AI市场调研与竞品分析助手

AI赋能的市场调研与竞品分析助手，专为科研人员和学术创业者设计。当用户需要进行技术市场分析、竞品调研、技术趋势预测、目标用户画像分析或行业数据收集时触发。支持多维度市场评估，帮助学术成果找到最佳商业化路径。

Security Scan

这个Skill 的描述、运行指令和所需权限总体一致——它是一个纯说明型的市场调研/竞品分析助手，没有请求额外凭据或安装代码，但在使用付费/闭源数据源与抓取外部内容时需要注意合规与数据来源。

Purpose & Capability

Skill 名称、描述与其提供的分析框架、数据源和输出模板一致：目标是市场调研与竞品分析，所列的数据源（行业报告、专利、论文、财报、新闻等）都与该目的直接相关。

Instruction Scope

SKILL.md 指示使用多源数据采集（Web 搜索、微信文章搜索、行业报告数据库等）并给出分析步骤和模板。指令没有要求读取本地文件、环境变量或访问与任务无关的系统资源，但提到的某些数据源是付费/闭源的（如艾瑞、易观、IDC、Gartner、Crunchbase 等），文档没有说明如何获得访问凭据或如何处理受限/付费内容；这可能导致代理尝试以不合规方式抓取或依赖公开摘要。

Install Mechanism

这是一个 instruction-only 的 Skill，没有安装说明、二进制或外部下载，运行时不会把代码写到磁盘，因而安装机制风险低。

Credentials

Skill 未声明需要任何环境变量或凭据，这与其描述的部分功能（访问付费数据库、Crunchbase、企名片 等）存在潜在不一致：若要直接访问这些服务通常需要 API key/订阅凭据。未声明凭据本身不是风险，但会影响功能或导致代理尝试抓取受限内容。

Persistence & Privilege

flags 显示 always:false，agent 可被用户调用且允许模型自动调用（平台默认）。Skill 不请求长期驻留或修改其他技能/系统配置，未见过度特权请求。

Assessment

在决定安装/使用前请考虑： - 这个 Skill 本身仅为说明文档，没有代码或凭据要求，通常是‘可接受’的，但你需要确认代理查询付费数据库时的行为。若你希望 Skill 直接查询 Crunchbase、IDC、Gartner 等，请准备相应 API 凭据，并明确将凭据交给哪个组件。 - 避免让代理以未授权方式爬取受版权保护或需付费的数据源；确认输出出处并优先使用公开或已授权的数据。 - 对于商业敏感/机密信息（例如企业内部数据、未公开专利或实验数据），谨慎提供给 Skill。 - 若你担心合规或数据泄露，可要求 Skill 明确列出来源引用，并限制其仅使用公开来源（Web、政府统计、公开专利和论文）。 - 如果需要更高信心评估，请提供额外信息：是否计划授予 API 凭据、是否允许网络抓取、或是否要集成特定付费数据库；这些会改变对‘指令范围’与‘环境凭据’一致性的判断。

概述

本Skill专为科研人员和技术创业者设计，利用AI智能体快速完成传统需要数周的市场调研工作。通过系统化的分析框架，帮助用户洞察技术市场机会、识别竞争对手、预测技术趋势，为学术成果的商业化决策提供数据支撑。

核心能力

1. 市场规模与趋势分析

• TAM/SAM/SOM计算：总可寻址市场、可服务市场、可获得市场的三层分析
• 市场增长率预测：基于历史数据和行业报告的未来3-5年趋势预测
• 技术成熟度曲线：结合Gartner Hype Cycle分析技术所处阶段
• 政策环境扫描：相关政策法规对市场的影响分析

2. 竞品深度分析

• 竞品识别：直接竞品、间接竞品、潜在替代品识别
• 竞品画像：产品功能、技术路线、定价策略、市场份额
• 优劣势对比：SWOT分析框架下的竞争态势评估
• 差异化定位：寻找技术切入点和差异化优势

3. 技术趋势预测

• 专利趋势分析：通过专利数据洞察技术发展方向
• 论文热点追踪：顶会顶刊的研究热点和前沿趋势
• 投资热度监测：VC/PE投资流向反映的技术风口
• 技术路线图生成：基于SciPlot等工具的可视化技术演进路径

4. 目标用户分析

• 用户画像构建：B端企业用户或C端消费者画像
• 需求痛点挖掘：待解决问题的优先级排序
• 购买决策链：B端客户的决策流程和关键影响人
• 价格敏感度：不同用户群体的支付意愿分析

工作流程

第一步：明确调研目标

输入：技术/产品概念描述
输出：调研范围界定、关键问题清单、时间规划

第二步：多源数据采集

工具：Web Search、微信文章搜索、行业报告数据库
数据源：
- 行业研究报告（艾瑞、易观、IDC、Gartner）
- 政府统计数据
- 上市公司财报
- 专利数据库
- 学术文献
- 新闻报道与行业媒体

第三步：竞品清单构建

方法：
1. 直接竞品搜索（相同技术路线）
2. 间接竞品识别（解决相同问题的不同方案）
3. 替代品分析（可能颠覆现有方案的新技术）
4. 标杆企业研究（行业领导者最佳实践）

输出：竞品清单及基础信息表

第四步：深度分析执行

分析维度：
- 产品功能对比矩阵
- 技术路线对比
- 定价策略分析
- 市场定位对比
- 融资历程与估值
- 团队背景分析

第五步：洞察与建议

输出：
- 市场机会点识别
- 竞争优势与劣势
- 差异化定位建议
- 进入时机判断
- 风险因素提示

分析框架与模板

竞品分析矩阵模板

维度	我方技术	竞品A	竞品B	竞品C
核心技术
产品形态
目标客户
定价模式
优势
劣势

市场吸引力评估模型

评分维度（1-5分）：
1. 市场规模（TAM）
2. 增长率（CAGR）
3. 竞争强度（反向评分）
4. 进入壁垒
5. 政策支持力度
6. 技术匹配度

总分 = Σ各维度得分
评估：
- 25-30分：极具吸引力
- 18-24分：值得进入
- 12-17分：谨慎评估
- <12分：建议放弃

技术趋势预测框架

短期（1-2年）：
- 技术成熟度
- 工程化可行性
- 首批 adopters

中期（3-5年）：
- 市场渗透率预测
- 竞争格局演变
- 技术迭代方向

长期（5年+）：
- 颠覆性技术威胁
- 替代方案可能性
- 行业重构机会

典型使用场景

场景1：新技术商业化前的市场验证

用户输入："我们的新型纳米材料在实验室表现出色，想了解一下在新能源电池领域的应用前景和市场竞争情况"

Skill响应：

1. 搜索新能源电池材料市场规模和增长趋势
2. 识别现有纳米材料竞品（碳纳米管、石墨烯等）
3. 分析主流电池厂商的技术路线和供应商
4. 评估技术差异化和竞争优势
5. 输出市场进入策略建议

场景2：竞品深度调研

用户输入："请帮我分析一下智能纺织面料这个赛道的主要竞争对手，包括他们的技术路线和市场策略"

Skill响应：

1. 识别智能纺织面料领域的头部企业
2. 分析各家的核心技术（导电纤维、传感技术、温控材料等）
3. 对比产品应用场景和市场定位
4. 梳理融资历程和估值情况
5. 生成竞争态势图谱

场景3：技术趋势预测

用户输入："我想了解一下AI在材料科学领域的应用趋势，未来3-5年有哪些值得关注的技术方向？"

Skill响应：

1. 搜索AI+材料科学的最新研究进展
2. 分析顶刊论文和顶会报告的热点
3. 追踪相关领域的投资趋势
4. 识别技术突破点和产业化机会
5. 生成技术路线图和趋势报告

输出规范

市场分析报告结构

1. 执行摘要（Executive Summary）
   - 核心发现（3-5条）
   - 关键建议

2. 市场概览
   - 市场规模与增长
   - 市场细分
   - 驱动因素与制约因素

3. 竞争格局
   - 主要玩家分析
   - 市场份额分布
   - 竞争强度评估

4. 技术趋势
   - 当前技术状态
   - 技术演进方向
   - 颠覆性技术威胁

5. 机会与风险
   - 市场机会点
   - 进入壁垒
   - 风险因素

6. 行动建议
   - 差异化定位
   - 进入策略
   - 关键里程碑

竞品分析报告结构

1. 竞品概览
   - 竞品清单与分类
   - 基本信息汇总

2. 详细对比分析
   - 功能/技术对比矩阵
   - 定位与策略对比
   - 优劣势分析

3. 竞争态势图
   - 市场定位图（价格-性能矩阵）
   - 技术路线图对比

4. 洞察与建议
   - 差异化机会
   - 竞争策略建议

注意事项

1. 数据时效性：市场数据需标注来源和时间，优先使用最新数据
2. 信息交叉验证：多源信息对比，避免单一来源的偏差
3. 地域差异：注意区分全球市场、中国市场、区域市场的差异
4. 技术迭代速度：科技领域变化快，需关注最新动态
5. 商业机密边界：避免使用非法获取的竞品内部信息

相关资源

• 行业报告数据库：艾瑞咨询、易观分析、IDC、Gartner
• 专利数据库：Google Patents、国家知识产权局
• 投融资数据：IT桔子、企名片、Crunchbase
• 学术文献：Google Scholar、Web of Science、知网