Gemini怎么用来做竞品分析：海量数据搜集与整理指南详解

用Gemini API可将10竞品5指标市场报告流程压缩至15分钟：配置SDK→启用search工具→分批获取数据→清洗标准化→生成双Y轴图表→自动打包Word。

你需要在2小时内完成一份覆盖10个竞品、含5类核心指标、带趋势图与对比柱状图的市场调研报告，但手动爬取、清洗、绘图至少要耗掉一整天——用Gemini API可将全流程压缩至15分钟内，关键在于让AI接管数据获取、结构化提取与图表代码生成三环。

构造带搜索能力的Gemini会话

第一步：安装并配置Google Generative AI SDK，执行pip install google-generativeai；

第二步：调用genai.configure(api_key="YOUR_API_KEY")完成认证；

第三步：初始化支持搜索工具的聊天实例，必须显式传入tools=[genai.Tool(name="search", function_declaration={})]，否则后续无法触发实时数据抓取。这一步漏掉tools参数会导致所有“获取最新数据”类请求返回空结果，因为Gemini默认不启用外部工具调用权限。

分批次采集竞品数据（降低幻觉风险）

方法一：先发指令：“列出2026年Q1销量前10的新能源汽车品牌名称”，待返回品牌列表后，再逐条追问：“请单独检索‘比亚迪’在2026年Q1的销量、环比变化、主力车型、电池类型和平均售价”，每次只问一个品牌。

方法二：若需同步处理多个竞品，可构造批量指令：“按顺序检索以下10个品牌在2026年Q1的：1)季度总销量(辆)、2)环比增长率、3)主力车型名称、4)电池类型、5)平均售价(万元)，每家品牌输出为独立JSON对象，不要合并。”

【必须等待上一轮response.candidates[0].content.parts[0].text返回非空内容后再发下一条】，否则会因会话状态未更新导致重复或跳过。

清洗并标准化API返回结果

第一步：提取原始响应文本中的JSON片段，使用json.loads()解析；若失败，则用正则r'{[^{}]*}'匹配最外层大括号内容再解析；

第二步：遍历字典中每个品牌条目，对销量字段执行re.sub(r'[^d.]', '', value)去除单位与逗号，再转为float；对增长率字段统一提取数字部分并除以100转为小数；

第三步：检查是否存在缺失键（如某品牌无“平均售价”），对缺失项赋值None而非跳过整条记录——这样能保留品牌维度完整性，避免后续图表因行数不一致报错。

生成双Y轴趋势图与对比柱状图

第一步：将清洗后的Python字典传入Matplotlib或Plotly，构造双Y轴图：左侧为销量（柱状+折线）、右侧为环比增长率（折线）；

第二步：用plt.bar()绘制10个竞品销量柱状图，叠加plt.plot()绘制环比增长折线，再调用ax2 = ax1.twinx()挂载右侧轴；

第三步：将图表保存为PNG，同时生成对应HTML代码段，嵌入Word文档时直接粘贴即可显示动态缩放效果。

自动打包成Word报告

① 初始化Document()对象，插入标题“2026年Q1新能源汽车市场竞品分析报告”；

② 插入清洗后的表格（用table.add_row()逐行写入）；

③ 调用document.add_picture('trend_chart.png')插入趋势图；

④ 执行document.save('Competitor_Report_Q1_2026.docx')完成打包。