Przejdź do głównej treści
Polski— Wybierz język
Menu

Zautomatyzowany wywiad konkurencyjny

Lekcja 9 z 14 Zaktualizowano 30 lipca 2026 Początkujący
Na tej stronie
  1. Zamień wyszukiwanie w przewagę konkurencyjną
  2. Architektura systemu wywiadu konkurencyjnego
  3. Monitorowanie sieciowe konkurentów
  4. Monitorowanie reakcji w serwisie X
  5. Łączny raport wywiadowczy
  6. Automatyzacja cyklicznego wywiadu
  7. Optymalizacja kosztów wywiadu
  8. Ćwiczenia praktyczne
  9. Kluczowe wnioski

Zamień wyszukiwanie w przewagę konkurencyjną

Wywiad konkurencyjny to jeden z przypadków użycia o najwyższym zwrocie z inwestycji (ROI), łączący web_search i x_search. Tam, gdzie analityk spędziłby godziny na ręcznym sprawdzaniu stron internetowych, mediów społecznościowych i branżowych baz danych, dobrze skonfigurowany skrypt jest w stanie wygenerować ustrukturyzowany raport w ciągu kilku sekund.

W tej lekcji dowiesz się, jak zbudować kompletny system wywiadu konkurencyjnego, wykorzystując możliwości wyszukiwania API Grok.

Architektura systemu wywiadu konkurencyjnego

Skuteczny system wywiadu konkurencyjnego opiera się na trzech filarach:

  1. Zbieranie: gromadzenie istotnych informacji (artykuły, posty na X, komunikaty prasowe)
  2. Analiza: ekstrakcja i kwalifikacja ważnych sygnałów
  3. Raportowanie: synteza wyników w formie gotowej do działania

API Grok obsługuje wszystkie trzy etapy w ramach jednego wywołania, łącząc narzędzia wyszukiwania z możliwościami analitycznymi modelu.

Monitorowanie sieciowe konkurentów

Rozpocznij od monitorowania oficjalnych stron konkurentów i ich obecności w mediach:

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"
    ]
)

Monitorowanie reakcji w serwisie X

Uzupełnij monitorowanie sieciowe o analizę reakcji w serwisie 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

Łączny raport wywiadowczy

Prawdziwa moc ujawnia się, gdy połączysz oba źródła, tworząc zintegrowany raport:

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

Automatyzacja cyklicznego wywiadu

Aby prowadzić wywiad codziennie lub co tydzień, zamknij logikę w zaplanowanym skrypcie:

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

Optymalizacja kosztów wywiadu

Każde wywołanie web_search lub x_search kosztuje 0,005 USD. Aby monitorować 4 konkurentów za pomocą łączonego raportu dziennego:

  • 4 konkurentów × 2 narzędzia (sieć + X) = 8 wywołań dziennie
  • 8 × 0,005 USD = 0,04 USD dziennie
  • Około 1,20 USD miesięcznie

Jest to znacznie tańsze niż subskrypcja wyspecjalizowanego narzędzia wywiadowczego, oferując jednocześnie pełną elastyczność w zakresie formatu i kryteriów analizy.

Ćwiczenia praktyczne

Zidentyfikuj 3 konkurentów w swojej branży. Stwórz skrypt wywiadowczy, który generuje ustrukturyzowany raport dla każdego z nich. Uruchamiaj go przez kilka kolejnych dni i obserwuj, jak ewoluują uzyskane wnioski. Dostosuj prompty i filtry w zależności od trafności wyników.

Cennik obowiązujący od 5 sierpnia 2026 r. – ceny ulegają regularnym zmianom: przed jakimkolwiek obliczeniem budżetu sprawdź aktualny cennik na oficjalnej stronie modeli i cen xAI.

Kluczowe wnioski

  • Wywiad konkurencyjny łączy web_search (fakty) i x_search (postrzeganie)
  • Strukturyzuj swoje prompty, aby otrzymywać raporty gotowe do działania, a nie ogólne podsumowania
  • Używaj allowed_domains, aby celować w wiarygodną, specjalistyczną prasę
  • Koszty są wysoce konkurencyjne w porównaniu z dedykowanymi narzędziami wywiadowczymi
  • Automatyzuj wywiad za pomocą zaplanowanych skryptów, aby zapewnić regularne pokrycie
  • Każde twierdzenie w raporcie musi być opatrzone źródłem, wykorzystując automatyczne cytowania