竞品对比与价格趋势分析

概述

定位与边界

本技能平台无关：不依赖任何单一平台的专有能力或独占工具，无需平台专有凭证；任何支持技能加载与脚本执行的 agent 均可直接运行，调用本机 Python 3 标准库即可完成全部统计，无外联、无第三方服务依赖。

把多家竞品的评价文本与价格序列，转成结构化对比视图：六维口碑评分、差评主题与共性短板、价格走势与异常预警、用户爽点/痛点/隐含需求，并产出差异结论与行动清单。内置 6 条统计规则库（D01-D06，与 scripts/contrast_engine.py 一一对应）+ 六维情感分类体系 + 差评痛点分类 + 价格预警阈值。只做公开数据统计分析维度；不做爬虫采集执行、不做投放/广告操作、不做定价决策（输出建议由人工决策）。

前置准备

• 运行时：Python 3（标准库即可，无需任何第三方包；scripts/contrast_engine.py 仅用 sys/json/re/io/argparse/os.path/statistics）。
• 凭证：无。本技能不调用外部 API、不读取平台密钥、不联网，数据全部由用户输入或 agent 自身检索采集后提供。
• 数据来源：竞品评论（按 # 竞品名 分组、可带 [好评]/[差评]/[中评] 前缀）与价格序列（每行 日期,价格）；均为公开展示数据的脱敏样本，真实分析须遵守脱敏与合规规范。
• 降级：若脚本不可用，模型按 domain-reference.md「规则库 D01-D06 全表」走文本流程，产出同构报告。

触发条件

命中关键词「竞品 / 竞品对比 / 价格趋势 / 价格监测 / 差评分析 / 用户偏好 / 口碑 / 竞品分析」之一，且输入含竞品评论或价格序列；无输入按 E1 处理，输入非电商内容按 E2 处理。

操作步骤

1. 前置校验：按「错误处理」E1-E5 逐项检查；评论 ≤5000 条/次（分批处理），价格点 ≤500。
2. 输入清洗：识别竞品分组（# 竞品名 行，支持 # 竞品名 | 价格带 149 | 好评率 92% 表头附加信息）、评论极性前缀（[好评]/[差评]/[中评]）、价格序列（日期,价格）；对用户原始评论做 PII 脱敏（见「输出安全清洗规则」）。
3. 路径 A（首选）：调用 scripts/contrast_engine.py <reviews> [--prices <prices>] 做静态统计——D01 词频聚合、D02 差评主题占比与机会点（>20%）、D06 六维评分、关键词共现、价格趋势/波动/预警（D03/D04/D05）；失败走路径 B。
4. 路径 B（兜底）：模型按正文文本流程手工执行同等统计（对照 domain-reference.md「规则库 D01-D06 全表」），输出与路径 A 同构，工具路径标注"未执行（原因）"。
5. 模型分析：
   • 口碑对比：逐竞品给出六维得分表、好评高频词（购买理由）、差评痛点清单；差评占比 >20% 的主题标注为行业共性短板（机会点）；
   • 价格分析：趋势方向（累计涨跌幅 ±5% 内判平稳）、变异系数与单点跳变（波动异常）、近期均价 vs 基线降幅（D03 ≥5% 推送 / D04 ≥30% 红色预警）；归因（清仓/冲量/长期）无法从序列单独断定，给出交叉验证步骤（活动日历/库存/销量）；
   • 用户偏好：爽点（购买理由）、痛点（未满足需求）、隐含需求（"要是…就好了"句式由模型识别）；
   • 行动清单：分析维度 → 竞品做法 → 我方应对 → 负责人 → 截止时间，每周复盘一次。
6. 输出清洗：所有用户派生字段（评论引用、价格数据）写入输出前统一清洗（PII 脱敏、表格转义，见「输出安全清洗规则」）。
7. 双形态输出：按 templates/contrast-report.md + templates/contrast-output.json 输出，对照 examples/ 示例。

输出格式

字段缺失一律 null；脚本判定附数值与口径；模型结论标注依据或「推断」。

错误处理

输出安全清洗规则

所有用户派生字段（评论原文、价格数据、竞品名称）在写入本技能的任何输出（Markdown 报告、JSON）之前，必须经过以下统一清洗：

1. PII 脱敏：手机号一律 138****5678 式；邮箱一律 example.com 域；地址仅到市/区级；买家昵称/姓名虚构；涉及个人信息处标注「示例格式，非真实数据」；本技能不收集、不存储真实用户数据，数据本地处理，不上传。
2. 虚构占位标注：示例评论/价格全部虚构并标注；销量/好评率等来自输入声明的数据标注「输入声明，非脚本验证」。
3. Markdown 结构清洗：表格单元格内禁止裸 |（转义为 |）与换行；HTML 标签一律转义；链接协议仅允许 http://、https://；行首结构字符（#、-、>、反引号）若来自用户派生内容，转义为字面文本。
4. JSON 字符串转义：" → "， → \，控制字符按 JSON 标准转义；字段缺失用 null。
5. 合规红线：仅采集公开展示数据，禁止破解接口、爬取隐私、绕过风控（在报告中声明口径）；标价≠成交价，价格序列须清洗到到手价口径再分析。
6. 清洗时机：所有用户派生字段在进入任何输出结构之前统一清洗，禁止"先输出后清洗"；templates/ 示例输出与 examples/ 示例同样遵守本规则。

双路径调用与降级

路径 A（首选）：python3 scripts/contrast_engine.py <评论文件> [--prices <价格文件>]
                静态统计引擎（D01-D06：词频聚合/差评机会点/降价预警/骤降预警/波动检测/维度评分），
                模型在此基础上做对比摘要、差异结论与行动清单；
路径 B（兜底）：脚本不存在/报错/超时/权限拒绝时，模型按步骤 4 手工执行同等统计，
                输出与路径 A 完全同构的报告，工具路径标注"未执行（原因）"。

脚本调用与降级说明

• 命令：python3 scripts/contrast_engine.py <reviews> [--prices <prices>]；<reviews> 为 - 时读 stdin；--test 运行内置自检。
• 输入格式：评论按 # 竞品名 分组（支持表头附加信息），行首 [好评]/[差评]/[中评] 标记；无前缀时按好评/差评关键词多数表决推断并在 warnings 标注；价格文件每行 日期,价格。
• 输出：单行 JSON（UTF-8）：ok / competitors[] / cooccurrence[] / price_analysis / findings[]（D01-D06）/ warnings / parsing_note。
• 规则对应：D01-D06 与 domain-reference.md「规则库 D01-D06 全表」一一对应；维度划分与阈值（>20%、±5%、≥5%、≥30%、CV>0.10）为【启发式】【经验值】，命中提示需模型结合业务复核。
• 样例（–test 内置自检）：13 项断言全部通过后输出 SELFTEST OK。
• 失败降级（E4）：脚本输出 {"ok": false, "error": ...} 或不可用时，按步骤 4 文本流程兜底，报告字段一致，script_meta.ran=false 并注明原因。

已知限制

• 脚本为静态关键词统计（parsing_note 声明），语义（转折句、反讽、"虽然贵但质量好"的双维度）靠模型理解，需人工复核；
• 差评占比分母为差评条数（一条差评可命中多维度），解读时注意口径；
• 样本量小（<3 条）时统计无意义，脚本降级输出；行业实践为每品 1-5 万条抽样；
• 价格归因（清仓/冲量/长期定价）无法从序列单独断定，需活动日历/库存/销量交叉验证；
• 只做公开数据统计分析，不做爬虫采集与投放执行。

支撑文件

• 参考 domain-reference.md「竞品筛选与分层」「六维情感分类体系表」「差评痛点分类表」「价格追踪做法」「用户偏好洞察方法」「规则库 D01-D06 全表」
• 按 templates/contrast-report.md + templates/contrast-output.json 输出双形态结果
• 对照 examples/1-review-output.md 至 examples/5-action-output.md（输入为同编号 -input.txt；示例 2 另有价格序列配套文件）
• 调用 scripts/contrast_engine.py（调用与降级见上）

通用输出规范

• 双形态输出：Markdown 报告（人读）+ 末尾 “`json 结构化数据块（机读），字段一一对应；
• 报告头部元信息块：技能、分析对象、输入来源、生成时间、工具路径（已执行/未执行及原因）、口径声明（阈值、样本量、脱敏说明）；
• 引用格式：规则引用 domain-reference.md「表名」；脚本统计附数值与口径；
• 尾部护栏：> 本报告由 rival-edge-contrast 生成，结果仅供运营参考，不构成经营或合规结论。
• 语言：默认中文输出；维度名、规则 id（D01-D06）保留原文。