if historical_values else 0.0
# 计算变化率
if avg_value > 0:
change_rate = (current_value - avg_value) / avg_value
else:
change_rate = 0.0
# 判断是否异常
if abs(change_rate) > threshold:
anomalies.append({
"metric": metric_name,
"current_value": current_value,
"historical_avg": avg_value,
"change_rate": change_rate,
"severity": "high" if abs(change_rate) > 0.20 else "medium"
})
return anomalies
[开始节点]
↓
[输入节点] - brand_name, competitors, platforms, monitoring_period
↓
[参数验证节点] - 检查必填项
↓
[竞品列表处理节点] - 解析竞品列表
↓
[并行HTTP请求节点] - 为每个竞品调用AI平台API
↓ ↓ ↓
[代码节点-解析] [代码节点-解析] [代码节点-解析]
↓ ↓ ↓
[数据聚合节点] - 汇总所有竞品结果
↓
[代码节点-指标计算] - 计算竞品GEO指标
↓
[代码节点-策略识别] - 识别竞品策略
↓
[代码节点-预警检测] - 检测异常变化
↓
[输出节点] - 竞品对比报告 + 预警信息
↓
[结束节点]
| 套餐 | 价格 | 功能 |
|---|---|---|
| ------ | ------ | ------ |
| 基础版 | ¥29.9/次 | 3个竞品，5个平台，PDF报告 |
| 专业版 | ¥199/月 | 10个竞品，10+平台，每日监控，预警 |
| 企业版 | ¥999/月 | 无限竞品，全部平台，API接入，定制化报告 |
在"技能配置" → "环境变量"中配置：
DOUBAO_API_KEY=your_doubao_api_key
TONGYI_API_KEY=your_tongyi_api_key
DEEPSEEK_API_KEY=your_deepseek_api_key
输入测试数据：
参考references/publish_materials.json填写技能详情
references/rules.json - 竞品监控规则库references/examples.json - 竞品分析案例库scripts/monitor.py - 竞品监控核心算法scripts/analyzer.py - 竞品策略分析器共 1 个版本