Communitygithub.com

競合プラットフォーム分析

このスキルは、ベンチマークを開始する前に、どの企業をベンチマークし、どこでそれらを見つけるかを決定するために使用します。防御可能で意思決定に役立つ競合セットを構築するための枠組みを提供します。

競合プラットフォーム分析 とは?

このスキルは、競合ベンチマークプロジェクトの最初のステップとして、適切な競合企業セットを定義しスコープするための体系的な方法論を提供します。まずクライアントのポジショニングブリーフを確立し、それに基づいて競合をダイレクト、アジャセント、アスピレーショナルの3つのティアに分類します。8つの分析軸(ポジショニングスタンス、専門性、規模など)に沿って各候補をプロットし、スコアリングマトリックスを使用して最終セットを絞り込みます。このスキルは、クリエイティブサービス市場(デザイン、モーション、コピーライティング、ブランディングなど)向けに設計されており、ポートフォリオプラットフォーム、LinkedIn、レビューディレクトリなどのデータソースを活用します。出力は、ベンチマーク準備が整った、タグ付けされたティア別競合セット(通常10~18候補 → 8~12プロファイル)であり、次のステップであるbenchmark-methodologyスキルに引き渡されます。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/competitive-platform-analysis

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

競合プラットフォーム分析 は何をしますか?

このスキルを使用して、スコアリングを開始する前に誰をベンチマークするか、そしてどこでそれらを見つけるかを決定します。競合分析はその枠組みの良し悪しで決まります。間違ったセットを選べば、クライアントは無敵か絶望的かのどちらかに見えてしまいます。目標は、防御可能で意思決定に役立つセットを作ることです。網羅的な列挙ではありません。

アクティブ化のタイミング

  • 競合ベンチマークプロジェクトを開始しようとしており、最初に競合セットを定義する必要がある場合。
  • どの企業がダイレクト / アジャセント / アスピレーショナルの各ティアに属するか不明な場合。
  • 市場レポートのための防御可能で絞り込まれたスコープが必要な場合。
  • ポジショニングブリーフがあり、そのポジションに挑戦する競合を特定したい場合。
  • ベンチマーク方法論を実行する前の最初のステップとして。

クライアントのポジショニングブリーフ(最初に確立する)

セットのスコープを決める前に、クライアントのポジショニングブリーフを確立します。まだ持っていない場合は、短いブランド発見インタビューを実施して引き出してください。独自に作成したり、ブラインドでセットをスコープしたりしないでください。 ブリーフは以下を提供します。

  • アイデンティティ / 美学のレジスター — このスタジオまたは企業がどのような種類であり、どのように自己表現するか。
  • 提供価値 — 提供するサービスや製品。
  • ターゲットクライアント — 誰に販売するか。
  • 差別化要因 — クライアントが信じるモートまたはポジショニングの主張。
  • スコーピングの結果 — 競合の重み付け方法への影響(例:差別性、能力の重複、価格のどれを優先するか)。
  • 戦略的テンション — クライアントのホワイトスペースを定義する対の軸(例:記憶に残る × 採用されやすさ)。

ポジショニングブリーフなしに進めないでください。 クライアントのレンズなしにスコープされた競合リストはノイズであり、インテリジェンスではありません。特にスコーピングの結果は、どの競合が強力なライバル(クライアントのモートに挑戦するもの)であり、単にサービスメニューが重複しているだけかを決定します。

選択基準

各候補について、以下の軸をキャプチャします。これらは包含とティアの両方を決定します。

  • 規模 / モデル — 個人、マイクロスタジオ(2~8人)、ブティック(30人未満)、ミッドサイズエージェンシー。クライアント自身のバンドに合わせます。同じバンドのスタジオが現実的な直接対決のセットです。
  • ニッチ / 専門性 — 候補の焦点がクライアントの提供価値とどの程度重複しているか。重複が強いほど、よりダイレクトになります。
  • 地理 / 市場 — EU vs US vs グローバルリモート、言語、タイムゾーンのリーチ。クライアントがターゲットとする同じクライアントを獲得しているかどうかに注意します。
  • 価格設定とエンゲージメントモデル — プロダクト化されたスプリント、リテーナー、プロジェクト、日額制、透明性 vs 「お問い合わせ」。ポジショニングの成熟度を示します。
  • ポートフォリオスタイル — ジェネリック vs 主張のある / エディトリアル vs 反骨。クライアントの美学レジスターに近いほど、クライアントの差別性に挑戦することになります。
  • 技術的深さ / クラフトの成熟度 — クライアントの信頼性ストーリーに公開プロセス作業、オープンツーリング、文書化されたシステムが含まれる場合に関連します。
  • ブランド力 — スタジオが独自の言語的 / 視覚的アイデンティティを持っているか、それとも代替可能か。クライアントのスコーピングの結果に従ってこれを重視します。

プレイヤー分類法 — 横断的に埋める軸

競合をニッチ固有のバケットに分類するのではなく、いくつかの汎用的な軸に沿って分類し、ランドスケープが一つのアーキタイプに偏らないようにします。これらの軸は、あらゆるクリエイティブサービス市場(デザイン、モーション、コピーライティング、ブランディング、コンテンツ、映画など)に適用できます。まず各軸で幅広く候補を集め、その後最も有益なものに絞り込みます。

  1. ポジショニングスタンス — ブランド主導 / エディトリアル(アイデンティティ、ボイス、POVで競争する) vs 能力主導(クラフト、スループット、成果で競争する)。両極を埋めます。クライアントに最も近い鏡は、クライアント自身の端に位置します。
  2. 専門性 — スペシャリスト(一つの狭い分野または垂直領域) vs ゼネラリスト(幅広いサービスメニュー)。クライアントの焦点との重複が強いほど、よりダイレクトです。
  3. 規模 / モデル — 個人 / マイクロ vs ブティック vs ミッドサイズ vs エンタープライズ規模。同じバンドのプレイヤーが現実的な直接対決です。より大きなバンドは、アスピレーショナル / 商業的成熟度のリファレンスです。
  4. エンゲージメント形式 — プロダクト化(名前付きスプリント、監査、固定パッケージ) vs オーダーメイド(カスタムプロジェクト / リテーナー)。ポジショニングの成熟度を示します。
  5. 差別性の姿勢 — 従来型 / 安全 vs 反骨 / マニフェスト主導。主張のある端は、あらゆるニッチにおける差別性ベンチマークの鍵です。
  6. 証拠 / 信頼性モデル — 成果主導(指標、実名クライアント、ケーススタディの深さ) vs 美学主導(ポートフォリオ、受賞歴)。各プレイヤーがどのように信頼を得ているかを示します。
  7. 運営者のブランド力 — 代替可能 vs カルト的 / 独自のアイデンティティ(「記憶に残る個人ブランド」モデルを証明するシニアフリーランサーを含む)。
  8. 市場 / リーチ — ローカル / リージョナル vs グローバルリモート。クライアントがターゲットとする同じクライアントを獲得しているかどうかに注意します。

各候補を関連する軸にプロットします。競合がポジショニング、専門性、規模、市場のすべてにおいてクライアントの近くに位置する場合、それはダイレクトです。

競合ティア(セットの解決方法)

最終セットを3つのティアにグループ化します。この構造はレポート全体に引き継がれます。

  • ダイレクト — 同じバンド、提供価値が重複、同じクライアントターゲット。現実的な直接対決。
  • アジャセント — 部分的な重複(一つの能力、または異なるクライアント規模)で、端から圧力をかける。
  • アスピレーショナル — 現在クライアントが競合していないが、そのブランドまたは商業的成熟度が目標とすべき基準を設定するプレイヤー。
  • (代替品にも注意:ノーコード / AIツール、社内チーム、ゼネラリストフリーランサー — 脅威ベクトルとしてメモします。実質的に関連する場合を除き、プロファイルされた競合としては扱いません。)

データソース(どこを見るか)

必要な側面にソースを合わせます。以下のプラットフォームタイプは汎用的です。クライアントのニッチにネイティブなものに置き換えてください(例:デザインならDribbble/Behance、モーションならショーリール/Vimeo、コピーならライティングサンプル/出版作品)。

  • ポートフォリオ / クラフトプラットフォーム — クラフト品質、範囲、美学レジスター(例:Dribbble、Behance、Vimeo、またはそのニッチに相当するショーケース)。
  • アワード / キュレーションされたショーケース — クラフトの野心とエディトリアルな認知。派手なものに偏るため、商業的な信頼性とクロスチェックする(例:Awwwards、業界アワードリスト)。
  • 競合自身のサイト — ポジショニング、ボイス、提供価値のパッケージング、価格設定の姿勢、実名クライアント、マニフェスト/POVの主要ソース。
  • LinkedIn — チーム規模/モデル、創業者のナラティブ、投稿頻度、クライアントロゴ、地理。
  • レビューディレクトリ — レビュー、実名クライアント、プロジェクト規模、エンゲージメントモデル。商業的信頼性とエンタープライズ対応の最も強力なシグナル(例:Clutch.co、またはそのニッチに相当するもの)。
  • オープン / 公開作業 — プロセスリポジトリ、公開サンプル、オープンなクリエイティブアウトプット:深さとクラフトの透明性の証拠。
  • カンファレンストーク / ポッドキャスト / ニュースレター — ソートリーダーシップの深さとPOVの所有。

競合の属性を事実として扱う前に、常に少なくとも2つのソースにわたって主張を検証してください(自己報告のサイトコピーは確認された成果ではありません)。すべてのプロファイルに敵対的検証の規律を持ち込みます。

スコアリングマトリックステンプレート(選定段階)

本格的なベンチマークに進む候補を事前にフィルタリングするための軽量な方法。1~5でスコアリングします。差別性または信頼性のいずれかで高いスコアの候補を保持します。クライアントの戦略的テンションは、両方の極が有益であることを意味します。

候補ポジショニングスタンス専門性規模バンドティア提供価値の重複 (1–5)差別性 (1–5)商業的信頼性 (1–5)クラフトの近接性 (1–5)含めるか?

経験則(ポジショニングブリーフにおけるクライアントのスコーピングの結果に従って適用):

  • 高い差別性 かつ 高い信頼性 → 必須プロファイル(クライアントの目標とするテンションが達成可能であることを証明する)。
  • 高い差別性、低い信頼性 → 注意喚起事例(記憶に残るが採用されにくい — 学ぶべき潜在的な失敗モード)。
  • 高い信頼性、低い差別性 → 「有能だが忘れられやすい」大量の競合。クライアントが自らを定義する対象。
  • 両方低い → ランドスケープの幅が必要でない限りドロップ。

この段階の出力

スコープされ、ティア別に分類された競合セット(通常10~18候補 → 8~12プロファイル)。各候補は、軸位置、ティア、ソースリンクでタグ付けされ、benchmark-methodologyに引き渡す準備ができています。

アンチパターン

  • ポジショニングブリーフなしでのスコーピング。 クライアントのレンズなしに構築された競合リストはノイズです。ブリーフが何を真のライバルとみなすかを決定します。
  • 類似の企業をすべてリストアップする。 目標は防御可能な10~18候補のセットであり、国勢調査ではありません。枝刈りなしの幅広さは、ベンチマークを管理不能にします。
  • ダイレクト/アジャセント/アスピレーショナルのティアを曖昧にする。 これらのティアは異なる戦略的目的を果たします。それらを混在させると、意思決定を促進できないフラットなリストになります。
  • 競合ごとに単一のソースに依存する。 自己報告のサイトコピーはマーケティングであり、事実ではありません。少なくとも2つのソースにわたって属性を検証します。
  • 直接スコアリングに飛びつく。 このスキルはセットのスコープとティア分けを行います。ベンチマーク方法論がスコアリングを処理します。2つのステップを混同しないでください。

例

シナリオ: ブティックブランドアイデンティティスタジオ(2名、EUリモート、プロダクト化スプリント、反骨/マニフェスト主導の美学)が、ベンチマークの前に競合セットをスコープしたいと考えています。ポジショニングブリーフからの戦略的テンションは 記憶に残る × 採用されやすさ です。

ステップ1 — 8軸の埋め込み(サンプル候補):

候補ポジショニングスタンス専門性規模バンドエンゲージメント差別性証拠モデルブランド力市場
Studio Aブランド主導 / エディトリアルアイデンティティのみマイクロプロダクト化反骨美学主導カルト的グローバルリモート
Studio B能力主導幅広いDS+モーションブティックオーダーメイド従来型成果主導代替可能US
Agency C能力主導ブランド+デジタルミッドサイズリテーナー従来型成果主導代替可能EU
Freelancer Dブランド主導ブランドボイスのみ個人日額制エディトリアル美学主導独自性グローバル
Studio Eブランド主導ブランド戦略マイクロプロダクト化マニフェスト主導成果主導カルト的EUリモート

ステップ2 — 事前フィルタースコアリング(クライアントのスコーピング結果:クライアントのモートがPOVファーストであり能力の幅ではないため、差別性を重視):

候補提供価値の重複 (1–5)差別性 (1–5)商業的信頼性 (1–5)クラフトの近接性 (1–5)ティア含めるか?
Studio A5535ダイレクト✓ 必須プロファイル
Studio B3253アジャセント✓ 信頼性のアンカー
Agency C2152アスピレーショナル✓ 規模のリファレンス
Freelancer D4424ダイレクト✓ 注意喚起事例
Studio E5544ダイレクト✓ 必須プロファイル

ステップ3 — benchmark-methodologyに引き渡す出力: 5つの候補(ダイレクト3、アジャセント1、アスピレーショナル1)。各候補は軸位置、ティア、ソースリンクでタグ付けされています。Studio AとStudio Eが最も鋭い直接対決のライバルです。Freelancer Dは「記憶に残るが採用されにくい」注意喚起事例として学ぶべきものです。

関連スキル

  • brand-discovery — 最初に使用して、競合セットをスコープするポジショニングブリーフと戦略的テンションを確立します。
  • benchmark-methodology — 次のステップ。ティア別セットを受け取り、9つの次元にわたって各競合をスコアリングします。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

関連スキル