用公开广告库做竞品研究的自动化思路

做增长或产品营销时，最直接的参考素材其实一直放在那里——Facebook Ad Library、LinkedIn 广告等平台都对外开放了竞品的在投广告。问题不是「信息不公开」，而是「手动翻太费劲」。

一个 AI Agent 任务可以把这件事自动化到：给定竞品名称，十分钟内拿到所有在投广告截图 + 按主题分类的分析报告。

信息密度藏在哪里

广告库最有价值的不是「他们在投广告」这个事实，而是里面隐含的决策信号：

• 投放频次高的广告 = 验证有效的 messaging，团队在持续砸钱跑量
• 同一 pain point 出现在多个 ad variation = 这个问题对目标用户真实、显著
• 文案句式 = 对话风格还是权威口吻？问句还是陈述句？这些都是用户调研的间接证据
• 格式分布（静态图 vs 视频 vs 动态）= 反映他们当前测试重心在哪

换句话说，竞品广告是一份有成本背书的用户研究报告——每一条在跑的广告背后都有真实的 A/B 测试结果和用户反馈。

自动化流程的拆解

整个工作流可以分三步交给 Agent 完成：

第一步：批量抓取

用 Playwright 或类似的 headless browser 工具访问广告库，搜索目标公司，翻页抓取所有在投广告的截图和文案。关键是要同时保存文字内容（用于语义分析）和视觉截图（用于创意参考）。

第二步：语义分类

把所有广告文案喂给 LLM，提取：

• 主打的 pain point 是什么（散乱信息、协作效率、成本浪费……）
• 面向的用户角色（个人用户、团队管理者、企业采购）
• 价值主张的切角（功能导向、结果导向、情感共鸣）
• 常见 CTA 模式

第三步：输出结构化报告

按主题聚合，标注高频出现的模式，指出哪些角度值得借鉴或差异化竞争。

取舍和边界

这个工具有几个实际的限制要想清楚：

平台差异：Facebook 和 LinkedIn 的广告风格本就不同。Facebook 更情绪化、更直接；LinkedIn 更偏专业背书和结果量化。同一家公司在两个平台的 messaging 策略可能完全不一样，不要混为一谈。

时效性：广告库反映的是「当前在投」的状态。如果你想看竞品策略的演化趋势，需要定期（比如每月）存档，做纵向对比。

样本偏差：广告库只能看到付费内容，看不到他们的 SEO 策略、内容营销、社群运营。它是一扇窗，不是全貌。

合规红线：这类工具的正确用法是「提取规律作为灵感来源」，而不是抄文案或挪用设计。各平台的使用条款对爬取行为也有限制，商业使用前需要评估合规边界。

一句话心法

公开广告库是竞品付过费的用户调研，自动化分析的价值在于把它从「看看就算」变成「有结构的决策输入」。