競品分析自動化：省下近 4 萬月費，用 n8n 每週自動監控競品與產業關鍵字

前言

如果你是行銷團隊或自己接案，想知道競爭對手最近被誰討論、產業風向往哪吹，但一查價格發現企業級輿情工具月費快四萬、還得簽一年約，這篇給你另一條路：用 n8n 自己做一套輕量的競品分析自動化，每週把競品和產業關鍵字的新聞與社群討論整理成週報。它不是企業級工具的替代品，但小團隊用得起、也夠用。

訂閱級輿情工具能做的，n8n 自己做得到哪些、做不到哪些

n8n 做的這套，不是 OpView 那種企業級輿情監控平台的替代品。我去翻了 OpView 的官方報價，標準版月費 NT$39,800、合約最少簽一年，而且那個價格還不含一次性設定費和分析報告費。它貴在資料源的深度和規模，不是貴在 AI。

真正的差別在這張表。你要清楚自己手上這套能補到哪、補不到哪，期待才不會落空：

能力	企業級輿情工具	n8n 自己做的輕量版
資料源廣度	論壇、新聞、社群授權爬取，覆蓋兩萬個來源	只能碰有 API 或公開的：新聞、部落格、Threads
AI 分類情緒主題	有，用較舊的語意分析	接 LLM 反而更便宜、判讀也不差
監控量級	百萬則等級	一週幾十到幾百則
儀表板	精美現成	輸出到表格和週報，陽春但夠看
價格	月費近四萬、簽一年	幾乎只有 API 的零頭

所以這套的定位很明確：它是買不起企業級工具的小團隊，用得起的那一版。你不會用它做政府等級的全網監測，但你會用它在每週一早上，知道對手這禮拜被新聞寫了什麼、有沒有人在社群上抱怨他。

先別急著自動化：什麼情況你根本不需要做這套

市面上多的是「教你用 n8n 做輿情監控」的文章，但很少有人跟你講：這件事不是每個人都該自動化。我自己在判斷一個流程值不值得搬上 n8n 時，會先過這幾關。

值得自動化的情況：

你要定時、重複地掃同一批關鍵字，每天手動搜很煩
撈回來的量大到一個人看不完，需要 AI 先幫你過濾掉雜訊
你要定期交一份週報給主管或團隊，內容固定、頻率固定

不值得的情況也很實在：你只是偶爾想看一下競品在說什麼，或一週根本沒幾則討論，那手動搜尋三分鐘就解決，花半天建一條工作流並不划算。還有一種是你要的其實是深度的策略判讀，那台機器幫不了你，得自己坐下來想。把這層想清楚，你後面才不會建了一套沒人看的週報。

競品輿情監控最難的不是分析，是先撈得到新聞和社群的討論

很多人以為競品輿情監控難在分析，其實卡關的是前一步：資料到底要去哪裡撈。而且這兩層撈的東西還不一樣，新聞層主要盯競品的品牌名，社群層除了競品，還要追產業關鍵字看風向。兩層用的工具不同，連餵進去的關鍵字也不同。

競品輿情監控的兩層資料源：新聞網路層用搜尋 API、社群貼文層用爬蟲 — 新聞層盯競品、社群層追產業關鍵字加競品，兩路撈才看得到完整風向。

為什麼新聞和社群要分兩路撈

搜尋類的工具搜的是「被搜尋引擎收錄的網路」，也就是新聞、部落格、論壇文章。拿它去搜競品的品牌名很準，看得到這家對手最近上了什麼新聞；但拿它去搜「自動化」這種產業關鍵字就沒什麼用，只會撈回一堆泛泛的產業報導。產業風向這種東西，反而是社群上的即時討論才看得到。所以這兩層不只工具不同，連餵進去的關鍵字也分工：新聞層只餵競品名，社群層連產業關鍵字一起餵。少看一層，你對競品的判斷就會有盲區。

用 Tavily 撈競品的新聞聲量，免費額度就夠用

新聞這一層我用 Tavily，只餵競品的品牌名。Tavily 跟 Google 那種給人看的搜尋引擎不太一樣，它是專門做給 AI 用的搜尋工具：你丟一個問題進去，它不會回一頁藍色連結，而是把幾篇最相關的內容抓出來、整理成乾淨的摘要，本來就是設計來餵給 ChatGPT、Claude 這類語言模型的。這對我們剛好合用，因為撈回來的東西乾淨，可以直接接給後面那關的 AI 分類。

它有一個 topic=news 的模式，配上時間範圍參數，就是專門拿來撈最近幾天新聞的。重點是它免費額度每月 1000 credits、不用綁卡，基本搜尋一次只算一個 credit。我盯幾個競品、每天各搜一次，一個月才用掉一百多個 credit，免費額度綽綽有餘。在 n8n 裡它就是一個 HTTP 節點，把競品名餵進去，回傳一批新聞標題、連結和摘要。

Threads 上的產業風向和競品討論，得靠爬蟲撈回來

社群這一層餵的關鍵字比新聞層多，競品名和產業關鍵字都丟進去：競品名看大家怎麼評價對手，產業關鍵字看風向，順便還常撈到正在煩惱某個問題、有機會變成客戶的人。我本來想走 Threads 的官方 API，結果它的關鍵字搜尋要過平台審核，卡了很久。後來改用 Apify 上面現成的 Threads 爬蟲，繞開審核這關，直接用關鍵字把最近的貼文撈回來。代價是 Apify 按用量計費，每跑一次會吃一點額度，不像 Tavily 那樣有大方的免費額度。當時我猶豫過要不要為了省錢只做新聞層，但少了社群那塊，等於聽不到使用者的真實抱怨和產業風向，最後還是兩層都接了。要提醒的是，這個 Threads 爬蟲是付費 actor，免費額度很快就用完，想長期跑下去得付一點錢，這也是這套最主要的開銷。

Apify 上的 Threads Search Scraper actor 設定畫面，紅框標出 maxPosts、searchQuery、sort 的 Input JSON 就是 n8n Apify 節點 customBody 要填的欄位 — Apify 上的 Threads 爬蟲 actor。紅框這段 Input JSON，就是 n8n 工作流裡 Apify 節點 customBody 要填的內容（搜尋字、筆數、排序）；它是付費 actor，免費額度用完要付費才能持續跑。

📖 延伸閱讀：GA、GSC 報表每週手動拉到崩潰？n8n 自動報表實戰：行銷數據週報自動生成教學

撈回來的雜訊，怎麼讓 AI 幫你分類成有用情報

兩路撈回來的資料合在一起，第一個問題是重複和雜訊。同一篇新聞可能被搜到兩次、上週撈過的這週又出現。所以資料寫進表格前，要先比對已經收過的連結去重，再交給 AI 分類。整條流程從每天的排程開始，到週報送進 LINE，大致長這樣：

n8n 競品輿情監控工作流實際畫面：Tavily 與 Apify 兩路撈取、去重、Basic LLM Chain 接 Groq 分類、寫進 Google Sheets，下排每週一彙整推送 LINE 週報 — 實際的 n8n 工作流畫面。上排每天兩路撈取、去重、交給 Groq 分類後寫進表格；下排每週一彙整成週報推到 LINE（圖中下排已跑成功）。

用 Groq 幫每一則打標籤

分類這段我用 Groq 跑一個開源的語言模型，成本低、速度快。每一則內容丟進去，請它回一個固定格式：這則提到的是哪個競品、在講什麼主題、情緒是正面負面還是中性、跟你關心的範圍相關度幾分、再附一句摘要。相關度低於門檻的直接丟掉，這樣寫進表格的就只剩值得看的。

競品監控 Google Sheets 分頁實際畫面，每列帶日期、來源、競品、情緒、相關度、狀態，紅框標出情緒負面與待覆核欄 — 分類後的資料寫進 Google Sheets，每一列帶來源、競品、情緒、相關度和狀態。紅框①是 AI 判的情緒，負面這種最該人工先確認；②是整欄「待覆核」，人複核過才進週報。

分類後寫進一張固定欄位的表格

我在 Google Sheets 開了一個競品監控分頁，欄位固定，方便之後人看和做週報。每一列包含這幾項：

日期、來源：這則哪天撈到、來自新聞還是 Threads
關鍵字、競品：哪個搜尋字撈到、AI 判斷提到的是哪個對手
主題、情緒、相關度：AI 打的三個標籤
連結、摘要：原文連結和一句話重點
狀態：每一列預設「待覆核」，這欄是後面人工把關用的

AI 分類只能當初篩，競品週報送出前人工要做三件事

這套整個流程是只讀的，它不會自動對外發任何東西，所以不用擔心 AI 亂回覆到誰。但 AI 給的分類只能當初篩，週報送出去之前，那個「待覆核」的狀態欄就是留給人做判斷的。我每週會花十分鐘做三件 AI 做不好的事。

第一件：剔掉 AI 的誤判

關鍵字撈回來一定有雜訊。搜「Make」會撈到一堆跟自動化無關的英文句子，搜某個品牌名也會撈到它自己投放的廣告和內容農場。AI 給的相關度分數不一定準，人掃一眼，把明顯不相關的標成略過就好。

第二件：確認被標成負面的，是不是真的負面

這件最重要。AI 判中文情緒常出錯，反諷和酸文會被讀成正面，正常的討論又被誤判成負面。而週報會統計「本週負面 N 則」這個數字，這個數字一錯，你對競品口碑的整個結論就歪了。所以我一定會把被標成負面的那幾則點開看，確認它真的是負評，不是機器讀錯語氣。

第三件：挑出真正要行動的那幾則

監控資料有九成是雜訊，人真正在做的判斷是商業層面的：競品被罵的這個點，是不是我的切入機會？這個產業話題我要不要跟進寫一篇？把值得行動的標記出來，這是 AI 給不了的。做完這三件，這份週報才從一堆資料變成真的能用的情報，這時候系統才在每週一早上把它整理好推到我的 LINE。

📖 延伸閱讀：EDM 自動化怎麼做：用 RFM 顧客分群＋n8n 把信精準發給對的人

自己做還是直接買工具，怎麼選最划算

適不適合你，看需求的規模就能判斷。如果你的需求是政府標案等級的全網監測、要追蹤上百個品牌、要法遵稽核，那企業級工具的錢省不得，自己拼一套維護成本反而更高。

但如果你是中小團隊或個人，只想盯緊三五個對手和幾個產業關鍵字、每週看一份夠用的社群監聽週報，那這套 n8n 流程就很合適。它的好處不只是省下月費，更實際的是關鍵字、來源、分類規則全都在你手上，想多盯一個對手就加一個字，想換個產業就改幾行設定，不用看廠商臉色，也不用為了一個小調整另外付錢。先用免費和低成本的工具把流程跑起來，等真的撞到量級的天花板，再考慮要不要升級到付費平台，這個順序對小團隊最省。

想把競品監控、每週報表這類重複又費時的事交給自動化，自己不用天天盯著螢幕？這正是我幫客戶建的行銷自動化。

看行銷自動化服務

常見問題 FAQ

Q1：我沒有工程師背景，這套競品分析自動化做得到嗎？

做得到，但要先熟悉 n8n 的基本操作。整條流程沒有寫程式碼，是把現成的節點接起來：排程節點、HTTP 節點、AI 分類、寫進 Google Sheets。難的不是技術，是把「我想監控什麼、相關度怎麼算」想清楚。如果你已經串過一兩條 n8n 工作流，這套的難度不會嚇到你；完全沒碰過的話，建議先從簡單的自動化練手再來做這個。

Q2：Tavily 的免費額度真的夠用嗎？

對一般小團隊夠用。免費版每月有 1000 credits，基本搜尋一次算一個 credit。假設你監控五個關鍵字、每天各搜一次，一個月大約用掉一百五十個 credit，離上限還很遠。除非你要監控的關鍵字很多、或搜尋頻率拉到每小時一次，才需要考慮付費方案。社群那層的 Apify 是按量計費，這部分要留意用量。

Q3：為什麼不直接用一個工具就好，要分成新聞和社群兩路？

因為沒有一個便宜的工具能同時看到兩層。搜尋類 API 看得到新聞和部落格，但看不到社群平台上的即時貼文；社群爬蟲拿得到貼文，又不幫你整理新聞。競品的討論這兩個地方都有，少看一邊就會漏掉一半的風向。所以才用 Tavily 顧新聞、Apify 顧 Threads，合流之後再一起分類。

Q4：AI 分類會不會把情緒判錯，害我看錯競品口碑？

會，這也是為什麼這套流程一定保留人工複核這一關。AI 對中文的反諷和語氣判讀並不可靠，特別容易把酸文當成正面。所以表格裡每一列預設是「待覆核」，週報送出前我會親自確認被標成負面的那幾則。把 AI 當初篩、人做最後判斷，數字才靠得住。

Q5：監控競品會不會有法律或道德問題？

這套只撈公開的新聞和公開的社群貼文，不碰需要登入才看得到的私密內容，也不會自動去對方貼文底下留言或干擾，純粹是把公開資訊整理起來自己看，跟你手動上網搜尋競品是一樣的性質。要留意的是各平台的使用條款和爬取頻率，別把人家伺服器打爆；另外做示範或寫成內容時，建議用大型公開品牌當例子，不要點名特定的同行去議論。

總結

競品分析自動化的價值，不在於做出一個跟企業級工具一樣強的東西，而在於用幾乎免費的成本，幫小團隊補上「定期知道對手在被討論什麼」這個原本要花大錢才有的能力。整套的關鍵其實只有兩件事：第一是認清新聞和社群要分兩路撈、缺一不可；第二是把 AI 當初篩、把最後的判斷留給人。把這兩件做對，一條 n8n 工作流就能讓你每週一早上喝咖啡時，順手看完對手這禮拜的動靜。

如果你也想把這類重複的監控和報表交給自動化，省下盯螢幕的時間，歡迎到服務頁看看 n8n 自動化能幫你接哪些流程。