Pular para o conteúdo
Skillpedia
SEO48 mil · #2605

competitor-analysis

Ajuda seu agente a pesquisar concorrentes. Ele coleta informações e cria relatórios detalhados. Útil para entender o cenário competitivo e tomar decisões.

O que ela faz

Esta ferramenta pesquisa seus concorrentes na internet. Ela coleta informações sobre eles, tira 'prints' das páginas e organiza tudo em um relatório final.

Quando usar

  • ✓Quando você quer entender quem são seus concorrentes.
  • ✓Para comparar seus produtos/serviços com os de outras empresas.
  • ✓Ao planejar o lançamento de um novo negócio ou produto.

Exemplo do que pedir para a IA

“Pesquise os principais concorrentes da minha empresa de software de gestão.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/competitor-analysis/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/competitor-analysis/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A ferramenta usa um sistema para buscar informações na web, analisa os dados encontrados e os apresenta em um relatório fácil de ler, incluindo comparações visuais e de recursos.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add sickn33/agentic-awesome-skills --skill competitor-analysis

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/competitor-analysis/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Análise de Concorrentes

Quando Usar

Use quando o usuário precisar de pesquisa estruturada de concorrentes com descoberta Browserbase, fluxos de enriquecimento, capturas de tela e matrizes de comparação, além de um relatório final em HTML.

Fonte: browserbase/skills (MIT).

Analisa os concorrentes de um usuário. Utiliza a API de Busca do Browserbase para descoberta e um padrão de Plano→Pesquisa→Síntese de 4 fluxos para enriquecimento — gerando um relatório em HTML com visão geral, mergulhos profundos por concorrente, uma matriz de recursos/preços lado a lado e um feed cronológico de menções.

Requerido: variável de ambiente BROWSERBASE_API_KEY e a CLI browse instalada (npm install -g browse).

Configuração inicial: Na primeira execução, você será solicitado a aprovar browse cloud fetch, browse cloud search, cat, mkdir, sed, etc. Selecione "Sim, e não pergunte novamente para: busca em nuvem fetch:*" (ou equivalente) para cada um. Para aprovar permanentemente, adicione-os ao seu ~/.claude/settings.json em permissions.allow:

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

Regras de caminho: Sempre use caminhos literais completos no Bash — NÃO ~ ou $HOME. Resolva o diretório home uma vez e use-o em todos os lugares. Ao construir prompts de subagente, substitua {SKILL_DIR} pelo caminho literal completo.

Diretório de saída: Toda a saída vai para ~/Desktop/{company_slug}_competitors_{YYYY-MM-DD}/. Este diretório contém um arquivo .md por concorrente, além das visualizações HTML e CSV geradas.

CRÍTICO — Restrições de ferramentas (aplica-se ao agente principal E a todos os subagentes):

  • Todas as pesquisas na web: use browse cloud search. NUNCA WebSearch.
  • Todas as buscas de páginas: use browse cloud fetch --allow-redirects (retorna markdown por padrão; adicione --format raw se precisar do HTML original, em seguida, use o pipe através de sed ... | tr -s ' \n' para extrair o texto). NUNCA WebFetch. Limite de resposta de 1 MB — recorra a browse get markdown (após browse open <url> --remote) para páginas com muito JavaScript.
  • Toda a saída de pesquisa: subagentes escrevem um arquivo markdown por concorrente para {OUTPUT_DIR}/{competitor-slug}.md usando heredoc do bash. NUNCA use a ferramenta Write ou python3 -c. Veja references/example-research.md para o formato do arquivo.
  • Compilação do relatório: use node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --user-company "{user_company}" --open — gera index.html, competitors/*.html, matrix.html, mentions.html, results.csv em uma única etapa e abre a visão geral.
  • Deduplicação de URL: node {SKILL_DIR}/scripts/list_urls.mjs /tmp --prefix competitor.
  • Subagentes devem usar APENAS a ferramenta Bash.
  • O agente principal NUNCA lê arquivos de lote JSON de descoberta brutos.

CRÍTICO — Minimizar solicitações de permissão:

  • Subagentes DEVEM agrupar TODAS as escritas de arquivo em UMA ÚNICA chamada Bash usando heredocs encadeados.
  • Agrupe TODAS as pesquisas e TODAS as buscas em chamadas Bash únicas através do encadeamento &&.

Visão Geral do Pipeline

Siga estas 8 etapas em ordem. Não pule nem reordene.

  1. Pesquisa da Empresa do Usuário — Entenda profundamente a empresa do usuário, produza precise_category + category_include_keywords + exclusion_list
  2. Modo de Profundidade + Entrada Semente — Escolha a profundidade, aceite URLs opcionais de concorrentes semente
  3. Descoberta (3 ondas paralelas) — Onda A (alternativas), Onda B (categoria precisa), Onda C (gráfico de página de comparação via análise de título "X vs Y")
  4. Portão — scripts/gate_candidates.mjs busca o texto principal de cada candidato (via browse cloud fetch) e descarta URLs de categoria errada
  5. Confirme o conjunto de enriquecimento com o usuário — Apresente PASS / DESCONHECIDO / correspondências de marca rejeitadas via AskUserQuestion. O usuário marca os corretos, adiciona quaisquer que a descoberta perdeu. Pular esta etapa é um desperdício, pois o enriquecimento é caro (25 subagentes × orçamento de profundidade) e o portão é imperfeito (páginas iniciais com muito JavaScript, desafios do Cloudflare, slogans de variantes semânticas)
  6. Enriquecimento Profundo (5 subagentes por concorrente em modos profundo/mais profundo) — Marketing, Discussão, Social, Notícias, Técnico — cada fluxo um subagente separado escrevendo para partials/; então merge_partials.mjs consolida. Em modos profundo/mais profundo, Etapa 5d adiciona um 6º fluxo de Cartão de Batalha após a conclusão da verificação de fatos da Etapa 5c — produz Landmines / Manipuladores de Objeções / Roteiros de Conversa por concorrente, fundamentados em evidências citadas.
  7. Capturas de Tela — capture_screenshots.mjs via CLI browse captura uma tela principal de página inicial de 1280×800 por concorrente

…

Perguntas frequentes

O que é 'Browserbase discovery'?

É a parte da ferramenta que busca e encontra informações sobre os concorrentes na internet.

O que são 'enrichment lanes'?

São diferentes caminhos ou métodos que a ferramenta usa para coletar e aprofundar as informações sobre cada concorrente.

Onde o relatório será salvo?

O relatório será salvo em uma pasta na sua Área de Trabalho (Desktop), nomeada com o nome da sua empresa e a data.

Detalhes

Descrição original do autor

Research competitors with Browserbase discovery, enrichment lanes, screenshots, matrices, and HTML reports.

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#2605
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas