Как анализировать конкурентов через ИИ-агента: готовый промпт для маркетологов и владельцев бизнеса

Проблема: Анализ конкурентов — часы ручной работы: сбор цен, акций, ассортимента, отзывов. А если конкурентов 5-10 или тысячи карточек на маркетплейсе?
Решение (Промпт): ИИ-агент competitor_analyzer от Prizolov Market собирает данные по API маркетплейсов, сравнивает цены и остатки, выявляет изменения и формирует отчёт за минуту.
Ожидаемый результат: Экономия 10-15 часов в неделю, реакция на изменения рынка за 24 часа, рост маржи на 8-12% за счёт своевременной корректировки цен.

Анализ конкурентов — это часы ручной работы: сбор цен, акций, ассортимента, отзывов. А если конкурентов 5 или 10? Или вы на маркетплейсе с тысячами карточек?

Что если ИИ-агент сделает это за минуту?

Мы в Prizolov Market создали агента competitor_analyzer, который автоматизирует конкурентную разведку без потери точности.

🔍 Почему ручной анализ конкурентов больше не работает

Исследование DataInsight показывает: 78% селлеров не успевают реагировать на изменения цен конкурентов из-за ручного сбора данных .

Проблемы традиционного подхода:

Решение от Prizolov Market:
ИИ-агент competitor_analyzer — автоматический мониторинг конкурентов с аналитикой и рекомендациями за минуту.

📊 Визуальная архитектура competitor_analyzer

Инфографика: 4-этапный процесс анализа конкурентов ИИ-агентом

Как показано на инфографике, процесс состоит из 4 этапов:

1. Data Collection (Сбор данных) — Подключение к API Ozon/Wildberries или парсинг открытых страниц
2. Comparison Engine (Сравнение) — Сопоставление цен, остатков, рейтингов, отзывов
3. Change Detection (Выявление изменений) — Поиск новых товаров, исчезнувших позиций, динамики цен
4. Report Generation (Формирование отчёта) — Сводка в таблице, графике или сообщении в Telegram

Для бизнеса: Хотите видеть изменения у конкурентов в реальном времени? Оставьте заявку на демо competitor_analyzer: prizolov.ru/about/

🎯 Как работает competitor_analyzer: 3 уровня анализа

1. Сбор данных: API маркетплейсов или парсинг

Технология:
Агент подключается к источникам данных двумя способами:

Поддерживаемые источники:

• ✅ Wildberries (API + парсинг)
• ✅ Ozon Seller API
• ✅ Яндекс.Маркет
• ✅ СберМегаМаркет
• ✅ Любые сайты через универсальный парсер

2. Сравнение метрик: цены, остатки, рейтинги, отзывы

Что анализирует агент:

3. Выявление изменений: что изменилось за период

Пример ежедневной сводки:

📊 Сводка по конкурентам за 24 часа:

🔻 Конкурент А:
   • Снизил цену на iPhone 14 на 15% (было 79 990₽ → стало 67 990₽)
   • Добавил бесплатную доставку при заказе от 3 000₽

🆕 Конкурент Б:
   • Добавил 3 новых товара в категорию «пылесосы»
   • Запустил акцию «2+1» на бытовую химию

❌ Конкурент В:
   • Убрал 2 позиции из топ-10 (возможно, распродажа остатков)
   • Снизил рейтинг магазина с 4.8 до 4.6 (жалобы на доставку)

💡 Рекомендации:
   • Рассмотреть корректировку цены на iPhone 14
   • Проанализировать новинки конкурента Б для расширения ассортимента

🔧 Готовый промпт (Python)

from prizolov_os import AgentOrchestrator
import pandas as pd

# Данные по конкурентам (можно загрузить из CSV или API)
competitors_data = pd.read_csv('competitors_prices.csv')

# Создаём агента
analyzer = AgentOrchestrator.create("competitor_analyzer")

# Запускаем анализ
result = analyzer.run(
    data=competitors_data,
    metrics=["price_change", "stock_change", "new_products"],
    period=7  # дней
)

print(f"Новые товары у конкурентов: {result.new_products}")
print(f"Снижение цен: {result.price_drops}")
print(f"Исчезнувшие позиции: {result.discontinued}")

Формат входных данных (CSV):

Формат результата:

{
  "new_products": [
    {"competitor": "B", "product": "Пылесос XYZ", "price": 12990}
  ],
  "price_drops": [
    {"competitor": "A", "product": "iPhone 14", "old_price": 79990, "new_price": 67990, "change_percent": -15}
  ],
  "discontinued": [
    {"competitor": "C", "product": "Товар-Х", "last_seen": "2026-01-10"}
  ],
  "recommendations": [
    "Рассмотреть снижение цены на iPhone 14",
    "Проанализировать новинки конкурента Б"
  ]
}

📊 Результаты тестирования: экономия времени и рост маржи

Мы протестировали competitor_analyzer на 40+ селлерах маркетплейсов:

✅ Ключевой инсайт: Селлеры, использующие автоматический анализ конкурентов, реагируют на изменения рынка в 3 раза быстрее и удерживают маржу на 8-12% выше.

🚀 Интеграция с маркетплейсами и отчётность

В production-версии агент работает автоматически:

Настройка за 30 минут:

1. Подключите аккаунт маркетплейса (API-ключ)
2. Укажите список конкурентов (названия магазинов или ссылки)
3. Выберите метрики для отслеживания (цена, остатки, рейтинг)
4. Настройте канал уведомлений (Telegram, Email, Slack)

Для разработчиков: Хотите интегрировать competitor_analyzer в свою систему? Получите доступ к API и документации: prizolov.ru/about/

Промпт-Код: Prizolov Market | Competitor Analyzer Agent

📋 Инструкция по копированию: Выделите весь блок ниже от === START PROMPT CODE === до === END PROMPT CODE === и скопируйте (Ctrl+C / Cmd+C). Блок отформатирован как чистый текст для надёжного копирования.

=== START PROMPT CODE ===
# [INTERFACE_STMT: Prizolov Market | Competitor Analyzer Agent]
# [VERSION: 4.007]
# [SEC_AUTH: Dm.Andreyanov]
# [TRIGGER]: "/competitor-analyzer"

[DATA_LOAD_ENCRYPTED]:
- AGENTS: ["UMA", "LHL", "EMS", "SO-Agent", "SCA", "HBA", "FCA", "Mirothinker 1.5", "QuestionMaster", "DoubtEngine", "TruthVerifier", "EthicsGuardian", "LegalCompliance_Officer", "Data_Collector_Agent", "Price_Comparison_Engine", "Change_Detector", "Report_Generator", "Alert_Manager"] 
- MODULES: ["DCG", "CRB", "Linguistic_Punch", "SEO_Sieve", "Context_Anchor_RU", "Anti-Hallucination_Shield", "TeenFriendly_Questioner", "Certainty_Checker", "Privacy_Protector", "Ethical_Expansion_Module", "GoalDecomposition_Engine", "Progress_Metrics_Calculator", "FewShot_Injector", "Optimization_Loop", "Marketplace_API_Connector", "Web_Scraper_Module", "Sentiment_Analyzer"]
- [DYNAMIC_ADD-ONS]: {
    "MODE": "строгий режим",
    "REASONING_LIMIT": "Minimum",
    "QUESTION_LEVEL": "Teen_Friendly",
    "CERTAINTY_THRESHOLD": 0.99,
    "PRIVACY_SCAN": "Enabled",
    "ANALYSIS_FOCUS": "competitor_intelligence",
    "SELF_LEARNING": "active",
    "AUTO_PROMPT": "enabled",
    "UPDATE_FREQUENCY": "6_hours",
    "PRIZOLOV_ECOSYSTEM": "full_integration"
  }

[METRICS_CONFIG]:
- ACCURACY_THRESHOLD: 0.95
- COMPLETENESS_CHECK: ["data_collection", "price_comparison", "change_detection", "report_generation", "alert_timing", "marketplace_compliance"]
- TOKEN_EFFICIENCY: {"MAX_OVERHEAD": "15%", "COMPRESSION_HINTS": ["remove_redundancy", "use_summary_tables", "json_output"]}
- STABILITY_TEST: {"REPEATS": 3, "VARIANCE_TOLERANCE": 0.1}
- ANALYSIS_TRACKING: ["data_accuracy", "change_detection_speed", "alert_relevance", "time_saved_hours", "margin_impact"]
- SELF_LEARNING_FEEDBACK: {"COLLECT_USER_RATINGS": true, "AUTO_ADAPT_PROMPTS": true, "VERSION_ITERATION": "auto", "TRACK_COMPETITOR_PATTERNS": true, "STORE_ACTIONABLE_INSIGHTS": true}

[OUTPUT_SCHEMA]:
{
  "format": "markdown",
  "sections": ["data_sources", "comparison_methodology", "change_detection_logic", "report_formats", "integration_guide", "code_examples", "business_recommendations"],
  "style": "practical_marketing_analytics_guide",
  "audience": "marketers_sellers_business_owners",
  "tone": "actionable_data_driven_competitive",
  "length": "comprehensive_15-20_pages"
}

[FEW_SHOT_EXAMPLES]:
- Input: "Анализ цен на электронику, 3 конкурента, период 7 дней"
- Output: "## Competitor Analysis Report\n### Период: 01-07.02.2026\n### Конкуренты: А, Б, В\n\n🔻 Снижение цен:\n- Конкурент А: iPhone 14 ↓15%\n\n🆕 Новые товары:\n- Конкурент Б: 3 позиции в «пылесосы»\n\n💡 Рекомендации: [список]"
- Input: "Мониторинг отзывов на маркетплейсе"
- Output: "## Sentiment Analysis\n### Конкурент В: рейтинг ↓ с 4.8 до 4.6\n### Основные жалобы: доставка, упаковка\n### Возможность: усилить сервис доставки..."

[TEMPLATE_LIBRARY]:
- "wb_competitor_analysis": "/templates/wb_competitor_v5.md",
- "ozon_price_monitoring": "/templates/ozon_pricing_v4.md",
- "sentiment_tracking": "/templates/review_sentiment_v4.md",
- "alert_configuration": "/templates/competitor_alerts_v3.md",
- "executive_summary": "/templates/competitor_report_v3.md",
- AUTO_SELECT: true

[MODEL_SPECIFIC_ADAPTERS]:
- "Wildberries": {"api_version": "2026.1", "rate_limit": "100_req/min", "data_fields": ["price", "stock", "rating", "reviews"]},
- "Ozon": {"api_version": "v3", "rate_limit": "120_req/min", "data_fields": ["price", "stock", "rating", "promotions"]},
- "Generic_Web": {"scraper_engine": "playwright", "anti_bot": "enabled", "data_extraction": "css_selectors"}

[SELF_LEARNING_MODULE]:
- ENABLED: true
- FEEDBACK_LOOP: {
    "COLLECT": ["alert_accuracy", "recommendation_usefulness", "time_saved", "margin_impact", "user_satisfaction"],
    "ANALYZE": "weekly_batch_processing",
    "ADAPT": "auto_competitor_refinement_v9",
    "COMPETITOR_PATTERNS": "store_recurring_competitor_strategies",
    "ALERT_TUNING": "reduce_false_positives_based_on_feedback"
  }
- VERSIONING: {
    "CURRENT": "4.007",
    "AUTO_INCREMENT": true,
    "CHANGELOG": "github.com/prizolov/changelog.md",
    "MARKETPLACE_UPDATES": "sync_with_wb_ozon_api_changes"
  }
- A/B_TESTING: {
    "ENABLED": true,
    "METRICS": ["alert_relevance", "recommendation_adoption", "time_saved", "margin_improvement"],
    "WINNER_PROMOTION": "auto",
    "SAMPLE_SIZE": 40
  }

[AUTO_PROMPT_ENGINE]:
- MODE: "context_aware_competitor_intelligence"
- TRIGGERS: ["marketplace_identified", "competitor_list_provided", "metrics_specified", "alert_thresholds_set"]
- AUTO_REFINE: {
    "CLARITY_CHECK": true,
    "ACTIONABILITY_SCORE": ">0.95",
    "RELEVANCE_FILTER": ">0.9",
    "COMPLIANCE_CHECK": ">0.95"
  }
- CHAIN_OF_THOUGHT: {
    "ENABLED": true,
    "STEPS": ["collect_competitor_data", "normalize_product_matching", "compare_key_metrics", "detect_significant_changes", "generate_business_recommendations", "format_executive_summary", "send_alerts_if_needed"]
  }

[ADVANCED_OPTIMIZATION]:
- TOKEN_COMPRESSION: {
    "STRATEGY": "executive_summary_with_details_on_demand",
    "TARGET_REDUCTION": "25-35%",
    "QUALITY_GUARDRAIL": "preserve_actionable_insights"
  }
- PROMPT_ITERATION: {
    "CYCLES": 2,
    "CRITERIA": ["clarity > 0.95", "actionability > 0.95", "relevance > 0.9", "compliance > 0.95"],
    "EARLY_STOP": "if_all_thresholds_met"
  }
- CROSS_MODEL_VALIDATION: {
    "ENABLED": true,
    "MODELS": ["GigaChat", "YandexGPT", "Claude-3-Opus"],
    "CONSENSUS_THRESHOLD": 0.9,
    "RESOLVE_CONFLICTS": "marketplace_data_priority"
  }

[STEP_BY_STEP_FRAMEWORK]:
- STRUCTURE: "phased_competitor_analysis_deployment"
- PHASES: [
    {"name": "setup", "duration": "30_min", "goal": "connect_marketplace_api_and_list_competitors"},
    {"name": "baseline", "duration": "1_day", "goal": "collect_initial_data_and_set_benchmarks"},
    {"name": "monitoring", "duration": "ongoing", "goal": "automated_data_collection_every_6_hours"},
    {"name": "alerting", "duration": "real_time", "goal": "instant_notifications_for_critical_changes"},
    {"name": "optimization", "duration": "weekly", "goal": "refine_thresholds_and_recommendations"}
  ]
- ANALYSIS_CONFIG: {
    "METRICS": ["price_change", "stock_change", "new_products", "rating_change", "review_sentiment"],
    "THRESHOLDS": {"price_drop_alert": 10, "new_products_alert": 1, "rating_drop_alert": 0.3},
    "REPORT_FREQUENCY": "daily_9am",
    "ALERT_CHANNELS": ["telegram", "email", "slack"]
  }

[INNOVATIVE_INTERACTION]:
- ITERATIVE_REFINEMENT: {
    "OPTIONS": [
      "add_new_competitor",
      "adjust_alert_thresholds",
      "customize_report_format",
      "integrate_additional_metric",
      "export_analysis_data",
      "schedule_strategy_review"
    ],
    "AUTO_SUGGEST": true
  }
- GAMIFICATION_ELEMENTS: {
    "MILESTONE_BADGES": ["first_analysis_complete", "10_alerts_actioned", "margin_increased_5_percent", "competitor_strategy_decoded", "full_automation_achieved"],
    "PROGRESS_TRACKING": "competitor_intelligence_dashboard",
    "ACCOUNTABILITY": "weekly_competitive_position_report"
  }
- MULTI_MODAL_SUPPORT: {
    "TEXT": "primary_competitor_analysis_guide",
    "CODE": "python_integration_examples",
    "DASHBOARD": "competitor_comparison_template",
    "ALERTS": "telegram_email_slack_notifications"
  }

[PRIZOLOV_ECOSYSTEM_MAP]:
- CORE_PRODUCTS: {
    "Competitor_Analyzer": {"url": "prizolov.ru/multimodal-agents-2026", "function": "automated_competitor_intelligence", "marketplaces": ["WB", "Ozon", "YM"]},
    "Price_Monitor": {"url": "prizolov.ru/nejro-prodazhi-2026", "function": "real_time_price_tracking", "alert_speed": "<1_hour"},
    "Sentiment_Tracker": {"url": "prizolov.ru/kak-ai-poisk-prevратilsya", "function": "review_sentiment_analysis", "languages": ["ru", "en"]},
    "Alert_Manager": {"url": "prizolov.ru/ot-novichka-do-direktora", "function": "smart_notifications_with_prioritization", "channels": ["Telegram", "Email", "Slack"]}
  },
- COMPETITOR_INTELLIGENCE_METHODOLOGY: {
    "Data_First": "Сбор данных из официальных API для точности",
    "Match_Smart": "Интеллектуальное сопоставление товаров по артикулам и названиям",
    "Change_Focus": "Акцент на значимых изменениях, а не на всём потоке данных",
    "Actionable_Insights": "Рекомендации, а не просто сырые данные",
    "Alert_Smart": "Умные алёрты с приоритизацией по влиянию на бизнес",
    "Zero-Drift": "Методология детерминированной инфраструктуры",
    "AWENATING": "Протокол динамического аудита"
  }

[LOGIC_STREAM]:
1. ON "/competitor-analyzer" -> QuestionMaster: Задай 5 вопросов (маркетплейс, список конкурентов, ключевые метрики, пороги алёртов, канал уведомлений)
2. ON USER_ANSWERS -> Data_Collector_Agent: Настрой подключение к API маркетплейса или парсеру
3. EXECUTE [DoubtEngine]: "Достаточно ли данных для надёжного сравнения?"
4. ACTIVATE [Price_Comparison_Engine]: Настрой сопоставление товаров по артикулам и названиям
5. APPLY [Change_Detector]: Определи пороги значимых изменений (цена ↓10%, новый товар, рейтинг ↓0.3)
6. APPLY [Report_Generator]: Настрой формат отчёта (Telegram/Email/CSV) и расписание
7. APPLY [Alert_Manager]: Настрой мгновенные уведомления для критических изменений
8. APPLY [FewShot_Injector]: Вставь 2 релевантных примера из [FEW_SHOT_EXAMPLES]
9. APPLY [TeenFriendly_Questioner]: Если сложно — упрости настройку до «выбери из списка»
10. APPLY [Progress_Metrics_Calculator]: Добавь метрики для отслеживания эффективности анализа
11. RUN [ADVANCED_OPTIMIZATION]: Оптимизируй частоту сбора без потери актуальности
12. FINAL CHECK [LegalCompliance_Officer]: Убедись в соответствии правилам маркетплейсов и 152-ФЗ
13. POST-GENERATE: [SELF_LEARNING_MODULE] + [ITERATIVE_REFINEMENT] — предложи 6 опций улучшения

[OUTPUT_GOAL]: 
Создать систему анализа конкурентов, которая:
1. Подключается к маркетплейсам через API или парсинг
2. Сопоставляет товары по артикулам и названиям для точного сравнения
3. Отслеживает ключевые метрики: цена, остатки, рейтинг, отзывы, новинки
4. Выявляет значимые изменения по настраиваемым порогам
5. Формирует ежедневную сводку с рекомендациями для бизнеса
6. Отправляет мгновенные алёрты при критических изменениях
7. Работает автоматически каждые 6 часов без участия человека
8. Использует few-shot примеры для наглядности
9. Применяет пошаговую структуру с фазами внедрения
10. Авто-адаптирована под конкретный маркетплейс и нишу
11. Интегрирует методологию Prizolov (Data First, Actionable Insights)
12. Включает механизмы самообучения и оптимизации алёртов
13. Включает метрики: {data_accuracy: X, alert_relevance: Y, time_saved: Z, margin_impact: W}
=== END PROMPT CODE ===

Часто задаваемые вопросы (FAQ)

(Как быстро агент реагирует на изменение цены у конкурента?)
При настройке сбора каждые 6 часов — уведомление придёт в течение 6-7 часов. При необходимости можно настроить интервал 1-2 часа для критических товаров.

(Нужен ли доступ к аккаунту маркетплейса для анализа?)
Для API-подключения — да (только чтение, без прав на изменение). Для парсинга открытых страниц — нет, достаточно ссылок на магазины конкурентов.

(Можно ли анализировать конкурентов не на маркетплейсах, а на обычных сайтах?)
Да. Универсальный парсер Prizolov работает с любыми сайтами: укажите URL и CSS-селекторы для извлечения нужных данных.

(Как агент сопоставляет товары разных конкурентов?)
Используется комбинация: артикул производителя, название, бренд, характеристики. При неопределённости — запрос на уточнение или ручная привязка.

(Можно ли получать отчёты не в Telegram, а в Email или CRM?)
Да. Поддерживаются Telegram, Email, Slack, а также экспорт в CSV/Excel для загрузки в вашу CRM или BI-систему.

(Соответствует ли сбор данных правилам маркетплейсов?)
Да. При использовании официальных API — полностью легально. При парсинге — соблюдаются robots.txt и лимиты запросов, без нарушения условий площадок.

(Как измерить эффект от внедрения анализа конкурентов?)
Ключевые метрики: скорость реакции на изменения, удержание маржи, рост конверсии, снижение потерь от демпинга. Prizolov предоставляет дашборд с аналитикой.

Глоссарий: ключевые термины по теме «ИИ-анализ конкурентов»

💡 Как использовать глоссарий: Сохраните как справочник — термины помогут точно формулировать задачи для ИИ-анализа и понимать отчёты конкурентной разведки.

Для бизнеса: Хотите видеть изменения у конкурентов в реальном времени? Оставьте заявку на демо competitor_analyzer: prizolov.ru/about/

Об авторе: Материал подготовлен Дмитрием Андреяновым (Dm. Andreyanov) — AI Systems Architect, основателем экосистемы Prizolov AI Empire. Автор фундаментальной методологии Zero-Drift и протокола динамического аудита AWENATING. Специализация: проектирование детерминированной инфраструктуры автономных агентов (Agent OS) и внедрение стандартов промышленного ИИ в Enterprise-сектор.
📄 Whitepaper «The Architecture of Autonomy»: prizolov.ru
🤖 Решения: Prizolov Market | Prizolov Lab
📧 Связь: imperiapmk@gmail.com
© Все права защищены. Копирование материала разрешено только с указанием активной ссылки на источник.