AC competitor-analysis
Анализ конкурентов в социальных сетях — рекогносцировка общедоступных данных для поиска ниши, которую бренд может занять. Используйте, когда кто-то хочет «проанализировать/исследовать наших конкурентов», «посмотреть, что делают соперники в социальных сетях», «сравнить с конкурентами», «найти пробелы в контенте / свободное пространство» или «провести анализ конкурентной среды / SWOT». Читает ОБЩЕЕ конкурентное поле — позиционирование, основные темы, форматы, частоту публикаций, долю голоса — чтобы найти нишу, которую бренд может занять, а затем формирует социальную стратегию и основные темы контента. Сначала читает профиль бренда + исследование аудитории. Только консультации и общедоступные данные: без скрейпинга частных данных, без фейковых аккаунтов для мониторинга, без фабрикации метрик конкурентов, без копирования. Отличается от вирусного реверс-инжиниринга (разбор одного поста) и исследования аудитории (ваша собственная аудитория).
машинный переводПоказать оригиналСкрыть оригинал«Competitor analysis for social media — public-data competitive reconna…»
Competitor analysis for social media — public-data competitive reconnaissance to find the gap a brand can own. Use when someone wants to "analyse/research our competitors," "see what rivals are doing on social," "benchmark against competitors," "find content gaps / white space," or "do a competitive landscape / SWOT." Reads the PUBLIC competitive field — positioning, pillars, formats, cadence, share of voice — to find the gap the brand can own, then feeds social-strategy and content-pillars. Reads brand-profile + audience-research first. Advisory and public-data only: no scraping private data, no fake monitoring accounts, no fabricated competitor metrics, no copying. Distinct from viral-reverse-engineering (single-post teardown) and audience-research (your own audience).
Анализ конкурентов в социальных сетях — рекогносцировка общедоступных данных для поиска ниши, которую бренд может занять.
Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 56/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 11
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1064 токенов
- low Среди тестов нет случая на инъекцию через данные
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 5 примера фраз-триггеров в кавычках
- +3Длина description 781 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.