“老板让你盯着竞争对手的价格变动，你每天手动刷新网页、复制粘贴、做对比表——这不叫运营，这叫人肉爬虫。”

大家好，我是你们那位“能自动抓取竞品数据，绝不手动刷新网页”的博主。

手动刷新竞品网页到崩溃

今天是我们30天自救计划的第二十四天，第四周 “实战演练·成为办公室魔法师” 的第三天。

昨天，我们搞定了财务对账的1分钱噩梦。今天，我们要挑战运营人的终极痛点——

竞品分析！

尤其是那种：老板让你盯着几个竞品的价格、活动、评价，每周出一份分析报告。你每周都要：

• 打开竞品网站
• 搜索产品
• 记下价格
• 记下促销信息
• 复制评价数
• 粘贴到Excel
• 再自己写分析结论

一周一次还行，如果老板让你每天盯，你就成了“人肉监控器”。

今天，我教你用Python写一个“竞品监控机器人”，自动抓取竞品数据，再让AI帮你写分析报告。你只需要每周一看邮件，报告已经躺好了。

场景导入：那个被竞品逼疯的运营

假设你是某电商公司的运营专员。老板说：“小X，咱们有5个主要竞品，你每天盯着他们的价格，有变动马上告诉我。每周出一份竞品分析报告。”

你每天的工作：

1. 打开竞品A的官网，找到那几款产品，记下价格
2. 打开竞品B的京东店，找到那几款产品，记下价格和促销
3. 打开竞品C的天猫店，同样操作
4. 把数据填到Excel里
5. 发现有变动，马上截图发老板
6. 每周五，还要把所有数据汇总，写一份分析报告

爬虫小蜘蛛大军出动

以前的你：

• 每天花1小时做这件事
• 还经常漏掉某个竞品的变动
• 写的分析报告被老板说“太浅，没深度”

现在的你：
写一个Python脚本，每天自动抓取数据，保存到Excel。再让AI每周一自动生成分析报告，发到你邮箱。你只需要扫一眼，转发给老板。

第一步：用爬虫抓取竞品数据（演示版）

真实爬取竞品网站可能涉及法律风险，我们这里用一个公开的测试网站来演示原理：books.toscrape.com——一个专门用来练爬虫的图书网站。

假设我们要监控几本竞品图书的价格。

让AI写爬虫代码

打开ChatGPT，输入：

“我想从网站‘books.toscrape.com’抓取图书数据。这个网站是专门用来练爬虫的。请帮我写一个Python脚本，用requests和BeautifulSoup，抓取首页所有图书的标题、价格、库存情况，并保存到Excel文件里。每行加注释。”

AI会给你类似这样的代码：

python

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 目标网址
url = 'http://books.toscrape.com/'

# 发送请求
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

# 找到所有图书所在的article标签（class="product_pod"）
books = soup.find_all('article', class_='product_pod')

# 存储数据
data = []
for book in books:
# 标题在h3标签里的a标签的title属性
    title = book.h3.a['title']

# 价格在div class="product_price"里的p class="price_color"
    price = book.find('div', class_='product_price').find('p', class_='price_color').text

# 库存状态
    stock = book.find('div', class_='product_price').find('p', class_='instock availability').text.strip()

    data.append([title, price, stock])
    print(f'抓取到：{title} - {price}')

# 保存到Excel
df = pd.DataFrame(data, columns=['书名', '价格', '库存'])
df.to_excel('图书竞品数据.xlsx', index=False)
print('数据已保存！')

AI机器人自动生成报告

运行这个脚本，你会得到一个Excel文件，里面有当前页面的所有图书信息。

第二步：定时抓取，记录变化

真正的竞品监控需要每天抓取数据，并记录变化。我们可以让脚本每天运行一次，并把数据追加到一个历史文件里。

AI可以帮我们改进代码：

“请改进上面的代码，让它每天抓取数据后，保存到同一个Excel文件的不同工作表，工作表名用当天的日期（比如‘2026-02-24’）。同时，创建一个‘汇总’工作表，记录所有日期的数据，并标注价格变化。”

AI会给出更复杂的代码，核心思路是：

• 每天抓取的数据存到以日期命名的工作表
• 在汇总表里，用VLOOKUP或Python对比前一天的价格，标出涨跌

但为了简化，我们可以先实现每天追加到同一个工作表，并添加“日期”列。

python

import pandas as pd
from datetime import date

# ... 抓取代码同上，得到df ...

# 添加日期列
df['抓取日期'] = date.today()

# 读取历史文件（如果存在）
try:
    history = pd.read_excel('竞品历史数据.xlsx')
    history = pd.concat([history, df], ignore_index=True)
except FileNotFoundError:
    history = df

# 保存
history.to_excel('竞品历史数据.xlsx', index=False)

这样，每天运行脚本，数据就会不断累加。

第三步：让AI生成竞品分析报告

有了历史数据，我们就可以让AI每周自动生成一份分析报告。

假设我们有连续一周的竞品价格数据，格式如下：

我们让AI分析这些数据，找出价格变动、库存变化，并给出洞察。

报告自动送达，躺平收邮件

让AI写分析脚本

“我有一个Excel文件‘竞品历史数据.xlsx’，里面有‘抓取日期’、‘书名’、‘价格’、‘库存’列。我想写一个Python脚本，读取这个文件，找出每本书的价格变化趋势（哪些涨价了、哪些降价了、哪些缺货了），然后用OpenAI API（或者你直接生成示例结论）生成一段分析报告。如果没有API，就用示例文本代替。最后把报告保存到文本文件或Excel里。”

AI会给出类似这样的代码（假设有API key）：

python

import pandas as pd
from openai import OpenAI

# 读取数据
df = pd.read_excel('竞品历史数据.xlsx')

# 找出每本书的最早和最晚价格
summary = df.groupby('书名').agg(
    最早价格=('价格', 'first'),
    最新价格=('价格', 'last'),
    价格变动次数=('价格', 'nunique')
).reset_index()
summary['价格变动'] = summary['最新价格'] - summary['最早价格']
summary['变动方向'] = summary['价格变动'].apply(lambda x: '涨价'if x > 0else ('降价'if x < 0else'持平'))

# 找出缺货记录
out_of_stock = df[df['库存'] != 'In stock']['书名'].unique()

# 构建提示词
prompt = f"""
以下是本周竞品监控数据摘要：
- 共监控 {summary.shape[0]} 款产品。
- 涨价产品：{summary[summary['变动方向']=='涨价'].shape[0]} 款
- 降价产品：{summary[summary['变动方向']=='降价'].shape[0]} 款
- 缺货产品：{len(out_of_stock)} 款

具体变动：
{summary.to_string()}

请根据以上数据，生成一份专业的竞品分析报告，包括主要发现、风险点和建议。
"""

# 调用AI生成报告
client = OpenAI(api_key='你的key')
response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": prompt}]
)
report = response.choices[0].message.content

# 保存报告
with open('竞品分析报告.txt', 'w', encoding='utf-8') as f:
    f.write(report)

print("报告已生成！")

如果没有API，可以让AI直接生成一段示例文本，或者手动写一段简单的分析。

第四步：自动发送报告到邮箱

结合Day 11的发邮件代码，我们可以让脚本自动把报告（和原始数据）发送给老板。

python

# ... 生成报告后 ...
send_email(
    收件人='boss@company.com',
    主题='本周竞品分析报告',
    正文='请查收附件。',
    附件列表=['竞品历史数据.xlsx', '竞品分析报告.txt']
)

最终效果

你只需要做一件事：在Windows任务计划程序（或Mac的cron）里设置每天/每周自动运行这个脚本。

之后的日子：

• 每天脚本自动抓取竞品数据
• 每周五脚本自动生成分析报告并发邮件
• 你坐在工位上，假装在分析，实际上在看股票

【截图位置：任务计划程序里设置好的定时任务，以及邮箱里收到的自动报告】

⚠️ 注意事项（很重要！）

1. 遵守网站规则
   
   ：爬虫要文明，设置合理的抓取间隔（比如time.sleep(1)），不要给对方服务器造成压力。查看网站的robots.txt，尊重规则。
2. 反爬虫机制
   
   ：很多商业网站有反爬虫，可能需要模拟浏览器（如Selenium）或使用API。如果遇到，先问AI怎么绕过（但不要用于非法用途）。
3. 数据安全
   
   ：如果涉及商业敏感数据，不要通过第三方AI API发送，可以用本地模型或自己分析。
4. 测试用网站
   
   ：练习时尽量用公开的测试网站，如books.toscrape.com、quotes.toscrape.com。

今日“捣乱作业”

作业题目：
用今天学的思路，尝试抓取一个允许爬取的网站的数据，并生成简单分析。

操作步骤：

1. 选一个测试网站
   
   ：比如books.toscrape.com（图书）或quotes.toscrape.com（名言）。
2. 让AI写爬虫脚本
   
   ：抓取标题、价格（如果有）等信息。
3. 运行脚本
   
   ，截图抓取到的Excel数据。
4. （可选）
   
    用AI生成一段分析文本（比如分析价格分布、热门作者等）。
5. 截图
   
   你的成果，发评论区。

挑战版：
尝试设置定时任务，让脚本每天自动运行一次，连续跑3天，然后生成一份“趋势报告”。截图任务设置和生成的报告。

今日金句

“真正的运营，不是手动刷新网页，而是让代码替你盯着对手。”

博主碎碎念

今天你学会了如何用Python自动监控竞品，并让AI生成分析报告。这套组合拳打下来，你基本上已经可以躺着做运营了。

以后老板再让你盯竞品，你可以说：“好的，我已经设置好自动监控了，有变动会立刻通知您。”然后继续摸鱼。

明天Day 25，我们会学《HR的救星：自动筛选简历并回复邮件》。专门帮HR朋友解决筛选简历、发面试邀请的重复劳动。当然，非HR也可以学，因为思路是通用的——自动处理邮件和文件。

评论区交给你：
你工作中需要监控竞品吗？最痛苦的是什么？说出来大家一起想办法自动化！

点击关注，每天学一招，让Python给你打工！

#Python教学 #竞品分析 #爬虫 #自动化运营 #AI报告

P.S. 今天的作业如果成功了，你可能会发现，以前要花一整天做的竞品报告，现在只需要检查一下AI写得对不对。剩下的时间，可以用来……学更多偷懒技巧。