Pricing Finder（価格調査ツール）

Pricing Finder（価格調査ツール） は何をしますか？

製品のURLまたは説明文を入力してください。5社の競合他社を見つけ、実際の価格ページを取得し、完全な価格インテリジェンスレポートを生成します。レポートには、同市場の支配的な価格モデル、ベンチマーク価格表、機能ゲート分析、ポジショニングマップ、そして自社製品に対する具体的な価格推奨が含まれます。

APIキーは不要です。 すべて無料のpip依存パッケージで動作します。オプションのAPIキーを使用すると品質が向上します。

---

ゼロ幻覚ポリシー: 出力に含まれるすべての価格、ティア名、機能ゲートは、必ず取得した価格ページのコンテンツまたはDuckDuckGo検索スニペットに基づいている必要があります。これは以下の項目に適用されます:

• 競合の価格: 取得したページコンテンツからそのまま抽出
• 「問い合わせ」: そのまま記録し、決して推定値や数字に置き換えない
• ティア名: ページから正確にコピーし、言い換えない
• 機能リスト: ページコンテンツから抽出し、プロダクト知識から推測しない
• ポジショニングの観察: ベンチマークテーブルのデータのみから導出

---

よくある間違い

エージェントがやりがちな行動	なぜそれが間違っているのか
「問い合わせ」を推定価格に置き換える	エンタープライズ価格を決して推定しない。「問い合わせ」として正確に記録すること
トレーニング知識を使って競合価格を補完する	すべての価格は取得したページコンテンツまたは検索スニペットに基づく必要がある
競合確認ステップをスキップする	常に発見した競合を表示し、確認を待つこと。間違った競合 = 間違ったベンチマーク
ベンチマークデータを参照せずに価格を推奨する	すべての価格推奨はベンチマークテーブルの特定の数値を引用しなければならない
コンテンツが500文字未満のページを高品質とマークする	500文字未満はページが取得できなかったことを意味する。data_qualityを'low'とし、検索スニペットフォールバックを使用する
出力にemダッシュ（—）を使用する	すべてのemダッシュをハイフン（-）に置き換えること

---

実行前にリファレンスファイルを読む

cat references/pricing-models.md
cat references/extraction-guide.md
cat references/positioning-guide.md

---

ステップ1: セットアップ確認

echo "TAVILY_API_KEY:    ${TAVILY_API_KEY:+set (検索品質向上)}${TAVILY_API_KEY:-未設定、DuckDuckGoを使用 (無料)}"
echo "FIRECRAWL_API_KEY: ${FIRECRAWL_API_KEY:+set (JSレンダリング対応)}${FIRECRAWL_API_KEY:-未設定、requests+BS4を使用 (無料)}"
echo ""
python3 -c "from ddgs import DDGS; import requests, bs4, html2text; print('依存関係OK')" 2>/dev/null \
  || echo "エラー: 依存関係が不足しています。インストールしてください: pip install ddgs requests beautifulsoup4 html2text"

依存関係が不足している場合: すぐに停止し、ユーザーに伝えてください: 「Pythonの依存関係が不足しています。インストールするには以下を実行してください: pip install ddgs requests beautifulsoup4 html2text -- すべて無料でアカウント不要です。その後再試行してください。」

APIキーのみ不足している場合: 続行してください。DuckDuckGoとrequests+BS4が無料のデフォルトです。

製品スラッグを取得:

PRODUCT_SLUG=$(python3 -c "
from urllib.parse import urlparse
import sys, re
url = 'URL_HERE'
if url.startswith('http'):
    host = urlparse(url).netloc.replace('www.', '')
    print(host.split('.')[0])
else:
    print(re.sub(r'[^a-z0-9]', '-', url[:30].lower()).strip('-'))
")
echo "Product slug: $PRODUCT_SLUG"

---

ステップ2: 入力の解析

会話から以下を収集:

• product_url: 取得するURL（必須、ただしユーザーが直接説明文を貼り付ける場合は除く）
• geography: オプション -- US / Europe / India / global。デフォルト: US

ユーザーがURLなしで説明文のみを貼り付けた場合: ステップ3と4をスキップし、貼り付けられたテキストをproduct_contentとしてステップ4（製品分析）に直接進んでください。page_sourceをuser_descriptionに設定し、data_quality_flagsに注意事項を記載します。

URLも説明文もない場合: 質問してください: 「あなたの製品またはスタートアップのURLを教えてください。または、短い説明文を貼り付けてください: 何をするものか、誰のためのものか、何が他と違うのか。」

---

ステップ3: 製品ページの取得

プライマリ: Firecrawl（FIRECRAWL_API_KEYが設定されている場合）

curl -s -X POST https://api.firecrawl.dev/v1/scrape \
  -H "Authorization: Bearer $FIRECRAWL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url": "URL_HERE", "formats": ["markdown"], "onlyMainContent": true}' \
  | python3 -c "
import sys, json
d = json.load(sys.stdin)
content = d.get('data', {}).get('markdown', '') or d.get('markdown', '')
print(f'Firecrawl経由で取得: {len(content)} 文字')
open('/tmp/pf-product-raw.md', 'w').write(content)
"

フォールバック: requests + BS4（無料、常に利用可能）

python3 << 'PYEOF'
import requests, html2text, random

USER_AGENTS = [
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
]
headers = {"User-Agent": random.choice(USER_AGENTS), "Accept": "text/html,application/xhtml+xml;q=0.9,*/*;q=0.8"}
resp = requests.get("URL_HERE", headers=headers, timeout=20, allow_redirects=True)
converter = html2text.HTML2Text()
converter.ignore_images = True
converter.body_width = 0
content = converter.handle(resp.text)[:8000]
print(f'requests+BS4経由で取得: {len(content)} 文字')
open('/tmp/pf-product-raw.md', 'w').write(content)
PYEOF

チェックポイント:

python3 -c "
content = open('/tmp/pf-product-raw.md').read()
if len(content) < 200:
    print('エラー: 200文字未満しか取得できませんでした。ページがJSレンダリングされている可能性があります')
else:
    print(f'コンテンツOK: {len(content)} 文字')
"

コンテンツが200文字未満の場合: ユーザーに伝えてください: 「製品ページから十分なコンテンツが取得できませんでした。サイトがJavaScriptレンダリングを使用している可能性があります。製品の短い説明文を貼り付けてください: 何をするものか、誰のためのものか、競合と何が違うのか。」

---

ステップ4: 製品分析（AI）

ページコンテンツを表示:

python3 -c "
content = open('/tmp/pf-product-raw.md').read()[:5000]
print('=== 製品ページ（最初の5000文字）===')
print(content)
"

AI指示: 上記の製品ページを分析し、以下を抽出:

• product_name: 製品名または会社名
• one_line_description: 何をするものか、誰のためのものか、コアバリュープロポジション。20語未満。マーケティング用語は使わない。
• industry_taxonomy: l1（最上位: developer tools / fintech / healthtech / consumer / など）、l2（セクター: devops / payments / hr / など）、l3（特定ニッチ: CI/CD automation / embedded payments / async video / など）
• differentiators: この製品を差別化する具体的な要素を正確に2〜3個。これらは推奨に使用されるため、具体的に記述すること。「使いやすい」のような一般的な回答は不可。
• icp: buyer_persona（職種）、company_type、company_size
• geography_bias: US / Europe / India / global
• page_source: "live_page" または "user_description"

/tmp/pf-product-analysis.jsonに書き込み:

python3 << 'PYEOF'
import json

analysis = {
    # 上記の分析結果をここに記入
    "product_name": "",
    "one_line_description": "",
    "industry_taxonomy": {"l1": "", "l2": "", "l3": ""},
    "differentiators": [],
    "icp": {"buyer_persona": "", "company_type": "", "company_size": ""},
    "geography_bias": "US",
    "page_source": "live_page"
}

json.dump(analysis, open('/tmp/pf-product-analysis.json', 'w'), indent=2)
print('製品分析を書き込みました。')
PYEOF

確認:

python3 -c "
import json
a = json.load(open('/tmp/pf-product-analysis.json'))
print('製品:', a['product_name'])
print('業界:', a['industry_taxonomy']['l1'], '>', a['industry_taxonomy']['l2'], '>', a['industry_taxonomy']['l3'])
print('差別化要因:')
for d in a['differentiators']:
    print(f'  - {d}')
"

---

ステップ4b: フェーズ1 -- 競合発見

ls scripts/research.py 2>/dev/null && echo "スクリプトが見つかりました" || echo "エラー: scripts/research.py が見つかりません -- 続行できません"

python3 scripts/research.py \
  --phase discover \
  --product-analysis /tmp/pf-product-analysis.json \
  --output /tmp/pf-competitors-raw.json

結果をAIレビュー用に表示:

python3 -c "
import json
data = json.load(open('/tmp/pf-competitors-raw.json'))
print(f'実行した検索: {len(data[\"competitor_searches\"])}')
for s in data['competitor_searches']:
    print(f'\nクエリ: {s[\"query\"]}')
    for r in s.get('results', [])[:6]:
        print(f'  - {r[\"title\"]} | {r[\"url\"]}')
        print(f'    {r.get(\"snippet\",\"\")[:150]}')
"

AI指示: 上記の検索結果を読み、以下の条件を満たす競合企業を正確に5社選択:

1. 検索結果のタイトルまたはスニペットに名前が記載されている
2. 分析対象製品と同じL3ニッチに属する
3. 実際のソフトウェア製品である（代理店、リスト記事、レビューサイトではない）
4. 互いに異なる企業である

各競合について以下を記述: name、url、pricing_url（価格ページ。スニペットに見つからない場合は [url]/pricing と推測）、description（スニペットからの一文）、source_url。

---

ステップ5: 競合確認

python3 << 'PYEOF'
import json

analysis = json.load(open('/tmp/pf-product-analysis.json'))

# 記入: 上記検索結果からの5社の競合
candidates = [
    # {"name": str, "url": str, "pricing_url": str, "description": str, "source_url": str}
]

print(f"\n{analysis['product_name']}の {analysis['industry_taxonomy']['l3']} における競合5社を発見しました:\n")
for i, c in enumerate(candidates, 1):
    print(f"  {i}. {c['name']} -- {c['description']}")
    print(f"     製品: {c['url']}")
    print(f"     価格: {c['pricing_url']}")

data = json.load(open('/tmp/pf-competitors-raw.json'))
data['competitor_candidates'] = candidates
json.dump(data, open('/tmp/pf-competitors-raw.json', 'w'), indent=2)
PYEOF

ユーザーに伝えてください: 「これらは価格データを取得する5社の競合です。追加、削除、変更がある場合はお知らせください。または「問題ない」と言って続行してください。」

確認を待つ。 ユーザーがリストを編集した場合は、それに応じて候補を更新します。その後、確認済みリストを書き込みます:

python3 << 'PYEOF'
import json

# 記入: 確認済みの競合リスト（ユーザーレビュー後）
confirmed = [
    # {"name": str, "url": str, "pricing_url": str}
]

json.dump({"confirmed_competitors": confirmed}, open('/tmp/pf-competitors-confirmed.json', 'w'), indent=2)
print(f"価格調査のための競合 {len(confirmed)} 社を確認しました。")
for c in confirmed:
    print(f"  - {c['name']} | 価格: {c['pricing_url']}")
PYEOF

---

ステップ6: フェーズ2 -- 価格ページの取得

python3 scripts/research.py \
  --phase fetch-pricing \
  --competitors /tmp/pf-competitors-confirmed.json \
  --output /tmp/pf-pricing-raw.json

これは、各競合の価格ページを3段階のフォールバックで取得します:

1. 直接取得: requests + beautifulsoup4 + html2text
2. Googleキャッシュ: webcache.googleusercontent.com/search?q=cache:[url]
3. DuckDuckGo検索: "[competitor]" pricing plans cost per month（スニペットフォールバック）

取得サマリーを表示:

python3 -c "
import json
data = json.load(open('/tmp/pf-pricing-raw.json'))
print(f'取得した競合数: {data[\"competitors_fetched\"]}')
print()
for r in data['results']:
    quality_label = {'high': '良好', 'medium': '許容', 'low': 'スニペットのみ'}.get(r['data_quality'], r['data_quality'])
    print(f'  {r[\"name\"]:20} {r[\"source\"]:15} {r[\"content_length\"]:5} 文字  [{quality_label}]')
"

競合のdata_qualityがlowの場合: 価格ページがブロックされたかJSレンダリングされていることを意味します。分析は検索スニペットを使用して続行されますが、その競合に対する信頼度は低いと記録されます。

---

ステップ7: 価格抽出（AI）

すべての生の価格コンテンツを表示:

python3 -c "
import json
data = json.load(open('/tmp/pf-pricing-raw.json'))
for r in data['results']:
    print(f'\n=== {r[\"name\"]} (ソース: {r[\"source\"]}, 品質: {r[\"data_quality\"]}) ===')
    print(f'価格URL: {r[\"pricing_url\"]}')
    print(r['content'][:4000])
    print('---')
"

AI指示: 各競合について、上記のコンテンツから構造化価格データを抽出してください。ティアの識別方法、価格、制限、CTAの特定方法については references/extraction-guide.md に従ってください。

ゼロ幻覚ルール:

1. 価格はコンテンツからのみそのまま抽出すること。価格がコンテンツにない場合は null と記述すること。
2. 「問い合わせ」はそのまま記録すること。決して推定値で置き換えないこと。
3. data_quality: low はデータが検索スニペットからのものであることを意味する。そこにあるものは抽出するが、トレーニング知識でギャップを埋めないこと。
4. コンテンツに存在しないフィールドは、"ページデータに見つかりません" と記述すること。
5. 年額料金: 常に月額換算額を年間合計とともに記録すること。

/tmp/pf-pricing-extracted.jsonに書き込み:

python3 << 'PYEOF'
import json

# 記入: 以下のスキーマに従って、各競合につき1つのオブジェクト
extracted = [
    # {
    #   "competitor": str,
    #   "pricing_url": str,
    #   "data_quality": "high" | "medium" | "low",
    #   "pricing_model": "per-seat" | "flat-rate" | "usage-based" | "freemium" | "tiered-flat" | "hybrid",
    #   "billing_cadence": ["monthly"] | ["annual"] | ["monthly", "annual"],
    #   "annual_discount": str,           # 例: "20%" または "ページデータに見つかりません"
    #   "free_tier": true | false,
    #   "free_trial": true | false,
    #   "free_trial_days": int | null,
    #   "tiers": [
    #     {
    #       "name": str,
    #       "price_monthly": float | null,       # 問い合わせの場合はnull
    #       "price_annual_monthly": float | null, # 年額払いの場合の月額換算
    #       "price_note": str,                   # "問い合わせ"、"無料"、または空文字
    #       "seats": str,                        # "1席あたり"、"無制限"、"最大5席" など
    #       "key_limits": [str],                 # ストレージ、APIコール数、プロジェクト数など
    #       "key_features": [str]                # このティアのトップ3〜5機能
    #     }
    #   ],
    #   "enterprise_tier": true | false,
    #   "enterprise_pricing": str,               # "問い合わせ" または実際の価格
    #   "regional_pricing": str | null           # 例: "インド: ₹999/月" または null
    # }
]

…

[以下、翻訳対象外のためスキップ]
PYEOF

---

ステップ8: 価格モデル分析（AI）

python3 scripts/research.py \
  --phase analyze-models \
  --extracted /tmp/pf-pricing-extracted.json \
  --output /tmp/pf-model-analysis.json

AI指示: 抽出されたデータと references/pricing-models.md に基づいて、同市場の支配的な価格モデルを特定してください。以下の観点を分析:

• 最も一般的な課金モデル（シート単価、フラットレート、使用量ベースなど）
• 標準的な課金サイクルと年間割引率
• 無料ティア vs 無料トライアルの普及率
• 価格バンド（例: $10-30/月の小規模、$50-150/月の中規模、$200+/月のエンタープライズ）
• 機能ゲートパターン（各ティアで何がロックされているか）

---

ステップ9: 価格戦略推奨（AI）

AI指示: 製品分析（ステップ4）、抽出された競合価格データ（ステップ7）、価格モデル分析（ステップ8）、および references/positioning-guide.md を組み合わせて、以下を含む完全な価格戦略推奨を生成してください:

1. 推奨価格モデル

• 採用すべきモデル
• その理由（競合データから引用）

2. 推奨価格（具体的な数字）

• 少なくとも2つのティア
• 各ティアの月額価格
• 各価格が設定された根拠（ベンチマークテーブルの具体的な数値を引用）

3. 機能ゲート戦略

• 各ティアで何を提供するか
• 次のティアで何をロックするか

4. 利用開始戦略

• 無料ティア / 無料トライアル / デモ

5. 市場ポジショニング

• 製品を価格面でどのようにポジショニングするか
• 競合と比較した主な差別化要因

推奨を /tmp/pf-recommendation.md に書き込み:

python3 << 'PYEOF'
recommendation = """ここに完全な価格戦略推奨を記述...
"""
with open('/tmp/pf-recommendation.md', 'w') as f:
    f.write(recommendation)
PYEOF

---

ステップ10: レポート生成

python3 scripts/research.py \
  --phase generate-report \
  --product-analysis /tmp/pf-product-analysis.json \
  --extracted /tmp/pf-pricing-extracted.json \
  --model-analysis /tmp/pf-model-analysis.json \
  --recommendation /tmp/pf-recommendation.md \
  --output /tmp/pf-report.md

レポートを表示:

cat /tmp/pf-report.md

---

エラーハンドリング

シナリオ	対応
DuckDuckGoがレート制限	応答を待ってから再試行。持続する場合はユーザーにTavily APIキーを勧める
価格ページが403/ブロックされる	Googleキャッシュフォールバックを試行。それも失敗したらスニペットフォールバック
スニペットフォールバックでも価格が見つからない	その競合を「価格データなし」とマークし、利用可能な競合のみで続行
競合が5社未満しか発見されない	発見されたもので続行。出力にその旨を記載
製品JSONに必須フィールドが欠けている	空の文字列のままにせず、"not found" と設定
ユーザーが確認ステップから戻る	リストを更新し、再確認を促す
中間ファイルがない	各ステップで説明を出力しながらやり直す

---

付録: スクリプトリファレンス

scripts/research.py

このスクリプトは以下のフェーズを処理します:

• discover: DuckDuckGo/Tavilyを使用した競合発見検索
• fetch-pricing: 各競合の価格ページを取得（3段階フォールバック）
• analyze-models: 価格モデルのパターンを分析
• generate-report: 完全な価格インテリジェンスレポートを生成

各フェーズは前のフェーズの出力を必要とします。コマンドライン引数で対応します。

動的インポート vs サブプロセス

research.pyはスクリプトとして実行されるため（python3 scripts/research.py ...）、Python内から直接関数をインポートするのではなくサブプロセス経由で実行されます。これにより同じPythonプロセスの競合状態を防ぎます。

---

付録: 中間ファイル

ファイル	内容	作成元
/tmp/pf-product-raw.md	製品ページのMarkdown	ステップ3
/tmp/pf-product-analysis.json	構造化製品分析	ステップ4
/tmp/pf-competitors-raw.json	生の競合検索結果	ステップ4b
/tmp/pf-competitors-confirmed.json	確認済み競合リスト	ステップ5
/tmp/pf-pricing-raw.json	取得した価格ページコンテンツ	ステップ6
/tmp/pf-pricing-extracted.json	構造化価格抽出データ	ステップ7
/tmp/pf-model-analysis.json	価格モデル分析結果	ステップ8
/tmp/pf-recommendation.md	価格戦略推奨のドラフト	ステップ9
/tmp/pf-report.md	最終出力レポート	ステップ10