小红书竞品热度

把小红书的竞品笔记数据变成可复算的对比结论：谁声量大、谁的互动质量高、各自在讲什么、 卖点各占哪块、自家该补哪个缺口。每个数字都能追到一条公式和一批原始记录。

核心原则：先给证据，再给位置

本技能不用模型感觉判断，只做确定性规则计算，因此有三条硬口径：

1. 声量 = 记录条数（一条记录 = 该竞品的一篇笔记/一次提及），不是曝光量、不是互动总量。
2. 卖点位置 = 该维度的提及证据率与全场均值比较（高于记「领先」、低于记「落后」、 相等记「持平」），不是品质结论。
3. 没有证据就是没有证据：一条证据都没有记「未知」，不与「持平」「落后」混同。

一、何时使用

• 手上有几篇对标账号的笔记数据（曝光/点赞/评论/分享/收藏），想横向比一比
• 想知道竞品的互动质量差异，尤其是"收藏"这个小红书的核心信号
• 想把竞品的内容策略（形式/题材/钩子/节奏/证据/引导）拆成一张可读的表
• 想知道自家在哪些卖点上没有提及证据、哪些卖点全场都没人占位
• 需要一份能直接发出去的竞品对比报表

不适用：本技能不抓数据、不登录小红书、不代发布、不做跨平台迁移判断。数据必须由你提供。

二、输入方式与关键参数（全离线）

| 方式 | 用法 | |---|---| | 导入导出 CSV（推荐） | --csv 小红书竞品导出.csv（必须能映射到竞品标识列，如 作者/昵称/博主） | | 粘贴一批文案 | --text "笔记一 笔记二" --author 竞品甲（--author 给这一批文案打上竞品标识） | | 固定时间基准 | --now 2026-09-17（把 3小时前 这类相对时间换成绝对时间；保证同输入同输出） | | 覆盖权重与词典 | --config 我的权重.json（顶层键与 data/competitor.json 一致，字典逐键合并） | | 指定自家 | --self 自家账号名（写数据里作者列的名字；不传则不猜自家，见 §五） |

CSV 表头不用改：脚本内置别名映射，曝光量/曝光/观看量/views 都能识别。 未识别的列会在结果里列出，不会静默丢弃。

三、命令

bash ${CODEBUDDY_SKILL_DIR}/run.sh sov      --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh quality  --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh strategy --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh matrix   --csv 小红书竞品导出.csv
bash ${CODEBUDDY_SKILL_DIR}/run.sh gaps     --csv 小红书竞品导出.csv --self 自家名
bash ${CODEBUDDY_SKILL_DIR}/run.sh report   --csv 小红书竞品导出.csv --self 自家名

| 命令 | 做什么 | 产物 | |---|---|---| | sov | 声量份额对比（按记录条数） | sov.csv | | quality | 互动质量分（扣抽奖水分） | 不落盘（只看控制台 / JSON） | | strategy | 内容策略拆解（形式/题材/钩子/节奏/证据/引导） | strategy.md | | matrix | 卖点差异矩阵（位置表 + 证据表） | matrix.md | | gaps | 机会缺口识别 | gaps.md | | report | 对比报表（含上面全部五块） | report.html |

产物默认落盘到当前目录 xiaohongshu-competitor-out/。report 产出的 report.html 是一份可直接用浏览器打开的网页报表。 真实路径以返回的 files 字段为准。

四、小红书特有的判断依据

| 维度 | 小红书机制 | |---|---| | 可比指标 | 曝光量（别名含 曝光/观看量/阅读量/views）、点赞、评论、分享、收藏；竞品标识列（作者/昵称/博主）是必需的 | | 收藏是核心信号 | 档案把 collect_to_like（收藏/赞）的权重给到 0.25，全场最高：小红书的收藏代表"有用"，是与点赞不同的信号 | | 权重侧重 | 收藏/赞 0.25、互动率 0.2、评论占比 0.15、评论/曝光比 0.15、水分惩罚 0.15、转发/赞 0.1（权重和 = 1） | | 水分代理 | 引擎只算一条可计算代理：转发压力 × 评论真空。档案里的"互赞互藏群""薯条投放痕迹"等是文档数据，引擎不算 | | 声量口径 | 记录条数；份额 = 该竞品条数 / 全部条数 | | 语言 | 口语＋emoji 分段、负面表达委婉（"有点小踩雷"）；词典已收录「拔草」「空瓶」等小红书用法 |

上表"权重侧重"就是 data/competitor.json 里实际参与打分的权重，不是参考区间。 算不出来的信号（缺列、比值为 0 无定义、渠道无此指标）会进结论顶部的"未评估"清单， 原因分三类写清，绝不拿 0 顶替。

五、不传 --self 会怎样（明确说清）

--self 是"你自己是哪个竞品"，取值必须是数据里作者列的名字（如 --self 自家品牌号）。

• 不传 --self 时引擎不会猜自家是谁（猜错比不猜更糟：会生成一条假的"自家落后"结论）。
• 此时 gaps 只会给出两类缺口：无人占位（全场都没有该维度的证据）与 需自家标识（有领先者，但不知道自家在哪）；不会产出「追赶缺口」。
• 自家位置一栏显示 未能判定，并在 JSON 的 self_note 与 gaps.md 的「口径」段明说原因。
• --self 写了数据里不存在的名字，会得到 E_NO_DATA（退出码 1）并列出数据里真实有哪些竞品。

六、六个互动质量信号怎么算

| 信号 | 公式 | 算不出的条件 | |---|---|---| | engagement_ratio | (赞+转+评)/曝光量 | 曝光量缺失或为 0 | | comment_share | 评论/(赞+转+评) | 三者全缺 | | share_to_like | x/(1+x)，x = 转发/赞 | 赞缺失或为 0 | | collect_to_like | x/(1+x)，x = 收藏/赞 | 赞/收藏缺失或为 0 | | comment_per_view | 评论/曝光量 | 曝光量缺失或为 0 | | suspicion_penalty | 转发压力 × 评论真空 = bounded(转发/赞) × (1 − 评论占比) | 任一因子算不出 |

无界量先做 x/(1+x) 有界变换，所有信号都落在 [0,1]，权重才有"重要性"的含义； score = Σ 权重 × 信号值 − 权重 × suspicion_penalty，不做归一化， 所以分低与"没数据"是分开报的（另给"权重覆盖率"）。

七、明确的边界（不许美化）

• 不联网、不登录、不抓取、不代发布。 数据只在本机读取，不上传；本技能只分析你提供的这一个渠道的数据，因此不做跨渠道对比，也不做跨平台迁移判断（单渠道离线技能在结构上拿不到别的渠道数据）。
• suspicion_penalty 是启发式：由引擎按固定公式（转发压力 × 评论真空）计算， 是"转发极高 + 评论极低"的数值代理，不是平台官方口径，也不等于"判定买量"。 小红书的刷量更多表现为收藏异常，这一项测不出来，需要账号级数据。
• 声量 = 记录条数，不是曝光量、不是互动总量。导出多少条记录直接决定声量份额。
• 卖点矩阵的相对位置是"该维度的提及证据率"对比，不是品质结论： 「领先」只说明该竞品的文案里提到该卖点的比例高于全场均值。
• format（形式）与 cadence（节奏）两维经常「未能判定」：账号级信息 （发的是图文还是视频、多久更一次）通常不在笔记正文里。 这两维判不出就是判不出，不会硬猜。
• 词典法未在真实语料上校准：策略维度与卖点维度都是确定性的关键词命中， 没命中记「未能判定」。本技能不声称任何准确率。
• 权重与词典是行业参考值，非平台官方数据，请用 --config 按自己的历史数据覆盖； 用了默认值会在结论顶部标注。
• 没有 --self 就不产出自家的"追赶缺口"类结论（不猜自家是谁）。