product-competitor-intelligence

Rechercher les produits concurrents, les SKU, les prix, le packaging, le positionnement, les comparaisons de fonctionnalités, les catalogues produits, les pages de catégorie, les listes de détaillants, les marketplaces…

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.

Plus de skills de tavily-ai

academic-scientific-research
tavily-ai
Trouver, filtrer et synthétiser des articles académiques, de la littérature scientifique, des rapports techniques, des prépublications, des publications cliniques ou biomédicales, et des preuves autour d'un…
crawl
tavily-ai
Extraire et enregistrer le contenu de sites web sous forme de fichiers markdown pour un accès et une analyse hors ligne. Prend en charge une profondeur de crawl configurable (1 à 5 niveaux), des limites de largeur et des plafonds de pages pour équilibrer la couverture et les performances. Inclut un filtrage de chemin via des expressions régulières pour se concentrer sur des sections spécifiques et exclure le contenu non pertinent. Propose deux modes : extraction de page entière pour la collecte de données, ou découpage sémantique avec des instructions en langage naturel pour alimenter les résultats dans le contexte d’un LLM. Fournit une API Map complémentaire pour les URL...
extract
tavily-ai
Extraire le contenu propre d'URL spécifiques à l'aide de l'API d'extraction de Tavily. Prend en charge jusqu'à 20 URL par requête avec un reclassement optionnel basé sur une requête pour se concentrer sur les extraits de contenu pertinents. Deux modes d'extraction : basique pour une extraction rapide de texte, avancé pour les pages rendues par JavaScript et les données structurées. Authentification OAuth automatique via le navigateur lors de la première exécution, ou configuration manuelle de la clé API dans les paramètres. Renvoie le format markdown ou texte brut avec des URL d'images optionnelles et un délai d'attente configurable jusqu'à 60 secondes.
investment-research-briefs
tavily-ai
Créez des briefs de recherche en investissement concis, des mémos d'entreprise, des aperçus sectoriels, des mises à jour de suivi de portefeuille, des résumés de résultats et d'actualités, des briefs sur les risques et les catalyseurs,…
research
tavily-ai
Recherche approfondie sur n'importe quel sujet avec collecte automatique des sources, analyse et citations. Effectue des recherches web multi-sources avec citations explicites, idéal pour les comparaisons, l'actualité, l'analyse de marché et les rapports détaillés. Propose trois options de modèle : mini pour une recherche ciblée sur un seul sujet (~30s), pro pour une analyse complète multi-angle (~60-120s), et auto pour la détection de complexité via API. S'authentifie via OAuth via le serveur MCP Tavily avec connexion automatique basée sur le navigateur...
sales-account-intelligence
tavily-ai
Construisez une intelligence de compte prête pour la vente pour les entreprises, prospects, clients, partenaires et acheteurs cibles. À utiliser lorsque l’utilisateur demande une préparation commerciale, un brief de compte,…
search
tavily-ai
We need to translate the given English text into French, preserving the name "search" if it appears. The text is a description of a web search agent skill. The instruction says to translate only the text inside <text>, and not include the name unless it appears in the source text. The name "search" is not in the provided text? Actually the text starts with "Web search..." so "search" is part of the phrase "Web search". But the instruction says "Name to preserve: search" - that likely means the skill name is "search", but it's not explicitly in the text as a standalone name. The text says "Web search" which includes "search". We should preserve that as is? The instruction says "Do not include the name unless it appears in the source text." Since "search" appears as part of "Web search", we should keep "Web search" as is? But we are translating to French, so "Web search" would become "Recherche Web" or "Recherche sur le Web"? However, the instruction says
tavily-best-practices
tavily-ai
API de recherche web pour LLMs avec accès aux données en temps réel, extraction de contenu, exploration de sites et recherche assistée par IA. Cinq méthodes principales : search() pour les résultats web, extract() pour le contenu d'URL, crawl() pour l'exploration complète d'un site, map() pour la découverte d'URL, et research() pour la synthèse IA de bout en bout. Prend en charge les SDK Python et JavaScript avec des clients asynchrones pour les requêtes parallèles et une profondeur de recherche configurable (ultra-rapide/rapide/basique/avancée). La méthode crawl accepte des instructions sémantiques pour concentrer l'extraction sur...