Community研究&データ分析github.com

AIマインドシェアマップ

Claude Codeスキル:企業や市場がAIアシスタント(ChatGPT)に対してどれだけ可視化されているかを測定し、誰がどのように推薦されるかをマッピングします。

AIマインドシェアマップ とは?

AI Mindshare Mapは、競合インテリジェンスツールとして機能するClaude Codeスキルです。企業や市場のAIアシスタント(ChatGPT)における可視性を測定し、誰が推薦され、その理由を分析します。エンティティモードとマーケットモードの2つの動作モードを備え、特定のブランドの追跡や市場全体のランドスケープ分析が可能です。Playwright MCP、WebFetch、Bash、OpenAI API(GPT-5.2、GPT-5-mini、GPT-5-nano)に依存し、パイプライン実行にはtuff-lil-unitを使用します。出力として、競合ランドスケープの詳細を含むdistillation.jsonと、クエリ可能なSQLiteデータベースtuff.dbを生成し、アーリーアダプターやAI開発者にとって、自社やクライアントのAIエコシステムにおけるポジショニングを理解する上で非常に有用です。

対応✓Claude Code✓Codex CLI~Cursor
npx skills add unfamiliar-city/skill-ai-mindshare-map

Installed? Explore more 研究&データ分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

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

AIマインドシェアマップ は何をしますか?

競合インテリジェンスツール:オーディエンスを発見し、AIシステムにクエリを実行し、応答を分析し、競合リーダーボードを構築し、ソースのギャップを特定します。

コマンド構文

/mindshare-map --entity <url> [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
  エンティティモード:特定の企業/ブランドを追跡します。

/mindshare-map --market "<description>" [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
  マーケットモード:焦点となるエンティティなしでのランドスケープ分析。

オプション:

  • --frame "..." インテント/ペルソナの方向性 — 誰が何のために検索しているか(デフォルト:オプションを調査中の購入者)
  • --name <slug> 作業ディレクトリ名(デフォルト:URLドメインまたはマーケット説明から派生)
  • --skip-validation ICP確認をスキップ(推論されたICPを使用;購入者→デフォルトトラック、その他→トラックなし)
  • --intents-per-track=N トラックモードでのトラックあたりのインテント数(デフォルト:6)
  • --intents=N トラックなしモードでのICPあたりのインテント数(デフォルト:12)

例:

  • /mindshare-map --entity https://example.com → work/example-com-20260213/
  • /mindshare-map --market "creative agencies" → work/creative-agencies-20260213/
  • /mindshare-map --entity https://foo.com --name=foo-q1-2026 → work/foo-q1-2026/
  • /mindshare-map --entity https://foo.com --frame "investors assessing category leaders"

依存関係

  • Playwright MCP:オーディエンス発見リサーチ
  • WebFetch:オーディエンス発見リサーチ
  • Bash:パイプライン実行
  • OpenAI API:GPT-5.2(クエリ用)、GPT-5-mini(フルティアソース評価用)、GPT-5-nano(抽出/分析/ライトティア評価用)
  • tuff-lil-unit:パイプライン実行 — クラッシュリカバリ、ステップメモ化、並行処理

作業ディレクトリ

各実行は work/ の下に日付付きのディレクトリを作成します:

work/creative-agencies-20260213/
  audience-profile.json       # ICP + インテント + target_focus(プロジェクトID)
  subject-context.json        # リサーチ知識
  tuff.db                     # SQLite:tuffステップ + ドメインテーブル(クエリ可能)
  distillation.json           # 完全な競合ランドスケープ出力

出力

  1. distillation.json — 完全な競合ランドスケープを含む単一ファイル:
    • meta — スキーマバージョン、実行ID、モード、タイムスタンプ、クエリ数、応答率、主要エンティティタイプ
    • landscape — タイプ(会社、製品など)でグループ化され、リーチでランク付けされた query_answer エンティティ
    • other_entities — タイプでグループ化された authority_source/platform エンティティ
    • by_icp — ICPごとの内訳:{ icp_001: { landscape: {…}, other_entities: {…} } }
    • sources.market — パブリッシャータイプ別、ドメインごとの評価(各項目に source_type、is_competitor、authority、citation_count、citation_count_by_icp)
    • client — ポジション、カテゴリ内ポジション、サリエンス、可視性、評判 (エンティティモードのみ)
  2. tuff.db — sqlite3 でクエリ可能:ステータス、トークン使用量、ドメインテーブル

DB:蒸留サマリーの背後にある詳細

tuff.db は蒸留が要約する完全な詳細を保持します。sqlite3 tuff.db でクエリ:

取得したい情報テーブル → カラム
ソース権威の推論とシグナルassessments.result → authority
ソース形式と競合関係assessments → source_type、is_competitor
ドメインごとの全引用URLassessments.result → urls
応答ごとの言及詳細(サリエンス、ICP、クエリ)analysed.mentions
GPT応答テキスト全文queries.response
取得したソースページコンテンツsources.content
ソースごとの生エンティティ抽出extractions.entities

セットアップ(初回実行)

SessionStart フックが自動的に ${CLAUDE_PLUGIN_DATA} に tuff-lil-unit をインストールし、package.json が変更された場合に再実行します。シェル経由で OPENAI_API_KEY が設定されていることを確認してください(キーチェーン管理推奨、~/.zshenv からエクスポート — README参照)。Playwright MCPはオプションです(エンティティモードのサイトリサーチでは、それがない場合WebFetchにフォールバックします)。

パイプラインフェーズが Could not locate the bindings file(better-sqlite3 のネイティブバインディングエラー)で失敗した場合、インストールがネイティブビルドステップをスキップしたことを示します。修正:cd ${CLAUDE_PLUGIN_DATA} && npm rebuild better-sqlite3 を実行し、フェーズを再試行してください。


フェーズ 0:作業ディレクトリのセットアップ

何よりも先に、作業ディレクトリを解決します:

  1. スラッグの導出 を入力から:
    • --entity:ドメインを抽出、スラッグ化 → example-com
    • --market:説明をスラッグ化 → creative-agencies
    • --name= フラグで上書き(日付サフィックスは追加されません)
  2. 日付サフィックスの追加:${slug}-${YYYYMMDD}(例:creative-agencies-20260213)
    • --name= が提供された場合はスキップ(ユーザーがフルネームを制御)
  3. WORK_DIR の設定 = work/${slug}-${YYYYMMDD}/
  4. 存在確認:WORK_DIR に既にデータが存在する場合、ユーザーにプロンプト:

    work/creative-agencies-20260213/ は既に存在します。上書きするか、別の名前を使用しますか?

  5. ディレクトリ作成:mkdir -p ${WORK_DIR}

以降のすべてのフェーズは --work-dir=${WORK_DIR} を使用します。


フェーズ 1:オーディエンス発見

サブエージェント主導のリサーチ+ユーザー検証。audience-profile.json を生成します。

ステップ 1.0:フレーム

--frame フラグをキャプチャ(デフォルト:購入者フレーム)。

ステップ 1.1:ICPの生成

Task({
  subagent_type: 'general-purpose',
  prompt: `実行:references/${'entity' in subject
    ? 'entity-mode-instructions' : 'market-mode-instructions'}.md\n\n${
    'entity' in subject ? `エンティティURL:${subject.entity}` : `マーケット:"${subject.market}"`}\n\nWORK_DIR:${WORK_DIR} — subject-context.json をこのディレクトリに書き込みます。ハードコードされた work/ パスではありません。`
})

ステップ 1.2:ICPの検証

提案されたICPをユーザーに提示。フィードバックを収集し、必要に応じて調整。--skip-validation が指定されている場合はスキップ。

発見が research_limited を返した場合(エンティティモード、WebFetchが読み取れなかったJSレンダリングサイト)、--skip-validation 下でもユーザーに伝えます:

{entity} はJSレンダリングされているようです。そのため、これらのICPはサイト自体よりも一般的なWebリサーチに依存しています。Playwright MCPをインストールすると、完全なサイトを読み取ることができます。追加して発見を再実行するか、このまま続行しますか?

ステップ 1.2a:トラック選択

ICPが確認された後、マーケットマッピングトラックを決定:

フレーム--skip-validation ありインタラクティブ
購入者デフォルトトラック(4)デフォルトまたはトラックなしを提案
カスタムトラックなしカスタムトラックまたはトラックなしを提案

デフォルトトラック:landscape、recommendation、specialization、scenario。すべてのトラックはエンティティを表面化する必要があります。表現ガイダンスについては references/intent-query-generation-instructions.md を参照してください。

ステップ 1.3:インテントとクエリの生成

ICPごとに1つのサブエージェント、並列で。 各ICPに対して、3つの中立的なスロットをフレームを通じて解釈したロールプレイブリーフを作成します:

スロット購入者投資家ジャーナリスト
motivations目標投資テーゼ記事のテーマとアングル
constraintsペインポイントデューデリジェンスの懸念編集上の制約
context現在の状況ポートフォリオの文脈現在のアサインメント

サブエージェントに送信する前に、構築したブリーフを audience-profile.json のICPの brief ブロックに記録します。

references/intent-query-generation-instructions.md のトラック付きまたはトラックなしテンプレートを使用。トラック付き:--intents-per-track=N(デフォルト6)、インテントJSONに track を含む。トラックなし:--intents=N(デフォルト12)、track は省略。

const icpResults = await Promise.all(confirmedICPs.map(icp =>
  Task({
    subagent_type: 'general-purpose',
    model: 'sonnet',
    prompt: buildRoleplayBrief(icp, confirmedTracks, trackless)
  })
))

ステップ 1.3b:クエリレビュー

単一のレビューサブエージェント(Sonnet)が、生成されたすべてのクエリを方法論上の問題についてスキャンします。フラグが立てられたクエリと理由を返し、オーケストレーターが修正または破棄してからユーザーに提示します。

Task({
  subagent_type: 'general-purpose',
  model: 'sonnet',
  prompt: `これらの生成されたクエリを研究方法論の問題についてレビューしてください...\n${allQueries}`
  // 基準と出力形式については references/query-review-instructions.md を参照
})

ステップ 1.4:インテントの検証とプロファイルの書き込み

インテントをユーザーに提示し、フィードバックを収集。${WORK_DIR}/audience-profile.json を書き込み。--skip-validation が指定されている場合は検証をスキップ。


フェーズ 2:パイプライン(タスクベース、バックグラウンドジョブ)

ステップ 2.1:タスク作成と依存関係の設定

const query = TaskCreate({
  subject: "すべてのICPについてGPTにクエリを実行",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:query -- --work-dir=${WORK_DIR}' })",
  activeForm: "GPTにクエリ実行中"
})

const fetch = TaskCreate({
  subject: "引用URLを取得",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:fetch -- --work-dir=${WORK_DIR}' })",
  activeForm: "URL取得中"
})

const extract = TaskCreate({
  subject: "ソースからエンティティを抽出",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:extract -- --work-dir=${WORK_DIR}' })",
  activeForm: "エンティティ抽出中"
})

const assess = TaskCreate({
  subject: "ソース権威を評価",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:assess -- --work-dir=${WORK_DIR}' })",
  activeForm: "ソース評価中"
})

const analyse = TaskCreate({
  subject: "GPT応答を分析",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:analyse -- --work-dir=${WORK_DIR}' })",
  activeForm: "応答分析中"
})

const distill = TaskCreate({
  subject: "競合ランドスケープを蒸留",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:distill -- --work-dir=${WORK_DIR}' }). 出力:distillation.json",
  activeForm: "ランドスケープ蒸留中"
})

// 依存関係グラフ:
//   クエリ → 取得 → 抽出 → 評価 ─┐
//      └──→ 分析 ─────────────────┴→ 蒸留
TaskUpdate({ taskId: fetch.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: extract.id, addBlockedBy: [fetch.id] })
TaskUpdate({ taskId: assess.id, addBlockedBy: [extract.id] })
TaskUpdate({ taskId: analyse.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: distill.id, addBlockedBy: [assess.id, analyse.id] })

ステップ 2.2:タスクグラフの実行

query から開始。各完了時に:タスクを完了としてマークし、ブロック解除された依存タスクを開始。

進捗の監視 — 各フェーズはアイテムごとにDBに書き込みます。いつでも進捗を確認:

NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR} query    # 単一フェーズ:"query: 24/24"
NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR}          # 全フェーズ

クラッシュまたは中断時: 失敗したフェーズを再実行—tuffステップメモ化により完了済みアイテムはスキップされます。

フルパイプライン(非インタラクティブ): NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline -- --work-dir=${WORK_DIR} は6つのフェーズすべてを順次実行します。


フェーズ 3:納品

パイプラインが完了したら、出力をユーザーに提示:

**AIマインドシェアマップ完了** → `${WORK_DIR}/`

**出力:**
- `${WORK_DIR}/distillation.json` — 競合ランドスケープデータ
- `${WORK_DIR}/audience-profile.json` — ICP + インテント

**主な発見:**
- 発見されたエンティティ:{{entities_discovered}}
- ソース裏付けあり:{{source_backed_count}}
- ターゲット順位:{{rank_of}}中 #{{rank}} *(エンティティモードのみ)*

関連スキル