agentleFS
ykjshenzhen2008-ship-itykjshenzhen2008-ship-it/commercial-real-estate-skills/skills/mall-competition-scan/SKILL.md

mall-competition-scan

Skill0 starsChanged 35 days agoMITView on GitHub

指定城市/城区购物中心竞争格局调研分析。当用户提出「XX市购物中心竞争格局」「XX城商业存量盘点」「商圈格局分析」「购物中心竞品调研」「XX市有哪些购物中心/mall」「人均商业面积够不够」「XX市商业过剩吗」「对比XX和YY两城商业」等城市级商业竞争调研需求时使用。支持聚焦模式(高端/某运营商/某商圈)与多城市横向对比。产出MD格式调研报告(快扫版/深度版/对比版)。不触发:单店铺选址评估(→store-location-analysis/lbs-market-analyzer)、单品牌背调(→brand-research-scout)、单个项目调改建议(→老杨拆商业-perspective)、住宅或写字楼市场分析、单商业体周边微观调研(半径1-3km客群/租金/业态需求度→commercial-site-research)、非商业地产通用课题调研(→deep-research)。

The file

Files
SKILL.md

城市购物中心竞争格局调研(mall-competition-scan)

城市级购物中心竞争格局调研分析工作流。输入城市(可细化到区/商圈),输出结构化竞争格局报告。服务商业地产从业者视角:数据锚点 + 明确判断,拒绝模糊话术。

输入解析

从用户请求中提取:

  1. 范围:城市(必需);区/商圈(可选,缺省=全市)
  2. 聚焦点(可选):某档次(如高端/重奢)、某运营商、某商圈。聚焦模式=深度版但只对聚焦维度做全量拆解,其余维度速览
  3. 输出模式(未指定时默认快扫版):
模式触发信号产出
快扫版默认;「大概看下」「盘一下」存量清单+三维速览,800-1500字
深度版「深入」「详细」「全面」或带聚焦点全六维+增量推演,3000-6000字
对比版输入≥2个城市(「对比XX和YY」)每城跑快扫流水线→横向对比表+能级排序

对比版规则:≥3个城市时用并行 Agent(每 agent 负责1城,只做 Step1-2 精简采集),汇总后统一分析。对比维度:人均面积/存量结构/头部运营商进驻度/高端能级/增量压力。

范围模糊时只问一个问题确认(如"全市还是只看XX区?"),不连环追问。

路由表(不属于本skill时转出)

用户实际要的转往
某个铺位/地址能不能开店store-location-analysis / lbs-market-analyzer
某个品牌值不值得引进brand-research-scout
单个项目怎么调改老杨拆商业-perspective
单商业体周边微观调研(客群/租金/业态需求度,半径1-3km)commercial-site-research
非商业地产的通用课题调研deep-research

工作流

Step 1:存量盘点(POI 采集)

  • 首选 placeSuggestion(keyword+region),无需先 geocoder,效率更高;placeSearchNearby 仅在需要按半径圈定分区扫描时用(2026-07 深圳实战验证)
  • 关键词轮换搜索:"购物中心""万达""万象城""天街""吾悦""印象城"等(完整关键词组见 references/data-sources.md)
  • ⚠️ placeSuggestion 常返回跨城市结果(如搜"万象城"返回成都/南宁),必须按目标城市过滤
  • 输出初步清单:项目名 / 行政区 / 坐标 / 地址
  • 去重规则:同名同坐标合并;同项目多POI(主体/停车场/门)合并;百货、单体超市、专业市场剔除
  • 体量下限:可判断建面 <3万㎡ 的社区底商型不入清单(社区mall ≥3万㎡ 保留)

Step 2:联网补数(WebSearch)

  • 每次调用用 query_keyword_groups 并行5组关键词,快扫版1-2轮、深度版2-3轮即可支撑(实战验证:3轮支撑深度版)
  • 按 references/data-sources.md 的关键词模式检索,逐项目补充:
  • 商业建面(㎡)、开业年份、开发/运营商、楼层数
  • 出租率 / 空置传闻、年销售额(有公开数据才写)
  • 调改动态(近2年闭店改造、品牌调整)
  • 增量供应:在建+已批规划项目,未来3年入市体量(深度版必做)
  • 城市底数:常住人口、社零总额、人均可支配收入(统计局口径)

Step 3:双源校验 + 分析

  • POI 清单 × 网络数据交叉核对
  • 信源分级采信:① 政府统计公报/规自局批文 > ② 权威媒体/上市公司公告 > ③ 行业平台(赢商网/联商网/戴德梁行等)> ④ 自媒体。④类只做线索不做结论依据
  • 冲突数字并列呈现:关键数字(体量/销售额)冲突时注明口径差异(如「官方25万㎡ vs 媒体19万㎡,前者含文化业态」),不自行取舍
  • 软文识别:项目开业通稿只采事实(时间/体量/品牌数),不采评价性表述("标杆""地标"类)
  • 禁止编造数字。查不到的字段写"未公开";推算值必须标「估算」并给推算逻辑;行业传闻销售额不引用具体数字
  • 按 references/analysis-framework.md 六维框架分析打分

分析框架(六维,详见 references/analysis-framework.md)

维度核心指标判断锚点
1. 总量供需人均购物中心面积>1.2㎡/人=过剩预警,>1.5=严重过剩
2. 商圈层级市级/区域级/社区级划分按体量+辐射范围+首店密度
3. 运营商格局各系市占率、标准化产品线华润/龙湖/万达/新城/本土系
4. 档次分级与竞争结构重奢/轻奢/中端/大众找断层与空白点;4类竞品分类+定位地图见框架
5. 增量风险未来3年新增供应/存量比>20%=高冲击
6. 竞争强度评分分商圈 0-10 分评分规则见 references

快扫版只做 1/2/3;深度版做全部六维。

输出

  • 格式:MD 文件(硬规则,禁止默认输出 HTML),保存到当前工作目录,文件名 {城市}购物中心竞争格局_{日期}.md
  • 模板见 references/report-template.md(含快扫版/深度版两套结构)
  • 风格要求:结论前置、每个判断带数字、表格优先、竞品是公开项目可以点名(区别于用户自有项目的脱敏规则)
  • 报告末尾附「数据来源与局限」:检索日期、来源清单、未核实项

质量检查清单

  • 每个数字标注来源层级 [API]/[来源]/[估算],无编造;冲突数字并列呈现并注口径
  • 软文识别:开业通稿只采事实,不采"标杆/地标"类评价表述
  • 存量清单覆盖该范围主流项目(漏地标级=不合格);已按目标城市过滤跨城POI
  • 竞争结构至少盘点「直接竞品+潜在进入者」两类,定位地图指出≥1个空白象限
  • 有明确竞争强度结论(分数/排序),不是"竞争较激烈"这类空话
  • 快扫/深度档位与用户预期一致
  • MD 格式输出,非 HTML;报告末尾附「数据来源与局限」

示例

正常:「帮我调研东莞购物中心竞争格局」→ 全市快扫版:POI盘点→补数→三维分析→MD报告 聚焦:「深圳市场高端购物中心调研」→ 全市深度版聚焦档次维度 ✅ 2026-07-25实战验证(3轮搜索出深度报告) 对比:「对比东莞和惠州的商业格局」→ 两城各跑快扫→横向对比表+能级排序 边界:「广州天河区重奢商业还有没有机会」→ 天河区深度版,聚焦档次分级维度,重点分析太古汇/天环/万菱汇梯队与空白点 错误输入:「这个铺位适合开咖啡店吗」→ 不触发本skill,按路由表转 store-location-analysis

版本记录

  • v1.2.0 (2026-07-25):二次对标优化。新增对 commercial-site-research(v1.4,单商业体周边微观调研,目前 disable:true)的方法论借鉴:① 4类竞品分类法(直接/间接/替代/潜在进入者,映射至城市级);② 定位地图空白象限分析;③ 数据来源标注规则 [API]/[来源]/[估算] 与诚实边界;④ 竞争结构拆解纳入质量检查。路由表新增 commercial-site-research(微观互补)。
  • v1.1.0 (2026-07-25):对标同类skill后优化。市场搜索(购物中心/商圈/选址/竞争分析/商业地产)0直接同类,仅泛调研类2个。借鉴 brand-research-scout(输出模式表/并行Agent/信源分级与冲突并列/软文识别/版本记录)、market-researcher(转出路由表/社零反推测算)、store-location-analysis(必填可选输入规范)。新增:对比版模式、路由表、POI实战经验(placeSuggestion优先+跨城过滤)、query_keyword_groups用法、城市商业消化能力测算。
  • v1.0.0 (2026-07-25):初版,深圳高端调研实战验证。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.