aithos-rr/aithos-selection/trend-analysis
Claude Code and agent skill by aithos-rr/aithos-selection
- community
Checking that the SKILL.md file is still in the repository.
Analizza trend di mercato e competitor sui social con Agent Teams paralleli. Per ogni competitor, estrae i top post 30gg, identifica topic che funzionano (engagement per topic), segnala pattern e opportunità. Output: report evidence-based con citazioni ai post originali. Da usare per intelligence competitiva, discovery topic trend, analisi social. Skill del Webinar 2 Claude Code per il GTM.
Install
npx vskill@latest install aithos-rr/aithos-selection/trend-analysisSKILL.md
The same SKILL.md was published earlier as aithos-rr/aithos-selection/trend-analysis.
Trend Analysis
5 Agent Teams paralleli scandagliano LinkedIn/Twitter/YouTube dei competitor, estraggono top post/video engagement, classificano per topic, producono report con insight azionabili + citazioni verificabili.
When to use
Attiva quando:
- Content strategy: "cosa sta funzionando nel nostro settore?"
- Competitor intelligence: "cosa stanno facendo X e Y?"
- Brief cliente: serve context market prima di proposta
- Product strategy: feature request trend
Non attivare se:
- Lista competitor ignota (→
/research-notebookprima per scoprirli) - Richiesta troppo generica ("tutto quello che c'è sul mercato")
- Nicchia troppo piccola (<5 competitor → manual review meglio)
Prerequisiti
- Apify account (per LinkedIn scraping)
- parallel-cli installato
- Lista competitor (o keyword per scoprirli)
Instructions
Fase 1 — Define scope
Chiedi all'utente (AskUserQuestion):
- Competitor: lista (min 3, max 15) o keyword per scoprire
- Piattaforme: LinkedIn / Twitter / YouTube / tutte
- Orizzonte: 30gg / 90gg / 6 mesi
- Focus: topic trending / messaging / format (video vs text) / frequency
Fase 2 — Discovery (se serve)
Se l'utente ha solo keyword:
→ lista 5-10 competitor candidati, utente conferma via AskUserQuestion.
Fase 3 — Agent Teams parallel
Spawna 1 agent per competitor (max 5 paralleli per rate limit):
Ogni agent raccoglie:
- LinkedIn: top 20 post per reactions/comments
- Twitter: top 20 tweet per retweet/likes
- YouTube: top 10 video per views
- Metadata: frequency posting, tempo di vita engagement, audience response
Fase 4 — Topic clustering
Aggregati tutti i contenuti (~100-300 items):
Esempi topic emergenti:
- "AI productivity hacks"
- "Founder journey storytelling"
- "B2B SaaS pricing transparency"
- "Remote work culture"
- "Hiring process democratization"
Fase 5 — Evidence-based insight
Per ogni top-N topic (>15% engagement):
- What: descrizione 1 frase
- Who: quali competitor stanno su questo topic
- How: format preferito (video/text/carosello)
- When: cadenza (daily/weekly/occasional)
- Why it works: 2-3 motivi basati su engagement pattern
- Evidence: 3 post esempio con link originale
- Opportunità per te: 1-2 angoli differenziati da adottare
Fase 6 — Report con citazioni
Examples
Esempio 1: Filippo — GTM Engineering competitor
Competitor: Clay, Apollo, Outreach, Gong, HubSpot, Reply.io Orizzonte: 90gg Output: 5 topic (AI sales agents, RevOps stack, data enrichment, outreach orchestration, revenue attribution) Insight: "Nessun competitor italiano dominant su topic — opportunità per YT branding"
Esempio 2: Learnn — EdTech italiano
Competitor: Talent Garden, Ninja Academy, Start2Impact, Onepiece Focus: quali corsi AI stanno lanciando Output: trend "AI for marketers" mainstream, "Claude specifico" underserved (validazione per Claude Week)
Gotchas
- 🔴 Scraping LinkedIn diretto = ban: usa Apify o Sales Nav API ufficiale. Mai scraping anonimo.
- 🔴 Evidence obbligatorie: ogni insight deve linkare post originale. Senza evidence = opinione, non analisi.
- 🟡 Bias del recente: post recenti hanno meno engagement accumulato. Normalizza per età (engagement/gg).
- 🟡 Vanity metrics: like != interesse commerciale. Comment depth + save > like puro.
- 🟢 Update quarterly: trend shiftano. Re-run ogni 3 mesi per tracking longitudinale.
- 🟢 Cross con /outbound-campaign: topic trending → hook outbound rilevante.
Scripts
scripts/discover_competitors.py: se keyword → lista competitorscripts/scrape_competitor.py: Apify LinkedIn + Twitter + YouTubescripts/cluster_topics.py: semantic clustering contentsscripts/extract_insights.py: evidence + opportunitàscripts/generate_report.py: markdown report
References
references/topic-taxonomy.md: 50 topic comuni per settore B2B/B2Creferences/engagement-normalization.md: formule per normalizzare metriche cross-platformreferences/evidence-rubric.md: criteri per citare evidence affidabili
Crediti
Skill originale Claude Week Learnn — Webinar 2 (Code GTM). Ispirato a daymade/competitors-analysis (evidence-based methodology).
Security
- Security scanPassed, 95 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingskills/trend-analysis/SKILL.md
Popularity
- 7-day trend score
- 0
Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/aithos-rr/aithos-selection/trend-analysis)