微信扫一扫geo-market-intel
Geo Market Intelligence Engine — 多区域市场情报聚合工具。
为 Affiliate 网盟业务的 BD 拓展提供实时市场洞察，支持：
- 新区域开拓前的市场调研
- 特定 Vertical 的 Top Offer 识别
- 竞争对手动态监控
- 监管风险预警
覆盖区域
| 区域 | 核心国家 | 重点 Vertical | |------|---------|--------------| | MENA | SA, AE, KW, OM, QA, EG | Fintech, Shopping, Betting | | LATAM | BR, MX, AR, CO, CL, PE | Fintech, Gaming, E-commerce | | APAC | IN, ID, TH, VN, PH, MY | Gaming, Shopping, Finance | | Europe & US | US, GB, DE, FR, IT, ES | All verticals |
完整执行脚本
保存为
geo_market_intel.py。 注意：脚本包含完整框架，真实排行数据需配置 API key。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
geo_market_intel.py
Geo Market Intelligence Engine — 完整执行脚本（框架版）
功能：
1. 接收用户指定的区域 + Vertical + 时间窗口
2. 构建搜索查询（通过 AI Agent 调用 web_search 执行）
3. 聚合竞品 Offer 动态、监管变化
4. 生成结构化市场情报 JSON + Markdown 简报
真实数据依赖（需配置）：
- AppFollow API 或 AppMagic API（Top App 排行）
- Adjust / AppsFlyer 行业报告（趋势）
- web_search 工具（监管动态、实时新闻）
用法：
python3 geo_market_intel.py \
--region LATAM \
--vertical Finance \
--output latam_finance_intel.md
"""
import argparse
import json
import sys
import time
from datetime import datetime, timezone, timedelta
# ── 区域 & 国家配置 ──────────────────────────────────
GEO_MAPPING = {
"MENA": ["SA", "AE", "KW", "OM", "QA", "BH", "EG", "JO", "LB", "IQ"],
"LATAM": ["BR", "MX", "AR", "CO", "CL", "PE", "UY", "PY", "BO", "EC", "VE"],
"APAC": ["IN", "ID", "TH", "VN", "PH", "MY", "SG", "JP", "KR", "TW", "HK"],
"Europe_US": ["US", "GB", "DE", "FR", "IT", "ES", "CA", "AU", "NZ", "IE"],
}
VERTICAL_KEYWORDS = {
"Finance": ["bank", "loan", "credit", "fintech", "payment", "wallet"],
"Shopping": ["shop", "store", "mall", "market", "ecommerce"],
"Betting": ["bet", "casino", "sport", "gambling", "poker"],
"Gaming": ["game", "play", "puzzle", "rpg", "casual", "royale"],
"Forex_Crypto": ["forex", "crypto", "trading", "bitcoin"],
}
# iOS App Store 国家代码映射
IOS_CC_MAP = {
"BR": "br", "MX": "mx", "AR": "ar", "CO": "co", "CL": "cl", "PE": "pe",
"IN": "in", "ID": "id", "TH": "th", "VN": "vn", "PH": "ph", "MY": "my",
"US": "us", "GB": "gb", "DE": "de", "FR": "fr", "IT": "it", "ES": "es",
"SA": "sa", "AE": "ae", "KR": "kr", "JP": "jp", "SG": "sg", "AU": "au",
}
def build_search_queries(region: str, vertical: str, countries: list) -> list:
"""构建搜索查询列表（由 AI Agent 调用 web_search 执行）"""
queries = []
vert_lower = vertical.lower()
# Top App 搜索（每个区域取前3个国家）
for country in countries[:3]:
queries.append(f"top {vert_lower} apps google play {country} 2026")
queries.append(f"best {vert_lower} apps {country} 2026")
# 趋势搜索
queries.append(f"{region} {vert_lower} market size 2026")
queries.append(f"{region} affiliate marketing {vert_lower} opportunities 2026")
# 监管动态
if vertical.lower() in ["finance", "fintech"]:
for country in countries[:2]:
queries.append(f"{country} central bank digital banking regulation 2026")
if vertical.lower() in ["betting", "gaming"]:
for country in countries[:2]:
queries.append(f"{country} online betting regulation 2026")
return queries
def generate_intel_schema(region: str, vertical: str, countries: list) -> dict:
"""生成市场情报数据结构"""
now = datetime.now(timezone.utc).strftime('%Y-%m-%d')
return {
"report_meta": {
"region": region,
"countries": countries,
"vertical": vertical,
"generated_at": now,
"data_sources": [
"Adjust Mobile App Trends Report",
"AppsFlyer Performance Index",
"AppFollow Top Charts API (需要key)",
"Trading Economics (macro)",
"AI web_search (实时新闻/监管)"
]
},
"top_apps": [], # 由 API 或 AI 搜索填充
"trends": [], # 由搜索/报告填充
"regulatory_notes": [], # 由搜索填充
"bd_opportunities": [], # AI 推荐的行动建议
"risk_flags": [], # 高风险信号
}
def generate_markdown_brief(intel: dict) -> str:
"""将情报数据渲染为 Markdown 简报"""
meta = intel["report_meta"]
lines = []
lines.append(f"# {meta['region']} 市场情报简报 — {meta['vertical']}")
lines.append(f"**生成时间**：{meta['generated_at']} ")
lines.append(f"**覆盖国家**：{', '.join(meta['countries'])} ")
lines.append(f"**数据来源**：{', '.join(meta['data_sources'])}")
lines.append("")
# Top Apps
lines.append("## 📱 Top Offer 机会")
if intel["top_apps"]:
lines.append("| App | 平台 | 预估月安装 | 推荐 Vertical | 备注 |")
lines.append("|-----|------|---------|--------------|------|")
for app in intel["top_apps"][:10]:
name = app.get("name", "未知")
platform = app.get("platform", "-")
installs = app.get("estimated_installs_monthly", "-")
vert = app.get("recommended_vertical", meta["vertical"])
notes = app.get("notes", "")
lines.append(f"| {name} | {platform} | {installs} | {vert} | {notes} |")
else:
lines.append("*（需要配置 AppFollow / AppMagic API 以获取真实排行数据）*")
lines.append("")
# Trends
lines.append("## 📈 趋势信号")
if intel["trends"]:
for t in intel["trends"]:
lines.append(f"- {t}")
else:
lines.append("*（建议由 AI Agent 调用 web_search 获取最新趋势）*")
lines.append("")
# Regulatory
lines.append("## 🏛️ 监管动态")
if intel["regulatory_notes"]:
for r in intel["regulatory_notes"]:
lines.append(f"- {r}")
else:
lines.append("*（建议搜索目标市场监管动态）*")
lines.append("")
# BD Opportunities
lines.append("## 🎯 BD 行动建议")
if intel["bd_opportunities"]:
for i, opp in enumerate(intel["bd_opportunities"], 1):
lines.append(f"{i}. {opp}")
else:
lines.append("1. 确认目标区域 Top App 排行，识别高潜力 Offer")
lines.append("2. 搜索监管机构最新政策，评估合规风险")
lines.append("3. 联系已有渠道，询问目标 App 的流量成本和 CAP")
lines.append("")
# Risk Flags
if intel["risk_flags"]:
lines.append("## ⚠️ 风险信号")
for rf in intel["risk_flags"]:
lines.append(f"- ⚠️ {rf}")
lines.append("")
lines.append("---")
lines.append(f"*由 Geo Market Intelligence Engine 自动生成 | {meta['generated_at']}*")
return "\n".join(lines)
def main():
parser = argparse.ArgumentParser(
description='Geo Market Intelligence Engine — 多区域市场情报聚合工具'
)
parser.add_argument('--region', required=True,
choices=list(GEO_MAPPING.keys()),
help='目标区域')
parser.add_argument('--vertical', required=True,
choices=list(VERTICAL_KEYWORDS.keys()),
help='目标垂直领域')
parser.add_argument('--countries', nargs='+', default=None,
help='指定国家代码（默认使用该区域全部国家）')
parser.add_argument('--output', default=None, help='输出文件路径 (.md 或 .json)')
parser.add_argument('--format', choices=['markdown', 'json', 'both'],
default='markdown', help='输出格式')
args = parser.parse_args()
region = args.region
vertical = args.vertical
countries = args.countries or GEO_MAPPING[region]
base_name = f"{region.lower()}_{vertical.lower()}_intel"
output_path = args.output or f"{base_name}.md"
print(f"═══ Geo Market Intelligence Engine ═══")
print(f" 区域：{region}")
print(f" 国家：{', '.join(countries)}")
print(f" Vertical：{vertical}")
print()
# Step 1：构建搜索查询
print("[Step 1] 构建搜索查询...")
queries = build_search_queries(region, vertical, countries)
print(f" 生成 {len(queries)} 条搜索查询")
print(" ⚠️ 以下查询需要由 AI Agent 调用 web_search 工具执行：")
for q in queries[:5]:
print(f" - {q}")
# Step 2：初始化情报数据结构
print("[Step 2] 初始化情报数据结构...")
intel = generate_intel_schema(region, vertical, countries)
# Step 3：填充示例数据（LATAM/Finance 示例，正式使用请删除）
if region == "LATAM" and vertical == "Finance":
print("[Step 3] 加载 LATAM/Finance 示例数据（演示用）...")
intel["top_apps"] = [
{"name": "Competitor_A", "package_id": "com.competitor.a", "platform": "Android",
"estimated_installs_monthly": "8M+", "affiliate_opportunity": True,
"recommended_vertical": "Finance", "notes": "CPI约$0.8，核心事件活跃"},
{"name": "Product_A", "package_id": "com.example.product_a", "platform": "Android",
"estimated_installs_monthly": "2M+", "affiliate_opportunity": True,
"recommended_vertical": "Finance", "notes": "直客 + 渠道A"},
{"name": "Product_B", "package_id": "com.example.product_b", "platform": "Android",
"estimated_installs_monthly": "500K+", "affiliate_opportunity": True,
"recommended_vertical": "Finance", "notes": "有效性漏斗分析已配置"},
]
intel["trends"] = [
"某地区 BNPL 渗透率 2026Q1 同比+45%",
"某地区数字银行用户突破 3000 万",
"某地区通胀背景下加密货币需求激增",
]
intel["regulatory_notes"] = [
"某地区央行推进即时支付扩展，要求 Fintech 加强 KYC",
"某地区加强对数字银行牌照审批",
]
intel["bd_opportunities"] = [
"联系渠道A / 渠道B，询问 Competitor_A 的独家流量包",
"评估即时支付相关 Fintech Offer 的佣金结构",
"关注加密钱包 Offer（通胀背景下的高增长垂类）",
]
else:
print("[Step 3] ⚠️ 无示例数据，请配置 API 或由 AI 调用 web_search 填充")
# Step 4：生成输出
print(f"[Step 4] 生成输出：{output_path}")
md_content = generate_markdown_brief(intel)
if args.format in ['markdown', 'both']:
md_path = output_path if output_path.endswith('.md') else f"{base_name}.md"
with open(md_path, 'w', encoding='utf-8') as f:
f.write(md_content)
print(f" ✅ Markdown 简报已保存：{md_path}")
if args.format in ['json', 'both']:
json_path = f"{base_name}.json"
with open(json_path, 'w', encoding='utf-8') as f:
json.dump(intel, f, ensure_ascii=False, indent=2)
print(f" ✅ JSON 数据已保存：{json_path}")
print("\n═══ 完成 ═══")
print(f" 情报条目：Top Apps={len(intel['top_apps'])}, Trends={len(intel['trends'])}")
print(f" 输出文件：{output_path}")
print()
print("⚠️ 正式使用前请完成以下配置：")
print(" 1. 配置 AppFollow / AppMagic API key（获取真实 Top Apps 排行）")
print(" 2. 由 AI Agent 调用 web_search 工具执行搜索查询（获取趋势/监管）")
print(" 3. 删除示例数据填充代码（LATAM/Finance 分支）")
print()
# 打印简报预览
print("═══ 简报预览 ═══")
print(md_content[:1000])
if len(md_content) > 1000:
print("... (完整内容请查看输出文件)")
if __name__ == '__main__':
main()
脚本使用方法
安装依赖
pip install requests beautifulsoup4 pandas openpyxl
运行（框架版，使用示例数据）
python3 geo_market_intel.py \
--region LATAM \
--vertical Finance \
--output latam_finance_intel.md
输出文件
Markdown 简报（latam_finance_intel.md）：
# LATAM 市场情报简报 — Finance
**生成时间**：2026-05-13
**覆盖国家**：BR, MX, AR, CO, CL, PE
**数据来源**：Adjust Mobile App Trends Report, AppsFlyer Performance Index, ...
## 📱 Top Offer 机会
| App | 平台 | 预估月安装 | 推荐 Vertical | 备注 |
|-----|------|---------|--------------|------|
| Competitor_A | Android | 8M+ | Finance | CPI约$0.8，核心事件活跃 |
| Product_A | Android | 2M+ | Finance | 直客 + 渠道A |
| Product_B | Android | 500K+ | Finance | 有效性漏斗分析已配置 |
## 📈 趋势信号
- 某地区 BNPL 渗透率 2026Q1 同比+45%
- 某地区数字银行用户突破 3000 万
- 某地区通胀背景下加密货币需求激增
## 🏛️ 监管动态
- 某地区央行推进即时支付扩展，要求 Fintech 加强 KYC
- 某地区加强对数字银行牌照审批
## 🎯 BD 行动建议
1. 联系渠道A / 渠道B，询问 Competitor_A 的独家流量包
2. 评估即时支付相关 Fintech Offer 的佣金结构
3. 关注加密钱包 Offer（通胀背景下的高增长垂类）
JSON 数据（latam_finance_intel.json）：供 AI Agent 进一步处理或存入知识库。
接入真实数据的两种方式
方式A：配置 AppFollow / AppMagic API（推荐）
# 在脚本顶部添加 API 配置
APPFOLLOW_API_KEY = "your_api_key_here"
APPFOLLOW_BASE = "https://api.appfollow.io/v2"
def fetch_top_apps_real(region, vertical, limit=10):
"""通过 AppFollow API 获取真实排行"""
import requests
headers = {"X-AppFollow-Key": APPFOLLOW_API_KEY}
params = {"region": region, "category": vertical, "limit": limit}
resp = requests.get(f"{APPFOLLOW_BASE}/top_apps", headers=headers, params=params)
return resp.json().get("apps", [])
方式B：由 AI Agent 调用 web_search（最灵活）
在 WorkBuddy / OpenClaw 中，AI 自动调用：
用户："帮我生成 LATAM Finance 市场情报简报"
AI 自动执行：
1. 调用 geo_market_intel.py --region LATAM --vertical Finance
2. 同时调用 web_search 执行搜索查询（趋势、监管）
3. 将搜索结果填入 intel 字典
4. 输出最终 Markdown 简报
与其他 Skill 的关系
geo-market-intel（本 Skill）
↓ 输出市场情报简报
├── Wish Intelligence Collector（优先入库高潜力 Offer）
├── Multi-MMP Attribution Engine（为新区域配置归因）
└── AI Budget Allocation Optimizer（根据区域机会调整预算）
触发词
- "市场调研"、"区域情报"、"MENA 市场"、"LATAM 机会"
- "Top App"、"热门 Offer"、"竞品分析"
- "BD 参考"、"新市场开拓"、"渠道拓展"
- "Geo Market Intelligence"、"市场简报"
- "监管动态"、"合规风险"
版本：v1.2.0 | 更新：2026-05-13 | 脱敏优化版本
Scripts
The following bundled scripts support this skill:
| Script | Purpose |
|--------|---------|
| geo_market_intel.py | Executable script |