Communitygithub.com

경쟁 보고서 구성

점수화된 경쟁사 카드를 의사 결정에 도움이 되는 보고서로 조립합니다. '누구와 경쟁하는가, 어떻게 경쟁하는가, 방어 가능한 백색 공간은 어디인가'라는 세 가지 질문에 답변합니다.

경쟁 보고서 구성란 무엇인가요?

이 스킬은 개별 경쟁사 프로필 카드를 종합하여 경영진 수준의 의사 결정을 지원하는 경쟁 보고서로 구성하는 방법을 정의합니다. 보고서는 '누구와 경쟁하는가, 어떻게 경쟁하는가, 방어 가능한 백색 공간(white-space)은 어디인가'라는 세 가지 핵심 질문에 답변해야 하며, 모든 섹션은 이 답변에 기여해야 합니다. 이 스킬은 주로 Claude Code, Cursor, Codex와 같은 AI 에이전트 플랫폼에서 사용되며, `benchmark-methodology` 스킬의 산출물(점수화된 경쟁사 프로필 카드)을 입력으로 받아들입니다. 보고서는 고객의 포지셔닝 브리프(전략적 긴장, 브랜드 밸런스, 차별화 요소, 목표 사분면)를 기반으로 구성되며, 실행 요약, 시장 지형도, 경쟁사 계층, 벤치마킹 매트릭스, 심층 분석, 백색 공간 및 위협 분석, 전략적 권장 사항, 출처 및 방법론 부록을 포함합니다. 특히 2x2 텐션 맵과 히트맵 매트릭스를 핵심 시각 자료로 사용하며, 혼합 총점 컬럼 추가, 방법론으로 보고서 시작, 의사 결정 프레임워크 생략과 같은 안티 패턴을 방지해야 합니다.

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

경쟁 보고서 구성은(는) 무엇을 하나요?

이 스킬을 사용하여 점수화된 경쟁사 카드를 의사 결정에 도움이 되는 보고서로 조립합니다. 보고서는 세 가지 질문에 답변해야 합니다: 누구와 경쟁하는가, 어떻게 경쟁하는가, 방어 가능한 백색 공간은 어디인가? 모든 섹션은 그 답변에 기여해야 하며, 기여하지 않는 내용은 삭제합니다.

활성화 시점

  • benchmark-methodology의 모든 경쟁사 프로필 카드가 완료되어 조립할 준비가 되었을 때
  • 창업자, 리더십 팀 또는 이사회에 경쟁 분석 결과를 발표해야 할 때
  • 보고서가 의사 결정을 이끌어야 할 때 (누구와 경쟁할지, 어떻게, 해자는 어디인지) — 단순한 시장 지형 문서화가 아닐 때
  • 감사 가능하고 방어 가능해야 하는 고객 전달물을 준비할 때

고객 포지셔닝 브리프 (먼저 수립)

보고서를 조립하기 전에 고객의 포지셔닝 브리프를 수립합니다. 이 브리프는 다음을 제공합니다:

  • 전략적 긴장(strategic tension) — 고객의 목표 백색 공간을 정의하는 한 쌍의 축(예: 기억성 × 고용 가능성). 모든 지도와 종합 분석은 이 긴장으로 수렴됩니다.
  • 브랜드 밸런스(brand balance) — 고객의 전략적 강조점의 의도된 비율 혼합(예: 전략/증거 60%, 차별성 25%, 장인정신 15%). 모든 권장 사항은 이 밸런스에 대해 검증되어야 하며, 이를 변경할 수 있는 사항은 플래그를 지정해야 합니다.
  • 차별화 요소(differentiator) — 실행 요약 및 백색 공간 섹션의 구성 원칙
  • 목표 사분면(target quadrant) — 고객이 텐션 맵에서 위치하려는 곳; 해당 사분면이 실제로 비어 있는지 확인하는 것이 보고서의 핵심 경험적 질문입니다.

구성 원칙

전체 보고서는 고객의 전략적 긴장을 중심으로 구성되며, 권장 사항은 고객의 의도된 브랜드 밸런스로 수렴됩니다. 해당 밸런스를 깨뜨릴 권장 사항은 명시적으로 플래그를 지정해야 합니다 — "이 움직임은 밸런스를 X/Y/Z에서 A/B/C로 이동시킵니다. 의도를 확인하십시오."

보고서 섹션

1. 실행 요약

35개의 핵심 내용, 의사 결정 우선. 가장 중요한 결과를 평이한 언어로 기술합니다: 고객이 강점을 가진 부분, 취약한 부분, 목표 백색 공간을 점유한 경쟁사, 그리고 주요 23가지 전략적 움직임. 창업자/PM이 이 부분만 읽어도 무엇을 해야 하는지 알 수 있도록 작성합니다. 방법론은 포함하지 않습니다.

2. 시장 지형 및 카테고리 프레이밍

카테고리를 정의하고 지도로 표현합니다. 다축 맵을 사용하며, 최소 2x2 매트릭스(예: 브랜드 중심 <-> 역량 중심 × 부티크 <-> 엔터프라이즈 규모)를 사용하고, 이상적으로는 benchmark-methodology의 고객 텐션 플롯을 헤드라인 맵으로 사용합니다. 프로파일링된 모든 경쟁사와 고객을 배치합니다. 맵은 고객의 의도된 위치를 시각적으로 명확하게 보여주고 해당 위치가 얼마나 붐비거나 비어 있는지 보여주어야 합니다.

3. 경쟁사 계층

경쟁사 세트를 직접(Direct) / 인접(Adjacent) / 지향(Aspirational) (출처: competitive-platform-analysis)으로 구성합니다. 각 계층에 누가 속해 있으며 왜 고객에게 중요한지 한 문단씩 설명합니다. 이는 세부 정보 전에 독자의 기대를 설정합니다.

4. 벤치마킹 매트릭스

전체 경쟁사 × 차원 표 — 정량적 핵심입니다. 행 = 경쟁사(계층별 그룹화), 열 = 9개 벤치마크 차원(참고: 차원 9 — 전략적 긴장 — 두 개의 극(예: 브랜드 스튜디오 고객의 경우 기억성 및 고용 가능성)을 가지며, 고객의 쌍을 이루는 축으로 대체 가능함); 평균을 내지 말고 두 개의 별도 하위 열로 표현합니다). 고객 자신의 정직한 자기 평가를 대조를 위한 행으로 포함합니다. 히트맵(색상 또는 기호 척도)을 사용하여 강점/약점 패턴을 한눈에 파악할 수 있도록 합니다. 혼합 총점 컬럼은 추가하지 않습니다 — 차원을 별도로 보고합니다(편향 통제 준수). 고객이 선도하는 열과 뒤처지는 열을 명시합니다.

5. 심층 분석

가장 유용한 3~5개 경쟁사를 내러티브 형식으로 다룹니다(프로필 카드 활용). 순위가 아닌 교육적 가치를 기준으로 선택합니다: 목표 긴장의 최고 사례(두 극 모두에서 높은 점수), 경고 사례("한 극만" 사례), 고객이 반정의(反定義)하는 "유능하지만 잊혀지는" 전형, 그리고 직접적인 위협. 각 심층 분석: 그들이 하는 일, 고객이 배워야 할 점, 고객이 피해야 할 점.

6. 백색 공간 및 위협

전략적 핵심. 두 부분으로 구성됩니다:

  • 백색 공간: 경쟁사가 소유하지 않은 고객이 차지할 수 있는 위치 — 지도와 매트릭스에서 논증되어야 하며, 단순히 주장되어서는 안 됩니다. 목표 사분면(포지셔닝 브리프에서)이 실제로 비어 있는지 확인합니다.
  • 위협: 고객을 압박하는 대상 — 격차를 좁히는 경쟁사, 대체재(노코드/AI 도구, 사내 팀, 제너럴리스트 프리랜서), 또는 카테고리 변화. 고객 자신의 위험에 대해 정직해야 합니다(예: 대담한 정체성이 위험 회피 성향의 구매자에게 진지하지 않게 읽힐 수 있음).

7. 전략적 권장 사항

구체적이고 우선순위가 정해진 움직임: 고객이 누구와 경쟁하는지, 어떻게 차별화하는지, 어디에 투자할지(제품 패키징, 증거/사례 연구, 오피니언 리더십, 브랜드 선명화). 모든 권장 사항을 포지셔닝 브리프의 브랜드 밸런스에 연결하고 이를 변경할 사항은 플래그를 지정합니다. 영향 × 노력 순으로 정렬합니다.

8. 출처 / 방법론 부록

차원, 가중치, 루브릭, 계층이 있는 범위 내 세트, 경쟁사별 출처 링크, 및 검증 노트(주장 vs 입증됨). 이는 보고서를 감사 가능하고 방어 가능하게 만듦 — 적대적 인용 규율을 유지합니다.

데이터 표현 방법

  • 2x2 / 포지셔닝 맵 — 지형 및 텐션 플롯용. 이것으로 시작해야 하며, 산문보다 빠르게 논점을 전달합니다.
  • 히트맵 매트릭스 — 경쟁사 × 차원 비교용(섹션 4).
  • 프로필 카드 — 심층 분석(섹션 5)에 제공되는 원천 단위.
  • 사분면 콜아웃 — 각 사분면에 누가 있는지 명시적으로 명명, 특히 고객의 목표 사분면.
  • 표는 스캔 가능하게 유지하고, 원시 증거와 링크는 부록으로 이동합니다.

의사 결정 프레임워크 (보고서가 해결해야 하는 사항)

  • 누구와 경쟁하는가? — 직접 계층을 구체적으로 명명합니다. 그것이 실제 싸움입니다.
  • 어떻게 경쟁하는가? — 고객의 차별화 요소를 한 문장으로 명시하며, 매트릭스에 근거합니다(고객이 소유한 차원).
  • 차별화 요소는 어디에서 방어 가능한가? — 경쟁사가 쉽게 복사할 수 없는 차원/사분면(해자)과 기본 요건에 해당하는 차원을 식별합니다.

팀 정렬 세션을 위한 트리거 질문

분석에 대한 감탄이 아닌 결정을 강제하는 질문으로 마무리합니다:

  • 목표 사분면이 실제로 비어 있는가, 아니면 경쟁사가 이미 진입하고 있는가?
  • 향후 12개월 동안 가장 심각한 위협이 되는 직접 경쟁사는 누구이며, 대응 방안은 무엇인가?
  • 현재 시장 지형을 고려할 때 브랜드 밸런스가 여전히 유효한가? 어떤 강조점을 변경해야 하는가?
  • 고객이 뒤처진 차원 중 어떤 것을 따라잡을 가치가 있고, 어떤 것을 의도적으로 포기할 것인가?
  • 고용 가능성/신뢰성을 희생하지 않으면서 차별성을 가장 크게 넓히는 한 가지 움직임은 무엇인가?

안티 패턴

  • 방법론으로 시작하기. 실행 요약은 가장 중요한 결과로 열려야 하며, 벤치마크 실행 방법에 대한 설명이 아니어야 합니다. 방법론은 부록에 속합니다.
  • 텐션 플롯 없이 점수만 제시하기. 2x2 텐션 맵은 헤드라인 산출물입니다. 맵이 없는 숫자 표는 전략적 통찰을 묻어버립니다.
  • 의사 결정 프레임워크 생략하기. 보고서는 세 가지 질문(누구와 경쟁할지, 어떻게, 해자가 어디인지)을 해결해야 합니다. 이에 대한 답이 없으면 보고서는 문헌 검토로 전락합니다.
  • 모든 프로필 카드가 완료되기 전에 시작하기. 벤치마크 방법론은 조립 전에 완료되어야 합니다. 부분 데이터는 히트맵과 백색 공간 분석을 약화시키는 공백을 만듭니다.
  • 매트릭스에 혼합 총점 컬럼 추가하기. 명시적으로 제외됨 — 고객이 행동해야 하는 비대칭성을 모호하게 만드는 잘못된 복합 지표를 생성합니다.

관련 스킬

  • benchmark-methodology — 선행 조건; 이 스킬이 조립하는 점수화된 경쟁사 프로필 카드를 생성합니다.
  • competitive-platform-analysis — 섹션 3에서 사용되는 계층 구조(직접 / 인접 / 지향)를 제공합니다.
  • brand-discovery — 고객의 포지셔닝 브리프가 정의되지 않은 경우 이를 수립하는 데 사용합니다.

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.

관련 스킬