Competitive Teardown
Competitive Teardown是一项可在 Alireza Rezvani 中使用的电商 AI Skill，适合 Codex、Claude Code、OpenClaw 运营人员。需要研究需求、竞品、客户问题和商品机会时，可以按照 Competitive Teardo…
这个 Skill 能完成什么
需要研究需求、竞品、客户问题和商品机会时，可以按照 Competitive Teardown 的方法执行，并把过程整理成可重复检查的步骤。
需要研究需求、竞品、客户问题和商品机会时，可以按照 Competitive Teardown 的方法执行，并把过程整理成可重复检查的步骤。
开始前准备
- 选定一个范围明确、可以撤销的市场或选品决策简报测试。
- 准备明确的研究问题、市场与时间边界、商品经济模型和淘汰标准，并删除本次不需要的敏感字段。
- 记录当前来源覆盖、估算误差、毛利可行性和决策置信度，同时指定审批人和停止条件。
如何安全测试
- 分别测试一个常规案例、一个边界案例和一个故意缺少关键字段的案例。
- 把结果与测试前的来源覆盖、估算误差、毛利可行性和决策置信度基线比较，不只记录节省了多少时间。
- 在扩大范围前，复盘错误、人工修改、权限使用和无法处理的例外。
适合当前等级的操作方案
先限定一个真实任务
不要从整店上线开始。先选一个可以撤销的任务，用 Competitive Teardown 尝试研究需求、竞品、客户问题和商品机会。
完成标准: 已经写清输入范围、负责人，以及来源覆盖、估算误差、毛利可行性和决策置信度中的一个主要判断指标。
整理输入和安全边界
只准备本次需要的明确的研究问题、市场与时间边界、商品经济模型和淘汰标准。删除无关个人信息，并写清哪些动作不能自动执行。
完成标准: 输入有明确来源，敏感字段已最小化，审批人知道试验会读取或修改什么。
核对原始 Skill 后运行
先阅读来源、安装方式和权限说明，再把 Competitive Teardown 放入单独的测试项目；命令和 Skill 正文保持来源原文。
完成标准: 已经得到一份可人工检查的市场或选品决策简报，且没有越过批准范围。
对照基线逐项复核
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。
完成标准: 来源覆盖、估算误差、毛利可行性和决策置信度有测试前基线，错误和例外也有单独记录。
小批量扩大并设置停止条件
每次只扩大一个批次，并预先规定何时停止。连续达到质量门槛后，再把它写入日常 SOP。
完成标准: 扩大使用不会让错误率、投诉或返工成本超过试验前水平。
需要提前考虑的限制
- 我们在 2026-07-19 核对了公开来源和资源身份，但没有逐一测试所有工作流，也没有把厂商绩效主张当作本站实测结果。
- 搜索量、销量估算和 AI 摘要只是信号，不能证明某个商品一定能盈利。
- 页面内容反映的是 2026-07-19 的核验状态，不是长期承诺。生产使用前，重新核对当前文档、价格和合同条款。
这个经验等级常问的问题
如何把 Competitive Teardown 接入现有 SOP？
先标出输入来源、责任人、审批点和异常出口，再替换一个已有步骤。不要为了使用新工具而重写整套流程。
用什么指标判断是否值得继续？
至少同时看来源覆盖、估算误差、毛利可行性和决策置信度。把质量指标和效率指标放在一起，避免用“生成数量”代替业务结果。
什么时候不值得使用？
当任务量很低、输入长期不完整、例外主要靠资深判断，或人工复核成本接近原流程时，继续自动化的价值通常有限。
作者、原始来源与平台口碑
Alireza Rezvani
HealthTech CTO 与开源维护者，关注应用型 AI、Agent 编程，以及面向产品、研究、增长和运营团队的实用 Skills。