Zautomatyzowane raporty konkurencyjne
Na tej stronie
- Automatyzacja wywiadu konkurencyjnego
- Architektura kompletnego raportu konkurencyjnego
- Budowa systemu raportowania
- Strukturyzacja raportu w użyteczny format JSON
- Porównywanie okresów w celu wykrycia zmian
- Harmonogram cyklicznego uruchamiania
- Najlepsze praktyki tworzenia użytecznych raportów
- Kluczowe wnioski
Automatyzacja wywiadu konkurencyjnego
Jednorazowy raport konkurencyjny staje się przestarzały w ciągu kilku dni. Prawdziwa wartość tkwi w automatyzacji: regularnie generowanych raportach o ustandaryzowanej strukturze, które pozwalają porównywać okresy i śledzić strategiczne zmiany u konkurencji.
W tej lekcji dowiesz się, jak zbudować zautomatyzowany system raportowania konkurencyjnego, łączący dane z platformy X i dane z sieci web.
Architektura kompletnego raportu konkurencyjnego
Skuteczny raport marketingowy obejmuje pięć osi, a ich wartość wynika ze wzajemnych powiązań: uruchomienie nowego produktu (oś 3) widoczne jest również we wolumenie publikacji (oś 1) i nastrojach publicznych (oś 4). To krzyżowe odniesienie odróżnia wywiad od prostego zbierania danych – sygnał potwierdzony przez dwie osie zasługuje na uwagę, podczas gdy sygnał izolowany wymaga głównie weryfikacji:
1. Aktywność w mediach społecznościowych
Wolumen publikacji, wykorzystywane formaty, zaangażowanie, wzrost аудитории.
2. Strategia treści
Poruszane tematy, ton, pozycjonowanie, obserwowany kalendarz redakcyjny.
3. Premiery i ogłoszenia
Nowe produkty, funkcje, partnerstwa, wydarzenia.
4. Percepcja publiczna
Nastroje, skargi, pochwały, spontaniczne porównania z innymi markami.
5. Ceny i pozycjonowanie oferty
Zmiany cen, promocje, opakowania, oferty specjalne.
Budowa systemu raportowania
Klasa raportu konkurencyjnego
from datetime import datetime, timedelta
import json
class RapportConcurrentiel:
def __init__(self, client, marque_propre, concurrents):
self.client = client
self.marque = marque_propre
self.concurrents = concurrents
def collecter_donnees_x(self, handles, start, end):
response = self.client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Collect and analyze posts
from these accounts from {start} to {end}.
Provide for each account:
- Estimated number of posts
- Content types (text, image, video, thread)
- Most engaging posts
- Main themes covered
- Observed tone and positioning
- Detected announcements or launches""",
tools=[{
"type": "x_search",
"allowed_x_handles": handles,
"from_date": start,
"to_date": end,
"enable_image_understanding": True
}]
)
return response.output_text
def collecter_donnees_web(self, concurrent, start, end):
response = self.client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Search for recent news regarding
{concurrent} between {start} and {end}.
Focus on:
- Press releases and news articles
- Product or service updates
- Leadership team changes
- Fundraising or financial results
- Strategic partnerships""",
tools=[{
"type": "web_search",
"allowed_domains": [
"techcrunch.com", "lesechos.fr",
"usine-digitale.fr"
]
}]
)
return response.output_text
Generowanie skompilowanego raportu
def generer_rapport(self, periode_jours=30):
end = datetime.now().strftime("%Y-%m-%d")
start = (datetime.now() - timedelta(
days=periode_jours)).strftime("%Y-%m-%d")
sections = {}
# Collect data for each competitor
for concurrent in self.concurrents:
handles = concurrent.get("handles", [])
nom = concurrent["nom"]
donnees_x = self.collecter_donnees_x(
handles, start, end
) if handles else "No X data"
donnees_web = self.collecter_donnees_web(
nom, start, end
)
sections[nom] = {
"x": donnees_x,
"web": donnees_web
}
# Comparative summary
rapport_final = self.client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Compile this monthly competitive report.
Our brand: {self.marque}
Period: {start} to {end}
DATA PER COMPETITOR:
{json.dumps(sections, ensure_ascii=False, indent=2)}
Report structure:
1. EXECUTIVE SUMMARY (5 bullet points max)
2. COMPARATIVE TABLE (activity, sentiment, innovation)
3. ANALYSIS PER COMPETITOR (strengths, weaknesses, moves)
4. IDENTIFIED THREATS (ranked by urgency)
5. OPPORTUNITIES FOR {self.marque}
6. STRATEGIC RECOMMENDATIONS (3-5 priority actions)"""
).output_text
return rapport_final
Strukturyzacja raportu w użyteczny format JSON
Aby zasilić dashboard lub bazę danych, zażądaj formatu strukturalnego:
def rapport_json(self, periode_jours=30):
end = datetime.now().strftime("%Y-%m-%d")
start = (datetime.now() - timedelta(
days=periode_jours)).strftime("%Y-%m-%d")
response = self.client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Generate a competitive report in JSON.
Competitors: {json.dumps([c['nom'] for c in self.concurrents])}
Period: {start} to {end}
Expected format:
{{
"period": "{start} - {end}",
"competitors": [
{{
"name": "Competitor A",
"social_activity": {{
"post_volume": 45,
"average_engagement": "high",
"dominant_formats": ["image", "thread"]
}},
"public_sentiment": 3.8,
"innovations": ["description"],
"threats": ["description"],
"main_strength": "description",
"main_weakness": "description"
}}
],
"recommendations": ["action 1", "action 2"]
}}""",
tools=[
{"type": "x_search", "from_date": start, "to_date": end},
{"type": "web_search"}
]
)
return response.output_text
Porównywanie okresów w celu wykrycia zmian
Wartość zautomatyzowanego systemu polega na porównaniach czasowych:
def comparer_rapports(rapport_actuel, rapport_precedent):
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input=f"""Compare these two consecutive
competitive reports and identify significant changes:
PREVIOUS REPORT: {rapport_precedent}
CURRENT REPORT: {rapport_actuel}
Analysis:
1. Which competitors changed strategy?
2. What new threats appeared?
3. What opportunities opened or closed?
4. What trends are confirmed or reversing?
5. Recommended immediate actions."""
)
return response.output_text
Harmonogram cyklicznego uruchamiania
Zintegruj swój raport z zadaniem cron lub harmonogramem Pythona:
# Weekly execution
rapport = RapportConcurrentiel(
client=client,
marque_propre="Your Brand",
concurrents=[
{
"nom": "Competitor A",
"handles": ["competitor_a", "competitor_a_fr"]
},
{
"nom": "Competitor B",
"handles": ["competitor_b"]
},
{
"nom": "Competitor C",
"handles": ["competitor_c"]
}
]
)
# Weekly report
resultat = rapport.generer_rapport(periode_jours=7)
# Archive the report
with open(f"reports/competitor_{datetime.now().strftime('%Y-%m-%d')}.md",
"w") as f:
f.write(resultat)
Najlepsze praktyki tworzenia użytecznych raportów
- Spójność: zawsze używaj tej samej struktury, aby ułatwić porównania.
- Priorytetyzacja: rankinguj wnioski według wpływu na biznes, a nie ich wolumenu.
- Możliwość działania: każda sekcja musi prowadzić do rekomendacji.
- Dystrybucja: dostosuj format do odbiorcy (kadra zarządzająca = podsumowanie, zespół operacyjny = szczegóły).
- Archiwizacja: przechowuj wszystkie raporty, aby analizować trendy długoterminowe.
Kluczowe wnioski
- Zautomatyzowany raport konkurencyjny obejmuje 5 osi: media społecznościowe, treści, premiery, percepcję i ceny.
- Połącz X Search i Web Search, aby uzyskać pełny obraz każdego konkurenta.
- Strukturyzuj wyniki w formacie JSON, aby zasilać swoje dashboardy.
- Porównanie między okresami ujawnia zmiany strategiczne.
- Każdy wniosek musi prowadzić do rekomendacji, którą można wdrożyć.
- Systematycznie archiwizuj swoje raporty, aby umożliwić śledzenie długoterminowe.