来自 SEO & GEO Skills Library 的纯文档型竞争分析技能，系统拆解对手 SEO/GEO 策略，识别关键词、内容、外链与 AI 引用机会，助力制定差异化市场策略。
说明：
## 核心用法
该技能是一套完整的竞争对手 SEO 与 GEO（生成式引擎优化）分析框架，通过结构化模板引导用户完成从竞品识别到策略输出的全流程。用户可通过自然语言触发分析请求，如”分析 [竞品 URL] 的 SEO 策略”或”对比我的网站与 [竞品 1]、[竞品 2]”，技能将自动调用预设的分析维度生成报告。
核心分析模块包括七大板块：关键词排名分析（识别竞品核心词与流量分布）、内容策略审计（内容类型、发布频率、成功要素）、外链画像（链接来源、质量分布、可复制的链接资产）、技术 SEO 评估（Core Web Vitals、站点结构）、GEO/AI 引用分析（竞品如何在 ChatGPT 等 AI 中被引用）、差距识别（关键词空白、内容机会）以及策略萃取（可落地的行动建议）。
技能支持两种数据模式：连接 SEO 工具（如 Ahrefs、Search Console）时自动拉取数据；无工具时通过对话收集用户提供的竞品 URL、流量估算、行业背景等信息，全程透明标注数据来源。
## 显著优点
**框架完备性**：提供从竞品识别、数据收集到战略输出的端到端方法论，包含 20+ 分析模板和表格，降低分析门槛。
**GEO 前瞻性**：超越传统 SEO，专门设置 AI 引用分析模块，评估竞品在生成式 AI 中的可见性，帮助用户抢占新兴流量入口。
**可执行性强**：输出并非泛泛而谈，而是要求每项建议绑定具体数据点，并配套即时/短期/长期三阶段行动计划。
**生态协同**：作为 20 技能套装的一员，可与关键词研究、内容差距分析、外链分析器等技能联动，形成 SEO 工作流。
**透明可信**：纯文档型设计，无隐藏代码，分析逻辑完全可审计；明确区分自动化数据与用户输入，避免误导。
## 潜在缺点与局限性
**数据依赖瓶颈**：核心分析质量高度依赖外部 SEO 工具或用户手动输入的数据质量，无工具时分析深度受限，且可能因用户估算偏差导致结论失真。
**静态模板局限**：分析框架为预设模板，面对快速演变的搜索引擎算法（如 Google 的 Helpful Content 更新）或新兴竞品策略，可能缺乏动态适应性。
**行业适配差异**：模板基于通用 SEO 场景设计，对于高度垂直或监管严格的行业（如医疗、金融），可能需要额外定制合规性检查。
**执行成本未量化**：虽提供行动建议，但未内置资源估算（如内容生产成本、外链建设周期），用户需自行评估可行性。
## 适合的目标群体
– **SEO/SEM 专员**：需要系统化竞品监控与策略制定的从业者
– **内容营销经理**：寻求基于竞品成功模式的内容规划依据
– **市场进入团队**：新品牌或新产品进入成熟市场前的竞争情报收集
– **GEO 优化师**：关注 AI 搜索时代品牌可见性的前沿从业者
– **中小企业主**：无预算购买昂贵竞品分析工具，需结构化自助分析框架
## 使用风险
**数据准确性风险**：用户手动输入的竞品数据（如估算流量、排名位置）可能存在偏差，建议交叉验证关键结论。
**合规边界风险**：分析过程中可能涉及”抓取”竞品公开数据的讨论，用户需确保遵守目标网站的 robots.txt 及服务条款，避免法律争议。
**策略同质化风险**：过度依赖竞品分析可能导致跟随策略，忽视差异化创新，建议结合用户自身独特价值主张调整输出。
**工具连接风险**：若未来版本增加 API 连接器，需关注第三方工具的数据权限与隐私条款变化。
