最近抽时间更新了网站信息归档的 skill,这里简单分享一下我的逻辑。
平时我们做网站竞争对手调研的时候,基本上会记录下竞争对手的网站信息,比如权重、流量、内容更新等等等。
这样的信息记录的多了之后,整个表格会非常臃肿,并不是那么方便进行数据查询。
而且我需要经常回溯旗鼓相当的竞争对手最近做了哪些更新,以及对应的网站数据有哪些变化。
如此这样的数据记录下来之后,便会形成一条完善的信息链,方便了解竞争对手最近的运营操作。
可能这种第三方软件提供的数据并不一定准确,但长久跟踪下来的数据趋势基本是大差不差的。
且网站内容更新的频率也可以通过这种操作记录下来,所以我觉得这种定期回溯竞对网站的运营操作是有必要的。
但问题是,这种数据记录的操作非常消耗精力。
比如现在我的网站有 10 个直接的竞对,如果对这 10 个竞对进行定期回溯的话,我至少要做两三个步骤。
首先打开竞对网站的站点地图,来看这段时间内他做了哪些内容更新。
然后打开数据分析工具来反查竞争对手的自然搜索数据以及过去一段时间的流量表现。
最后便是将这些数据清洗整理好,并填写到表格中去。
说实话,这种操作就是纯人工的体力劳动,没有太多的技术含量,单纯考验的就是操作。
所以为了优化这样的人工操作,我过去是有设计一款 skill 来帮我做这类信息的 AI 替代执行。
其实 skill 的逻辑一点都不难(就是上面那三个步骤),基本人人都可以在 Skill Creator 帮助下实现出来。
但这里面有个比较核心的问题,就是信息的获取操作。
我过去一直是使用 Computer Use 这款功能来做自动化执行,但这种操作有两个弊端。
一是这款自动化执行工具真的非常消耗 token,简单几个竞对网站的信息查询下来便可能将账户额度消耗完了。
二是这款工具的操作真的很慢,毕竟它不是通过源代码的方式获取信息的,而是图片识别的技术方案。
所以这段时间我真的有点受不了,便着手开始对这款 skill 进行改造。
核心点就是将过去那种信息获取方式改成 Python 爬虫脚本,来提升整个竞对信息归档的效率。
改造方式也非常简单,直接跟 AI 模型描述清楚你的需求(能给什么以及各个阶段想要什么)就可以了,剩下的事 AI 模型都能帮你搞定。
这几天新版 skill 体验下来,效果觉得还可以。
后续我打算把这种需要定期执行的调研计划,做成一套自动化执行的任务,免得哪天我不记得这件事而耽误了数据抓取。