Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Automatiseret konkurrenceefterretning

Lektion 9 af 14 Opdateret 30. juli 2026 Begynder
På denne side
  1. Gør søgning til en konkurrencefordel
  2. Arkitektur for system til konkurrenceefterretning
  3. Web-overvågning af konkurrenter
  4. Social overvågning af reaktioner
  5. Kombineret efterretningsrapport
  6. Automatisér tilbagevendende efterretning
  7. Optimer omkostningerne til efterretning
  8. Praktisk øvelse
  9. Vigtige pointer

Gør søgning til en konkurrencefordel

Konkurrenceefterretning er ét af de anvendelsestilfælde, der giver højest afkast på investeringen (ROI), når du kombinerer web_search og x_search. Hvor en analytiker ville bruge timer på manuelt at tjekke hjemmesider, sociale netværk og branchefokusserede databaser, kan et velkonfigureret script producere en struktureret rapport på få sekunder.

Denne lektion viser dig, hvordan du bygger et komplet system til konkurrenceefterretning ved at udnytte Grok API’ets søgefunktioner.

Arkitektur for system til konkurrenceefterretning

Et effektivt system til konkurrenceefterretning hviler på tre søjler:

  1. Indsamling: Indhent relevante oplysninger (artikler, X-indlæg, pressemeddelelser)
  2. Analyse: Uddrag og kvalificér vigtige signaler
  3. Rapportering: Syntetisér resultaterne til et handlingsorienteret format

Grok API’en håndterer alle tre trin i ét enkelt kald ved at kombinere søgeværktøjer med modellens analysekapacitet.

Web-overvågning af konkurrenter

Start med at overvåge konkurrenters officielle hjemmesider og pressedækning:

def monitor_competitor_web(competitor, press_domains):
    response = client.responses.create(
        model="grok-4.5",
        input=f"""Analyze the latest news regarding
        {competitor} this week.
        Structure the report as:
        1. New products or features announced
        2. Partnerships or acquisitions
        3. Leadership or strategy changes
        4. Market reactions""",
        tools=[{
            "type": "web_search",
            "allowed_domains": press_domains
        }]
    )
    return response.output_text

report = monitor_competitor_web(
    competitor="Mistral AI",
    press_domains=[
        "techcrunch.com",
        "theverge.com",
        "lesechos.fr",
        "usine-digitale.fr"
    ]
)

Social overvågning af reaktioner

Supplér web-overvågningen med en analyse af reaktioner på X:

def monitor_competitor_x(competitor, key_handles):
    response = client.responses.create(
        model="grok-4.5",
        input=f"""Analyze sentiment on X regarding
        {competitor} this week.
        Identify:
        - Recurring praise and criticism
        - Comparisons with other solutions
        - Signals of adoption or abandonment
        - Requests for unmet features""",
        tools=[{
            "type": "x_search",
            "allowed_x_handles": key_handles,
            "from_date": "2026-03-27"
        }]
    )
    return response.output_text

Kombineret efterretningsrapport

Den virkelige styrke viser sig, når du kombinerer begge kilder til en integreret rapport:

def generate_full_intelligence_report(competitor):
    response = client.responses.create(
        model="grok-4.5",
        input=f"""Produce a complete competitive intelligence
        report on {competitor} for the past week.

        Use web search for official facts
        and X for reactions and market sentiment.

        Report format:
        ## Key Facts
        (verified events, official sources)

        ## Market Perception
        (sentiment on X, key reactions)

        ## Identified Threats
        (what could impact our business)

        ## Opportunities
        (exploitable weaknesses, unmet needs)

        Every point must be sourced.""",
        tools=[
            {"type": "web_search"},
            {"type": "x_search"}
        ]
    )
    return response.output_text

Automatisér tilbagevendende efterretning

Til daglig eller ugentlig efterretning kan du kapsle logikken ind i et planlagt script:

import json
from datetime import datetime

COMPETITORS = ["Mistral AI", "OpenAI", "Anthropic", "Google DeepMind"]

def daily_intelligence():
    reports = {}
    for competitor in COMPETITORS:
        reports[competitor] = generate_full_intelligence_report(competitor)

    # Save the dated report
    date = datetime.now().strftime("%Y-%m-%d")
    with open(f"intelligence_{date}.json", "w") as f:
        json.dump(reports, f, ensure_ascii=False, indent=2)

    return reports

Optimer omkostningerne til efterretning

Hvert kald til web_search eller x_search koster $0.005. For at overvåge 4 konkurrenter med en kombineret rapport om dagen:

  • 4 konkurrenter x 2 værktøjer (web + X) = 8 kald/dag
  • 8 x $0.005 = $0.04 om dagen
  • Ca. $1.20 om måneden

Dette er betydeligt billigere end et abonnement på et specialiseret efterretningsværktøj, samtidig med at det giver fuld fleksibilitet i forhold til format og analysekriterier.

Praktisk øvelse

Identificér 3 konkurrenter i din branche. Byg et efterretningsscript, der producerer en struktureret rapport for hver enkelt. Kør det i flere på hinanden følgende dage, og observer, hvordan indsigterne udvikler sig. Justér prompts og filtre baseret på resultaternes relevans.

Priser pr. 5. august 2026 — priserne ændrer sig regelmæssigt: Før du foretager nogen budgetberegning, skal du tjekke den aktuelle pristabel på den officielle side for xAI-modeller og priser.

Vigtige pointer

  • Konkurrenceefterretning kombinerer web_search (fakta) og x_search (opfattelse)
  • Strukturér dine prompts, så du får handlingsorienterede rapporter, ikke generiske sammenfatninger
  • Brug allowed_domains til at målrette pålidelig, specialiseret presse
  • Omkostningerne er meget konkurrencedygtige sammenlignet med dedikerede efterretningsværktøjer
  • Automatisér efterretningen med planlagte scripts for regelmæssig dækning
  • Kildeangiv hvert punkt i rapporten ved hjælp af automatiske citationer