Communitygithub.com

競合レポート構造化

競合他社のスコアリングカードを、意思決定に役立つレポートにまとめるためのスキルです。

競合レポート構造化 とは?

このスキルは、複数の競合プロファイルカードを組み立て、経営陣やクライアントが明確な意思決定を行えるような高品質な競合レポートを作成するためのものです。レポートは、「誰と競合するのか」「どのように競合するのか」「守れるホワイトスペースはどこか」という3つの問いに答えることに焦点を当て、すべてのセクションがこれらの問いに貢献するように構成します。主にClaude CodeなどのAIエージェント向けに設計されており、まずクライアントのポジショニングブリーフ(戦略的緊張、ブランドバランス、差別化要因、ターゲット象限)を確立し、その後、エグゼクティブサマリー、市場ランドスケープ、競合ティア、ベンチマーキングマトリックス、ディープダイブ、ホワイトスペースと脅威、戦略的推奨事項、ソース・方法論の付録という8つのセクションで構成されたレポートを生成します。データの提示方法(2x2マップ、ヒートマップ、プロファイルカードなど)や、避けるべきアンチパターン(方法論から始める、スコアをテンションプロットなしで提示するなど)も詳細に規定されており、監査可能で防御可能な成果物を提供します。

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

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

競合レポート構造化 は何をしますか?

このスキルを使用して、スコアリングされた競合カードを意思決定グレードのレポートに組み立てます。 レポートはクライアントの3つの問いに答えなければなりません:誰と競合するのか、どのように競合するのか、守れるホワイトスペースはどこか。すべてのセクションは、これらの答えに近づくためにその場所を得ます — 貢献しないものは削除してください。

アクティブ化するタイミング

  • benchmark-methodology からのすべての競合プロファイルカードが完成し、組み立て可能な状態であること。
  • 競合分析結果を創業者、リーダーシップチーム、または取締役会に提示する必要がある場合。
  • レポートは意思決定を促すものでなければならない(誰と競合するか、どのように競合するか、防御壁はどこか)— 単なるランドスケープの文書化ではないこと。
  • 監査可能で防御可能なクライアント成果物を準備している場合。

クライアントのポジショニングブリーフ(最初に確立)

レポートを組み立てる前に、クライアントのポジショニングブリーフを確立します。これは以下を提供します:

  • 戦略的緊張 — クライアントのターゲットホワイトスペースを定義する対となる軸(例:記憶可能性 × 採用可能性)。すべてのマップと統合はこの緊張に解決されます。
  • ブランドバランス — クライアントの戦略的強調点の意図された割合の組み合わせ(例:戦略/エビデンス60%、差別性25%、クラフト15%)。すべての推奨事項はこのバランスに対してチェックされなければならず、それを変更するものはフラグが立てられます。
  • 差別化要因 — エグゼクティブサマリーとホワイトスペースセクションのフレーミング原則。
  • ターゲット象限 — クライアントがテンションマップ内で意図する位置。その象限が本当に空いているかどうかを確認することが、レポートの中心的な実証的問いです。

フレーミング原則

レポート全体はクライアントの戦略的緊張を中心に構成され、推奨事項はクライアントの意図されたブランドバランスに解決されます。そのバランスを崩す推奨事項は、それに対して明示的にフラグを立てなければなりません — 「この動きはバランスをX/Y/ZからA/B/Cにシフトさせます。意図を確認してください。」

レポートセクション

1. エグゼクティブサマリー

3〜5つの重要なポイント、意思決定ファースト。最も重要な発見を平易な言葉で述べる:クライアントが強い点、さらされている点、ターゲットホワイトスペースを占めている競合、そして上位2〜3のアクション。創業者/プロダクトマネージャーがこれだけ読んで何をすべきかわかるように書かれていること。ここに方法論は含めない。

2. 市場ランドスケープとカテゴリーフレーミング

カテゴリーを定義しマッピングする。多軸マップを使用 — 最低でも2x2(例:ブランド主導 <-> 能力主導 × ブティック <-> エンタープライズ規模)、理想的にはbenchmark-methodologyからのクライアントのテンションプロットを主要マップとして使用する。プロファイルされたすべての競合とクライアントを配置する。マップはクライアントの意図する位置を視覚的に明確にし、それがどれだけ混雑しているか(または空いているか)を示すべきである。

3. 競合ティア

セットを直接 / 隣接 / 憧れ(competitive-platform-analysis から)に整理する。各ティアに誰が含まれ、なぜクライアントにとって重要なのかを説明する短いパラグラフを一つずつ。これにより、詳細に入る前に読者の期待を設定する。

4. ベンチマーキングマトリックス

完全な競合 × ディメンションの表 — 量的な背骨。行 = 競合(ティア別にグループ化)、列 = 9つのベンチマークディメンション(注:ディメンション9 — 戦略的緊張 — には2つの極があります(例:ブランドスタジオのクライアントの場合、記憶可能性と採用可能性);クライアント自身の対となる軸に置き換えてください);それらを平均せずに2つの別々のサブ列として表現します)。クライアント自身の正直な自己評価を行として含めて対比させます。ヒートマップ(色または記号スケール)を使用して、強み/弱みのパターンが一目でわかるようにします。ブレンドされた合計列は追加しないでください — ディメンションは別々に報告します(バイアスコントロールのため)。クライアントがリードしている列と遅れをとっている列を明示します。

5. ディープダイブ

最も参考になる3〜5社の競合をナラティブ形式で(プロファイルカードから)。ランキングではなく教訓のために選択する:ターゲットの緊張の最良の例(両極で高い)、「一極のみ」の警告事例、クライアントが対抗して定義する「有能だが忘れられやすい」アーキタイプ、そして直接の脅威。各ディープダイブ:彼らが何をしているか、クライアントが学ぶべきこと、クライアントが避けるべきこと。

6. ホワイトスペースと脅威

戦略的核心。2つの部分:

  • ホワイトスペース: 競合が所有していない、クライアントが占有できるポジション — マップとマトリックスから論証され、断言ではない。ターゲット象限(ポジショニングブリーフから)が本当に空いているかどうかを確認する。
  • 脅威: クライアントに圧力をかけるもの/こと — ギャップを埋めつつある競合、代替品(ノーコード/AIツール、社内チーム、ジェネラリストフリーランサー)、またはカテゴリーシフト。クライアント自身のリスクについても正直であること(例:大胆なアイデンティティがリスク回避的なバイヤーに真剣味を欠くと受け取られること)。

7. 戦略的推奨事項

具体的で優先順位付けされたアクション:クライアントが誰と競合するか、どのように差別化するか、どこに投資するか(オファーパッケージング、エビデンス/ケーススタディ、ソートリーダーシップ、ブランドシャープニング)。すべての推奨事項をポジショニングブリーフのブランドバランスに結び付け、それを変更するものにはフラグを立てる。影響 × 努力で順序付ける。

8. ソース / 方法論付録

ディメンション、重み、ルーブリック、ティア付きのスコープセット、競合ごとのソースリンク、検証ノート(主張済み vs 証明済み)。これによりレポートは監査可能で防御可能になる — 敵対的引用規律を貫くこと。

データの提示方法

  • 2x2 / ポジショニングマップ — ランドスケープとテンションプロット用。これらを先頭に持ってくる;散文よりも早く議論を伝える。
  • ヒートマップマトリックス — 競合 × ディメンションの比較用(セクション4)。
  • プロファイルカード — ディープダイブ(セクション5)に供給するソース単位。
  • 象限コールアウト — 各象限に誰がいるかを明示的に名前を挙げる、特にクライアントのターゲット象限。
  • テーブルはスキャン可能に保ち、生のエビデンスとリンクは付録に回す。

意思決定フレームワーク(レポートはこれらを解決しなければならない)

  • 誰と競合するのか? — 直接ティアを具体的に挙げる;それが本当の戦いである。
  • どのように競合するのか? — クライアントの差別化要因を一文で述べ、マトリックスに基づく(クライアントが所有するディメンション)。
  • 差別化要因はどこで防御可能か? — 競合が容易にコピーできないディメンション/象限(防御壁)と、参入障壁が低いものを特定する。

チームアライメントセッションのためのトリガー質問

分析への賞賛ではなく、決定を強いる質問で締めくくる:

  • ターゲット象限は本当に空いているか、それとも競合がすでに動き始めているか?
  • 次の12ヶ月で最も鋭い脅威となる直接競合はどれで、その対策は?
  • ブランドバランスはランドスケープを考慮してもまだ有効か — どの強調点をシフトすべきか?
  • クライアントが遅れをとっているディメンションのうち、埋める価値があるものと、意図的に譲るべきものはどれか?
  • 採用可能性/信頼性を犠牲にせずに差別性を最も広げる一つのアクションは?

アンチパターン

  • 方法論から始めること。 エグゼクティブサマリーは最も重要な発見で始まり、ベンチマークの実行方法の説明ではない。方法論は付録に属する。
  • テンションプロットなしでスコアを提示すること。 2x2テンションマップは主要な成果物である。マップなしの数字の表は戦略的洞察を埋もれさせる。
  • 意思決定フレームワークを省略すること。 レポートは3つの問い(誰と競合するか、どのように競合するか、防御壁はどこか)を解決しなければならない。これらに答えないままでは、レポートは文献レビューになる。
  • すべてのプロファイルカードが完了する前に開始すること。 Benchmark-methodologyは組み立て前に完了しなければならない。部分的なデータはヒートマップとホワイトスペース分析を損なうギャップを生み出す。
  • マトリックスにブレンドされた合計列を追加すること。 明示的に除外 — 誤った複合指標を作り出し、クライアントが行動すべき非対称性を隠蔽する。

関連スキル

  • benchmark-methodology — 前提条件;このスキルが組み立てるスコアリングされた競合プロファイルカードを生成する。
  • competitive-platform-analysis — セクション3で使用されるティア構造(直接 / 隣接 / 憧れ)を提供する。
  • brand-discovery — クライアントのポジショニングブリーフがまだ定義されていない場合に確立するために使用する。

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

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

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

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