product-competitor-intelligence

Konkurrenzprodukte, SKUs, Preisgestaltung, Verpackung, Positionierung, Funktionsvergleiche, Produktkataloge, Kategorieseiten, Händlerlisten, Marktplatz …

npx skills add https://github.com/tavily-ai/use-case-skills --skill product-competitor-intelligence

Product Competitor Intelligence

Workflow

Use search and extract for product, pricing, SKU, feature, and competitor intelligence; use map or crawl for known catalogs and large competitor sites. Keep this skill focused on query construction, site navigation, source filtering, and synthesis; execution mechanics should come from companion endpoint skills.

Treat the guidance below as base guidance; adapt it to the user's request when appropriate.

  • Clarify the category, competitors, geography, target customer, price band, feature set, and desired output format.
  • Split broad questions into short subqueries under 400 characters: competitors, product category, pricing, alternatives, reviews, SKUs, specs, marketplaces, and recent launches.
  • Search for relevant competitors, product pages, category pages, retailer listings, pricing pages, reviews, docs, and official sources.
  • Filter by relevance score, domain trust, page type, and freshness before extracting.
  • Extract only selected pages that can support the requested comparison, table, or brief.
  • Use site mapping before broad collection on known competitor, retailer, manufacturer, marketplace, docs, or catalog domains.
  • Collect multiple pages only after choosing relevant path patterns and a tight scope.

Research Budget

  • Start with a small focused search set covering competitors, category, pricing, features/specs, reviews, or launches.
  • Extract only the strongest product, pricing, catalog, marketplace, docs, or review pages before drafting.
  • Add more searches only for named gaps, such as missing pricing, missing SKU evidence, or missing official competitor pages.
  • Do not use map unless a known competitor, retailer, manufacturer, marketplace, docs, or catalog domain needs URL discovery.
  • Do not use crawl until map has identified a narrow product, pricing, category, docs, or catalog section.

Capability Guidance

  • Use search for competitor discovery, pricing checks, feature comparisons, product claims, reviews, and launch signals.
  • Use extract on selected product, pricing, docs, catalog, marketplace, review, or changelog pages.
  • Use map when the domain is known but the relevant product, pricing, changelog, docs, category, or catalog pages are hard to find.
  • Use crawl for SKU/catalog discovery only after narrowing to relevant sections.
  • Use research only when the user asks for a market report rather than product-level evidence.

Query And Source Guidance

  • Include product category, buyer segment, geography, price band, SKU/model terms, competitor names, and feature terms in separate subqueries.
  • Prioritize official product pages, pricing pages, docs, catalogs, retailer listings, marketplaces, review sites, customer stories, changelogs, and credible launch coverage.
  • For known sites, look for paths such as products, pricing, category, collections, docs, blog, changelog, customers, or case studies.
  • Avoid irrelevant paths such as login, cart, checkout, account, admin, tag archives, and unrelated content.
  • Dedupe near-identical product pages, regional variants, and syndicated listings before synthesis.
  • Report failed or inaccessible sources when they affect pricing, specs, availability, or competitor coverage.

Output Template

Use this markdown structure and adapt columns to the user's request:

# Product And Competitor Intelligence: <category/company>

## Scope
- Category:
- Geography:
- Competitors covered:
- Source coverage limits:

## Product Comparison
| Product/SKU | Company | Category | Pricing/availability | Key features/specs | Positioning | Source |
| --- | --- | --- | --- | --- | --- | --- |

## Competitor Notes
### <Competitor>
- Positioning:
- Product/pricing evidence:
- Strengths:
- Gaps or uncertainty:

## Market Signals
- Launches or changes:
- Review/customer signals:
- Distribution or channel signals:

## Follow-Up Searches
- <query idea>

Keep each claim tied to a source. Mark pricing, availability, or specs as unavailable when they are not visible.

Mehr Skills von tavily-ai

academic-scientific-research
tavily-ai
Finden, prüfen und synthetisieren Sie wissenschaftliche Arbeiten, wissenschaftliche Literatur, technische Berichte, Preprints, klinische oder biomedizinische Publikationen und Evidenz rund um ein…
crawl
tavily-ai
Website-Inhalte extrahieren und als Markdown-Dateien für den Offline-Zugriff und die Analyse speichern. Unterstützt konfigurierbare Crawl-Tiefe (1-5 Ebenen), Breitenbegrenzungen und Seitenobergrenzen, um Abdeckung und Leistung auszugleichen. Enthält Pfadfilterung mittels Regex-Mustern, um sich auf bestimmte Abschnitte zu konzentrieren und irrelevante Inhalte auszuschließen. Bietet zwei Modi: vollständige Seitenextraktion für die Datensammlung oder semantisches Chunking mit natürlichen Sprachinstruktionen, um Ergebnisse in den LLM-Kontext einzuspeisen. Stellt eine begleitende Map-API für URLs bereit...
extract
tavily-ai
Extrahiere saubere Inhalte von bestimmten URLs mithilfe der Tavily-Extraktions-API. Unterstützt bis zu 20 URLs pro Anfrage mit optionalem query-basiertem Reranking, um sich auf relevante Inhaltsabschnitte zu konzentrieren. Zwei Extraktionsmodi: Basis für schnelle Textextraktion, erweitert für JavaScript-gerenderte Seiten und strukturierte Daten. Automatische OAuth-Authentifizierung über den Browser beim ersten Start oder manuelle API-Schlüsselkonfiguration in den Einstellungen. Gibt Markdown- oder Klartextformat mit optionalen Bild-URLs und konfigurierbarem Timeout von bis zu 60 Sekunden zurück.
investment-research-briefs
tavily-ai
Erstellen Sie prägnante Investment-Research-Briefings, Unternehmens-Memos, Branchen-Snapshots, Portfolio-Überwachungs-Updates, Gewinn-/Nachrichtenzusammenfassungen, Risiko- und Katalysator-Briefings, …
research
tavily-ai
Umfassende Recherche zu jedem Thema mit automatischer Quellensammlung, Analyse und Zitaten. Führt mehrquellige Web-Recherche mit expliziten Zitaten durch, ideal für Vergleiche, aktuelle Ereignisse, Marktanalysen und detaillierte Berichte. Bietet drei Modelloptionen: Mini für gezielte Ein-Themen-Recherche (~30s), Pro für umfassende Multi-Perspektiven-Analyse (~60-120s) und Auto für API-gesteuerte Komplexitätserkennung. Authentifiziert sich über OAuth durch den Tavily MCP-Server mit automatischem browserbasiertem Login auf...
sales-account-intelligence
tavily-ai
Erstellen Sie verkaufsbereite Account-Intelligenz für Unternehmen, Interessenten, Kunden, Partner und Zielkäufer. Verwenden Sie dies, wenn der Benutzer nach Vertriebsvorbereitung, Account-Briefing usw. fragt.
search
tavily-ai
Web-Suche mit LLM-optimierten Ergebnissen, Relevanzbewertung und flexiblen Filtern. Unterstützt vier Suchtiefenmodi (ultraschnell, schnell, einfach, erweitert) mit konfigurierbaren Latenz- und Relevanzabwägungen. Enthält Domain-Filterung, Zeitbereichseinschränkungen, Datumsbereiche, Länder-Boosting und Rohinhalts-Extraktion. Gibt Ergebnisse mit Titel, URL, Inhaltsausschnitt und Relevanzbewertung zurück; optionale Bild-Ergebnisse und Favicons. Automatische OAuth-Authentifizierung über Tavily MCP-Server oder API-Key-Konfiguration;...
tavily-best-practices
tavily-ai
Websuch-API für LLMs mit Echtzeit-Datenzugriff, Inhalts-Extraktion, Site-Crawling und KI-gestützter Recherche. Fünf Kernmethoden: search() für Webergebnisse, extract() für URL-Inhalte, crawl() für siteweite Extraktion, map() für URL-Erkennung und research() für durchgängige KI-Synthese. Unterstützt Python- und JavaScript-SDKs mit asynchronen Clients für parallele Abfragen und konfigurierbare Suchtiefe (ultra-fast/fast/basic/advanced). Die Crawl-Methode akzeptiert semantische Anweisungen, um die Extraktion auf... zu fokussieren.