阿拉丁AI短剧竞品对标工坊

立项前先看清战场

短剧赛道题材扎堆严重，甜宠、逆袭、战神、重生轮番上阵。不少项目看到某个题材爆了就跟风入局，结果上线后被同质化淹没，投流预算也跑不出量。更常见的问题是拍到一半才发现同类剧扎堆，付费墙位置和爆款套路已经被别人反复验证过。这个技能解决的是投前情报缺失：手头有一批同题材竞品剧或爆款剧清单，需要快速判断这条赛道有多卷、别人靠什么套路火、付费墙普遍卡在第几集，以及哪里还有差异化空白。

从清单到结论的确定性流水线

技能用纯 Python 标准库实现，零第三方依赖、零云端 API，竞品数据全程留在本机。

• rival_ingest.py 负责导入归一：读取 JSON（顶层数组或 rivals/items 包裹）或 CSV/TSV，中文表头别名自动匹配，数值清洗万/亿/千分位/百分号，题材归一到 15 个标准题材，从简介和标签识别 10 类爆款套路，同名同平台去重后生成 _rival_ir.json。
• rival_analyze.py 做竞品拆解：题材热度与竞争密度分级（扎堆/适中/蓝海苗头）、套路频次排行、题材 × 套路差异化空白矩阵、排播规律统计（平均集数区间、付费墙位置及占比、更新节奏）、竞品强度 100 分制评分与标杆剧选取，最终输出 _rival.json。
• rival_report.py 产出 rival_board.html（自包含看板）、_rival_report.md（对标报告）、rival_table.csv（竞品台账）和 feedback 回灌契约。

脚本负责归类、统计和评分，差异化定位话术、套路换壳创新与标杆剧深度归因由模型和人工完成。

适用边界

技能不联网抓取平台数据，竞品清单需由用户提供，播放量和榜单凭证的真实性也要自行核对。它不预测某个题材未来一定火，只呈现当前竞品格局；也不替代创意判断，差异化选题的最终定夺仍需要创作者决策。自己短剧上线后的逐集复盘属于投后范畴，自媒体账号级的对手追踪和通用商业竞品分析也不在本技能覆盖范围内。