用途
Proprietary Data Generator 用于创建原创调研、基准测试和聚合数据，这些数据是别人没有的。专有数据是终极内容护城河——竞争对手可以复制你的写作风格，但无法复制你的数据。该技能自动化设计并执行数据收集框架，为独特内容角度提供素材。
该技能属于 S7 阶段：自动化与规模化——规模化生成数据需要自动化。它设计的是收集系统，而不仅仅是一个数据点，创建可随时间复利增长的可重复数据资产。
主要能力
- 识别细分领域中的数据空白，通过搜索验证哪些数据尚不存在
- 根据数据类型设计数据收集方案：调研（Survey）、基准研究（Benchmark）、数据聚合（Aggregation）、案例研究（Case Study）
- 生成可直接使用的收集资产：调研问题、收集模板、招募文案、数据分析计划、内容计划
- 设计可重复的自动化系统：收集时间表、推荐工具、自动化方式、更新流程
- 输出内容计划，将数据转化为博客、信息图、报告、社交内容等
- 提供自验证清单，确保数据空白真实、样本量现实、问题无偏见、方法可行、伦理合规
使用方式
输入参数包括：
- niche（必填）：数据收集的主题领域，例如 "AI video tools"、"affiliate marketing"
- data_type（可选）："survey" | "benchmark" | "aggregation" | "case_study"，默认根据细分领域和资源推荐
- audience_access（可选）：如何触达受访者，例如 "email list of 500"、"Reddit community"、"Twitter followers"
- budget（可选）："zero" | "low"（$0-100）| "medium"（$100-500）| "high"（$500+），默认 "zero"
- goal（可选）："content_moat" | "backlink_magnet" | "authority" | "lead_gen"，默认 "content_moat"
工作流程包括五个步骤：识别数据机会、设计数据收集、创建收集资产、设计自动化、自验证。
输出格式为一份专有数据计划，包含数据空白、收集设计、调研问题或收集模板、招募文案、内容计划和自动化时间表。
适用场景
- 用户想要创建竞争对手无法复制的内容
- 用户询问 "original research"、"surveys"、"benchmarks"、"proprietary data"
- 用户提到 "data moat"、"unique data"、"first-party data"、"original statistics"
- 在 content-moat-calculator 识别出差异化内容需求之后
- 用户想通过数据驱动内容建立权威
- 用户想创建能自然获得外链的可链接资产
限制
- 未提供具体收费、价格或平台支持信息
- 未提供实际效果或排名提升的保证数据
- 需要用户自行执行数据收集，技能仅提供设计和框架
- 数据收集的伦理要求：不得抓取私人数据，调研需获得同意
- 样本量受限于用户可触达的受众规模
- 未提供具体工具集成或 API 细节