name: omni-rival-radar
slug: omni-rival-radar
version: 1.1.0
displayName: "阿拉丁·全平台竞品爆款监控雷达·跟做清单生成器"
summary: 统一监控抖音/小红书/公众号上 N 个同类账号的近期爆款，本地分析哪些题型/角度/发布时间规律/标题结构值得跟，自动生成带差异化建议的跟做清单；新增「复盘反哺闭环」——把每次照着跟做的真实跑量沉淀为验证库，下次跟做清单越抄越准，与 omni-growth-studio（看自己数据）凑成知己知彼双轮。零 API、粘贴竞品主页或后台导出即可用，自媒体运营、账号对标、选题抄作业场景首选。
description: 统一监控抖音/小红书/公众号上 N 个同类账号的近期爆款，本地分析哪些题型/角度/发布时间规律/标题结构值得跟，自动生成带差异化建议的跟做清单。零 API、粘贴竞品主页或后台导出即可用。本技能含「复盘反哺闭环」：把每次照着跟做的真实跑量（涨粉/互动/是否跑赢）沉淀为本地验证库 rival_playbook.json，下次跟做清单自动按「你历史最跑赢的题型/角度/结构/平台」加权，越抄越准；与 omni-growth-studio（看自己数据）凑成知己知彼双轮。自媒体运营、账号对标、选题抄作业场景首选。
category: 内容创作
license: MIT
platforms: WorkBuddy
tags:
- 竞品监控
- 对标账号
- 跟做清单
- 抄作业
- 竞品爆款
- 账号雷达
- 竞品拆解
- 同类账号分析
- 爆款识别
- 选题拆解
- 竞品分析
- 自媒体运营
- 账号对标
- 找选题
- 短视频选题
- 公众号选题
- 小红书选题
- 抖音选题
- 爆款结构
- 标题结构
- 发布时间规律
- 可抄性评分
- 差异化改写
- 内容矩阵
- 竞品看板
- 跟做清单生成器
- 知己知彼
- 竞品雷达
- 多平台监控
- 抖音小红书公众号
- 零API
- 不联网
- 本地分析
- 数据不出本机
- 内容增长
- 选题库
- 爆款复盘
- 跟进闭环
- 验证库
- 越抄越准
- 复盘反哺
- 竞品监控工具
- 竞品跟踪
- rival radar
- competitor analysis
- competitor tracking
- content research
- viral tracking
- niche research
- content gap analysis
- social listening
- short video research
- 小红书竞品
- 抖音竞品
- 公众号竞品
- 自媒体工具
- WorkBuddy
全平台竞品爆款监控雷达 · 跟做清单生成器
这是什么
你已经有了 omni-viral-studio（找爆款）、omni-material-studio（采素材）、omni-engage-studio（管评论）、omni-growth-studio（复盘自己数据）。
这四款帮你"看自己"。但做号还有一半没解决——看对手。
竞品账号昨天发了什么爆了？他们什么题型最容易火？几点发、标题怎么起？这些没人替你盯着。
本技能把这件事接上：统一监控多个同类账号的近期爆款 → 本地分析可抄性 → 直接给你一份能落手的跟做清单。
和 omni-growth-studio 的区别一句话讲清：growth 是"我发了什么、哪条火"，rival 是"对手发了什么、哪条火、我能怎么抄"。
什么时候用
- 你说"监控一下这几个号"、"看看竞品最近爆了啥"、"这几个账号有什么能抄的"
- 做对标账号分析、找跟做选题、拆解竞品爆款结构
- 想给自己账号补短板，但不知道对手哪类内容吃到了流量
- 想生成一份"下周照着跟"的清单，而不是空想选题
触发词
竞品监控、对标账号、跟做清单、抄作业、竞品爆款、看看对手、账号雷达、找能抄的、竞品拆解、同类账号分析
核心能力（统一多源 + 本地增值）
- 统一多源：抖音 / 小红书 / 公众号的竞品账号数据，一份结构归一（互动率口径统一），不用三个后台来回切。
- 爆款识别：按账号维度识别高互动内容（绝对量 + 相对互动率双阈值），不被"粉丝少但爆了"漏掉。
- 本地多维分析（不联网、不上传）：
- 题型拆解：教程 / 测评 / 干货 / 吐槽 / 故事 / 盘点…
- 角度归类：痛点型 / 猎奇型 / 观点型 / 教程型…
- 时间规律：周几、几点发最容易爆
- 标题结构：数字式 / 疑问式 / 利益点式 / 身份代入式… - 可抄性评分：结合"你的定位匹配度 + 差异化空间 + 执行成本"给每条跟做建议，避免无脑抄被平台判同质化。
- 与我方数据联动：若你同时跑了
omni-growth-studio，可对比"竞品爆了我没做"的缺口，直接定位补短板方向。 - 一键导出：CSV（全量明细）/ HTML（竞品看板）/ Markdown（跟做清单，直接发给团队或自己照做）。
- 复盘反哺闭环（本版新增）：把每次照着跟做的真实跑量（涨粉 / 互动 / 是否跑赢）沉淀为本地验证库
rival_playbook.json，下次跟做清单自动按"你历史最跑赢的题型 / 角度 / 结构 / 平台"加权——抄得越多，清单越懂你，越抄越准。详见下文「复盘反哺闭环」。
工作流
① 采集/导入 → 竞品账号数据（粘贴主页链接文本 / 后台导出 CSV / 手填 JSON）
↓
② 归一+去重 → rival_ingest.py 统一平台口径、可选跨平台去重
↓
③ 分析+评分 → rival_analyze.py 爆款识别 + 题型/角度/时间/标题结构 + 可抄性评分 + 跟做清单
↓
④ 导出 → rival_export.py CSV / HTML看板 / MD跟做清单
↓
⑤ 照做+复盘 → 拿清单去跟做，跑完把结果喂给 rival_retro.py，沉淀验证库（rival_playbook.json）
↓
⑥ 反哺（越抄越准）→ 下次 rival_analyze.py --playbook，清单自动按你历史最跑赢的维度加权
快速开始（零 API）
# 1) 用自带样例体验（3 个竞品账号、含不同题型与时段）
python scripts/rival_ingest.py --demo --out rivals.json
# 2) 分析并生成跟做清单
python scripts/rival_analyze.py --in rivals.json --out rivals_enriched.json --report follow_report.md
# 3) 导出三态
python scripts/rival_export.py --in rivals_enriched.json --formats csv,html,md --title "竞品监控周报" --out out/
真实数据怎么来（三种，都本地）
- A. 粘贴文本：把竞品主页/爆款列表复制成纯文本，脚本按"账号名 + 内容 + 互动数"正则抽取（详见
references/account-metrics.md）。 - B. 后台导出 CSV：抖音/小红书/公众号后台导出数据，字段映射后导入。
- C. 手填 JSON：按
assets/sample_rivals.json结构填，最可控。
> 想接实时数据也可以：把第三方数据接口的返回填进同一结构即可，本技能只消费归一后的数据，不绑定任何数据源。
复盘反哺闭环（越抄越准）⭐ 本版核心
生成清单只是开始。清单准不准，得看你照着做之后跑没跑赢。本技能把"跟做→结果→沉淀→反哺"做成闭环：
# 1) 先有历史验证库（首次可用内置示例上手）
python scripts/rival_retro.py seed --out .
# 2) 照着跟做后，把这次结果记一条（你抄了哪条、自己跑出什么数据、算不算跑赢）
python scripts/rival_retro.py add --record 我的跟做结果.json --out .
# 我的跟做结果.json 形如：
# {"account":"效率girl","platform":"小红书","origin":"打工人必备的8个AI神器",
# "ctype":"干货清单","angle":"利益点式","struct":"数字式",
# "my_views":120000,"my_likes":9000,"my_follows":1500,"my_er":0.09,
# "outcome":"hit","note":"做『只留最有用3个』反差，收藏高"}
# 3) 看你自己最跑赢的题型 / 角度 / 结构 / 平台
python scripts/rival_retro.py summary --out .
# 4) 下次分析直接吃验证库，清单自动加权（你历史最跑赢的项会被推前）
python scripts/rival_analyze.py --in rivals.json --out rivals_enriched.json --playbook
python scripts/rival_export.py --in rivals_enriched.json --formats html,md --title "竞品监控" --out out --playbook
验证库 rival_playbook.json 纯本地、零联网、不含竞品原文，只沉淀"题型/角度/结构/平台 → 你的跑赢权重"，用得越久越能区分"竞品爆但我不适合抄"和"竞品爆且我最该抄"，跟做清单的命中率持续提升。
与已发布家族的闭环
| 环节 | 技能 | 看的是 |
|---|---|---|
| 找爆款 + 写稿 | omni-viral-studio (105241) | 平台大盘热点 |
| 采素材 + 排版 | omni-material-studio (105244) | 自己的素材库 |
| 发布后互动 | omni-engage-studio (108264) | 自己的评论私信 |
| 看自己数据 | omni-growth-studio (108282) | 自己发了啥、哪条火 |
| 看对手（本款） | omni-rival-radar | 对手发了啥、哪条火、我能怎么抄、跟做越抄越准 |
growth（知己）+ rival（知彼）= 完整双轮。rival 输出的"可跟做清单"可直接喂回 viral 做下期选题，也可以和 growth 的"我方高光类型"对比，找差距；rival 的"复盘反哺闭环"再让清单本身随你的真实跟做结果持续变准。
隐私说明
全部在本地跑，不联网、不上传竞品数据、不接平台账号 API（除非你自己填 key 拉实时）。竞品公开内容分析，数据不出你这台电脑；验证库只存统计权重，不含竞品原文。
文件结构
omni-rival-radar/
├── SKILL.md
├── scripts/
│ ├── rival_ingest.py # 多源导入 + 平台口径归一 + 可选去重
│ ├── rival_analyze.py # 爆款识别 + 多维分析 + 可抄性评分 + 跟做清单（支持 --playbook 反哺）
│ ├── rival_export.py # CSV / HTML看板 / MD跟做清单（支持 --playbook 附验证建议）
│ └── rival_retro.py # 复盘反哺闭环：add / summary / benchmark / seed（验证库 rival_playbook.json）
├── references/
│ ├── account-metrics.md # 各平台账号数据口径与字段映射
│ ├── copyability.md # 可抄性评分维度 + 差异化改写规则
│ ├── analysis-dimensions.md# 题型/角度/时间/标题结构拆解口径
│ ├── closed-loop-playbook.md # 复盘反哺闭环操作手册
│ └── usage-examples.md # 端到端示例（含复盘反哺场景）
└── assets/
└── sample_rivals.json # 3 竞品账号样例（含 A/B 题型信号）
