小红书竞品热度
把小红书的竞品笔记数据变成可复算的对比结论：谁声量大、谁的互动质量高、各自在讲什么、
卖点各占哪块、自家该补哪个缺口。每个数字都能追到一条公式和一批原始记录。
核心原则：先给证据，再给位置
本技能不用模型感觉判断，只做确定性规则计算，因此有三条硬口径：
- 声量 = 记录条数（一条记录 = 该竞品的一篇笔记/一次提及），不是曝光量、不是互动总量。
- 卖点位置 = 该维度的提及证据率与全场均值比较（高于记「领先」、低于记「落后」、
相等记「持平」），不是品质结论。 - 没有证据就是没有证据：一条证据都没有记「未知」，不与「持平」「落后」混同。
一、何时使用
- 手上有几篇对标账号的笔记数据（曝光/点赞/评论/分享/收藏），想横向比一比
- 想知道竞品的互动质量差异，尤其是"收藏"这个小红书的核心信号
- 想把竞品的内容策略（形式/题材/钩子/节奏/证据/引导）拆成一张可读的表
- 想知道自家在哪些卖点上没有提及证据、哪些卖点全场都没人占位
- 需要一份能直接发出去的竞品对比报表
不适用：本技能不抓数据、不登录小红书、不代发布、不做跨平台迁移判断。数据必须由你提供。
二、输入方式与关键参数（全离线）
| 方式 | 用法 |
|---|---|
| 导入导出 CSV（推荐） | --csv 小红书竞品导出.csv（必须能映射到竞品标识列，如 作者/昵称/博主） |
| 粘贴一批文案 | `--text "笔记一 |
笔记二" --author 竞品甲（--author` 给这一批文案打上竞品标识） |
|
| 固定时间基准 | --now 2026-09-17（把 3小时前 这类相对时间换成绝对时间；保证同输入同输出） |
| 覆盖权重与词典 | --config 我的权重.json（顶层键与 data/competitor.json 一致，字典逐键合并） |
| 指定自家 | --self 自家账号名（写数据里作者列的名字；不传则不猜自家，见 §五） |
CSV 表头不用改：脚本内置别名映射，曝光量/曝光/观看量/views 都能识别。
未识别的列会在结果里列出，不会静默丢弃。
三、命令
bash ${CODEBUDDY_SKILL_DIR}/run.sh sov --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh quality --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh strategy --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh matrix --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh gaps --csv 小红书竞品导出.csv --self 自家名
bash ${CODEBUDDY_SKILL_DIR}/run.sh report --csv 小红书竞品导出.csv --self 自家名
| 命令 | 做什么 | 产物 |
|---|---|---|
sov |
声量份额对比（按记录条数） | sov.csv |
quality |
互动质量分（扣抽奖水分） | 不落盘（只看控制台 / JSON） |
strategy |
内容策略拆解（形式/题材/钩子/节奏/证据/引导） | strategy.md |
matrix |
卖点差异矩阵（位置表 + 证据表） | matrix.md |
gaps |
机会缺口识别 | gaps.md |
report |
对比报表（含上面全部五块） | report.html |
产物默认落盘到当前目录 xiaohongshu-competitor-out/。report 产出的 report.html 是一份可直接用浏览器打开的网页报表。
真实路径以返回的 files 字段为准。
四、小红书特有的判断依据
| 维度 | 小红书机制 |
|---|---|
| 可比指标 | 曝光量（别名含 曝光/观看量/阅读量/views）、点赞、评论、分享、收藏；竞品标识列（作者/昵称/博主）是必需的 |
| 收藏是核心信号 | 档案把 collect_to_like（收藏/赞）的权重给到 0.25，全场最高：小红书的收藏代表"有用"，是与点赞不同的信号 |
| 权重侧重 | 收藏/赞 0.25、互动率 0.2、评论占比 0.15、评论/曝光比 0.15、水分惩罚 0.15、转发/赞 0.1（权重和 = 1） |
| 水分代理 | 引擎只算一条可计算代理：转发压力 × 评论真空。档案里的"互赞互藏群""薯条投放痕迹"等是文档数据，引擎不算 |
| 声量口径 | 记录条数；份额 = 该竞品条数 / 全部条数 |
| 语言 | 口语＋emoji 分段、负面表达委婉（"有点小踩雷"）；词典已收录「拔草」「空瓶」等小红书用法 |
> 上表"权重侧重"就是 data/competitor.json 里实际参与打分的权重，不是参考区间。
> 算不出来的信号（缺列、比值为 0 无定义、渠道无此指标）会进结论顶部的"未评估"清单，
> 原因分三类写清，绝不拿 0 顶替。
五、不传 --self 会怎样（明确说清）
--self 是"你自己是哪个竞品"，取值必须是数据里作者列的名字（如 --self 自家品牌号）。
- 不传
--self时引擎不会猜自家是谁（猜错比不猜更糟：会生成一条假的"自家落后"结论）。 - 此时
gaps只会给出两类缺口：无人占位（全场都没有该维度的证据）与
需自家标识（有领先者，但不知道自家在哪）；不会产出「追赶缺口」。 - 自家位置一栏显示
未能判定，并在 JSON 的self_note与gaps.md的「口径」段明说原因。 --self写了数据里不存在的名字，会得到E_NO_DATA（退出码 1）并列出数据里真实有哪些竞品。
六、六个互动质量信号怎么算
| 信号 | 公式 | 算不出的条件 |
|---|---|---|
engagement_ratio |
(赞+转+评)/曝光量 | 曝光量缺失或为 0 |
comment_share |
评论/(赞+转+评) | 三者全缺 |
share_to_like |
x/(1+x)，x = 转发/赞 |
赞缺失或为 0 |
collect_to_like |
x/(1+x)，x = 收藏/赞 |
赞/收藏缺失或为 0 |
comment_per_view |
评论/曝光量 | 曝光量缺失或为 0 |
suspicion_penalty |
转发压力 × 评论真空 = bounded(转发/赞) × (1 − 评论占比) |
任一因子算不出 |
无界量先做 x/(1+x) 有界变换，所有信号都落在 [0,1]，权重才有"重要性"的含义；
score = Σ 权重 × 信号值 − 权重 × suspicion_penalty，不做归一化，
所以分低与"没数据"是分开报的（另给"权重覆盖率"）。
七、明确的边界（不许美化）
- 不联网、不登录、不抓取、不代发布。 数据只在本机读取，不上传；本技能只分析你提供的这一个渠道的数据，因此不做跨渠道对比，也不做跨平台迁移判断（单渠道离线技能在结构上拿不到别的渠道数据）。
suspicion_penalty是启发式：由引擎按固定公式（转发压力 × 评论真空）计算，
是"转发极高 + 评论极低"的数值代理，不是平台官方口径，也不等于"判定买量"。
小红书的刷量更多表现为收藏异常，这一项测不出来，需要账号级数据。- 声量 = 记录条数，不是曝光量、不是互动总量。导出多少条记录直接决定声量份额。
- 卖点矩阵的相对位置是"该维度的提及证据率"对比，不是品质结论：
「领先」只说明该竞品的文案里提到该卖点的比例高于全场均值。 format（形式）与cadence（节奏）两维经常「未能判定」：账号级信息
（发的是图文还是视频、多久更一次）通常不在笔记正文里。
这两维判不出就是判不出，不会硬猜。- 词典法未在真实语料上校准：策略维度与卖点维度都是确定性的关键词命中，
没命中记「未能判定」。本技能不声称任何准确率。 - 权重与词典是行业参考值，非平台官方数据，请用
--config按自己的历史数据覆盖；
用了默认值会在结论顶部标注。 - 没有
--self就不产出自家的"追赶缺口"类结论（不猜自家是谁）。
