skelet/business/competitor-analysis.md

# 竞品分析

- 版本：V1.0 Draft
- 日期：2026-07-06
- 目标：明确 Skelet 的竞争对象、差异化定位和第一版应该避开的陷阱。

## 一、竞品不是单一网站

Skelet 的竞品分为几类：

1. 直接问 AI（Claude / ChatGPT / Cursor 等）——最大的隐性竞品。
2. GitHub Topics / Search。
3. Awesome Lists。
4. 开源替代产品目录。
5. 付费模板市场。
6. 官方框架 starter。
7. 技术博客和排行榜文章。

Skelet 不需要在第一版取代它们，而是要做一个更适合“AI coding 项目启动选型”的中间层。

## 二、竞品类型对比

| 类型 | 优势 | 缺点 | Skelet 机会 |
| --- | --- | --- | --- |
| 直接问 AI | 即问即答、结合用户自己的上下文、零切换成本 | 训练数据滞后、不知道当前维护状态、评分口径不一致、给不出可信对比来源 | 提供时效性数据和统一评测，成为 AI 引用的数据源。 |
| GitHub Topics | 数据最全、更新快、有 stars/forks/signals | 噪声高、缺少场景判断、缺少评测 | 做筛选、归类、评测和结论。 |
| Awesome Lists | 人工整理、覆盖细分领域 | 更新不稳定、缺少评分、链接堆砌 | 做结构化字段和维护状态追踪。 |
| OpenAlternative / AlternativeTo | 适合找开源替代产品和行业软件 | 更多是产品目录，不是项目骨架目录 | 从成熟产品反推行业骨架需求。 |
| Product Hunt | 发现新工具快 | 热度导向、开源信息不完整 | 作为趋势发现入口，不作为推荐依据。 |
| 付费模板市场 | 商业化成熟、落地性强 | 开源透明度低、质量不易验证 | 强调开源、可验证、AI 友好度。 |
| 官方 Starter | 稳定、权威、文档好 | 场景覆盖有限，不做跨框架比较 | 作为稳定基准纳入数据库。 |
| 技术博客排行 | SEO 强、观点明确 | 更新后难维护、结构化差 | 把文章和项目数据库结合。 |

## 三、直接参考对象

### 3.0 直接问 AI（最大的隐性竞品）

定位：目标用户（AI coding 使用者）现在选骨架的第一反应往往不是逛目录站，而是直接问 Claude / ChatGPT / Cursor。任何目录站的分析如果不回答"用户为什么不直接问 AI"，都是不完整的。

AI 回答的真实短板（Skelet 的生存空间）：

- **时效性**：训练数据滞后数月到一年以上，不知道项目当前的维护状态、最近是否 archived、依赖是否过期。
- **一致性**：每次回答的评分口径和推荐理由都不一样，无法横向对比。
- **负面信息缺失**："这个骨架不适合什么场景"这类负面评测在训练数据里几乎不存在。
- **可信来源**：AI 给不出可核查的结构化对比出处。

防守 + 借力策略（这既是威胁也是获客路径）：

- 持续维护"维护状态 + 统一评分 + 不适合场景"这三类 AI 给不了的数据。
- 提供 `llms.txt` 和项目数据 JSON 导出，让 AI 工具在回答选型问题时**引用 Skelet 作为数据源**——对这个站的目标用户来说，"被 AI 引用"可能是比传统 SEO 更高效的获客渠道（已列入 `../docs/06-tasks.md` Backlog）。
- 长期可评估 MCP server 形态，让 agent 直接查询骨架数据库。

### 3.1 GitHub Topics

定位：最大开源项目入口。

可学习：

- topic 分类。
- stars、forks、最近更新等信号。
- 按语言筛选。

需要补足：

- 场景化推荐。
- AI Coding 友好度评分。
- 适合 / 不适合场景。
- 上手成本说明。

### 3.2 OpenAlternative / AlternativeTo

定位：开源替代产品目录。

可学习：

- 按类别组织产品。
- 与商业软件做替代关系。
- 展示 stars、forks、last commit。
- 支持提交和广告。

需要差异化：

- Skelet 不只是找“替代品”，而是找“项目起步骨架”。
- Skelet 关注二次开发、目录结构、测试和 AI coding 适配。

### 3.3 Awesome Lists

定位：人工精选链接列表。

可学习：

- 细分领域覆盖。
- 社区贡献模式。
- 简洁维护方式。

需要差异化：

- Skelet 不能只是链接页。
- 每个项目都要有结构化详情、评分和推荐结论。

### 3.4 付费模板市场

定位：直接卖可用模板。

可学习：

- 清晰的 landing 和 demo。
- 按场景包装模板。
- 强商业转化。

需要差异化：

- Skelet 第一版以开源和可信评测为主。
- 后续可以卖自有整理模板，但不能影响公开推荐的公正性。

## 四、Skelet 差异化定位

Skelet 的核心差异：

```text
不是最多项目
而是最适合项目启动决策
```

具体差异：

- 按场景作为一级入口，而不是按语言作为唯一入口。
- 每个项目说明适合和不适合场景。
- 引入 AI Coding 友好度评分。
- 把官方 starter、开源 boilerplate、成熟产品和付费模板分开标记。
- 用结构化数据库支撑文章、筛选、对比和商业化。

## 五、第一版竞争策略

不要一开始做大而全目录。**首批只打穿 2 个场景**：

1. SaaS（需求量最大、变现路径最清晰）。
2. 内容站 / CMS（作者正在用 Wagtail 建站，有一手评测经验）。

管理后台和 API 服务作为第二批，在 M3（SEO 验证）闸门通过后再扩展（见 `business-plan-v1.md` 里程碑）。

每个场景做到：

- 约 10 个高质量候选。
- 按 `../docs/04-architecture.md` 的统一评分维度打分。
- 有推荐结论和不适合场景。
- 有一篇场景推荐文章。
- 有一篇对比文章。

## 六、风险与防守

| 风险 | 说明 | 防守方式 |
| --- | --- | --- |
| 用户直接问 AI | AI 即问即答，用户不来目录站 | 维护 AI 给不了的时效性数据、统一评分和负面评测；用 llms.txt / JSON 导出让 AI 引用 Skelet（见 3.0）。 |
| GitHub 数据太全 | 用户可能直接去 GitHub 搜 | Skelet 提供场景判断和 AI 友好度评分。 |
| Awesome list 更轻 | 用户可能只需要链接 | Skelet 提供详情、对比和维护状态。 |
| 模板市场转化强 | 付费模板有 demo 和营销 | Skelet 先建立信任，后续卖整理后的 AI 友好模板。 |
| 内容容易过期 | 项目维护状态变化快 | 建立季度复查机制和 stale 标记。 |
| 推荐可信度受商业化影响 | 赞助会降低信任 | Sponsored 明确标记，编辑推荐独立。 |

## 七、结论

Skelet 的竞争优势不在于收录数量，而在于判断质量。GitHub 负责提供原始项目，Awesome list 负责发现线索，开源替代目录负责提供行业视角，Skelet 要把这些来源整理成“适合 AI coding 的项目启动决策库”。