◉ Claude.ai/2026-04-04上級

Claude で構築するリアルタイム市場調査エージェント — 競合分析・価格監視・トレンド検出を完全自動化

Claude の Web 検索・構造化出力・ツール呼び出し機能を組み合わせ、競合分析・価格監視・トレンド検出を自動化するリアルタイム市場調査エージェントの設計と実装を詳解します。

market-research agent¹⁰ automation⁵⁴ web-search⁴ competitive-analysis claude-ai¹⁴

✦ プレミアム記事

取り組みの背景 — なぜ今、市場調査エージェントが必要なのか

ビジネスの成否を分けるのは「情報の質」と「情報を得るスピード」です。競合他社の価格変更、業界トレンドの変化、SNS 上でのユーザー反応——これらを手作業で追い続けることは、2026年現在においてもはや非現実的です。

Claude の Web 検索能力・構造化出力・ツール呼び出し機能を組み合わせると、市場調査エージェントを驚くほど少ない工数で構築できます。ここでは以下を一から実装します。

競合分析エージェント: 競合他社のウェブサイト・SNS・プレスリリースを定期巡回し、主要変更点を検出
価格監視エージェント: EC サイト・SaaS 料金ページをスクレイピングし、値下げ・値上げをリアルタイム通知
トレンド検出エージェント: ニュース・Reddit・X（旧 Twitter）からインサイトを抽出してサマリーを生成
統合レポートパイプライン: 上記3エージェントの出力を結合し、Slack・Notion へ自動配信

対象読者は、Claude API の基本的な使い方（チャット補完・ツール呼び出し）をすでに理解している中〜上級エンジニアおよびソロプレナーです。

前提知識・準備

必要な環境

Node.js 20 以上（ES modules 対応）
Python 3.11 以上（代替実装として）
Anthropic API キー（claude-sonnet-4-6 推奨）
Slack Bot Token（Slack 通知を使う場合）
Notion Integration Token（Notion 連携を使う場合）

インストール

mkdir market-research-agent && cd market-research-agent
npm init -y
npm install @anthropic-ai/sdk dotenv node-cron

.env ファイルを作成し、以下を設定します。

ANTHROPIC_API_KEY=YOUR_ANTHROPIC_API_KEY
SLACK_BOT_TOKEN=YOUR_SLACK_BOT_TOKEN
SLACK_CHANNEL_ID=YOUR_CHANNEL_ID
NOTION_TOKEN=YOUR_NOTION_TOKEN
NOTION_DATABASE_ID=YOUR_DATABASE_ID

✦

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること

✦競合の Web/SNS/プレスリリースから「変化点」だけを抽出する SimHash + LLM ハイブリッド判定の実装パターン（差分検出ノイズ 8 割削減の実測値付き）

✦Cloudflare Workers の CPU time 30 秒制約を回避し、3 エージェントを Queue で繋いで並列化する本番アーキテクチャ（コスト試算: 月額 ¥412 まで実測）

✦12 年で 5,000 万 DL を運用してきた個人開発の視点から、競合の「価格」より「機能セグメンテーション」を追う理由と、その実装上の優先順位

Stripe による安全な決済 · いつでもキャンセル可能

✦

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または

メンバーシップなら全記事が読み放題 →

アーキテクチャ概念解説

エージェントの基本構造

市場調査エージェントは「ツール呼び出し型エージェント（Tool-Use Agent）」として設計します。Claude はユーザーからの指示を受け取り、必要に応じて Web 検索・スクレイピング・データ集計などのツールを自律的に呼び出しながら、最終的なレポートを生成します。

[スケジューラ]
     ↓ トリガー（定期実行）
[市場調査エージェント]
     ↓
  ┌─ web_search()    … 最新ニュース・プレスリリース取得
  ├─ fetch_page()    … 競合サイト・料金ページ取得
  ├─ analyze_trends() … SNS トレンド分析
  └─ compare_data()  … 前回データとの差分検出
     ↓
[Claude による分析・要約]
     ↓
[配信パイプライン（Slack / Notion）]

ステートフル vs ステートレス

市場調査エージェントでは「前回の状態との比較」が重要です。価格が変わったかどうかを判定するには、前回の価格データを保存しておく必要があります。

Step 1 — 競合分析エージェントの実装

ツール定義

Claude に渡すツールを定義します。Web 検索には Claude の組み込み Web 検索機能を使用します。

// src/tools/competitorTools.js
export const competitorTools = [
  {
    name: "web_search",
    description: "Web を検索して最新情報を取得します。競合他社のプレスリリース、ニュース、製品アップデートの調査に使用します。",
    input_schema: {
      type: "object",
      properties: {
        query: {
          type: "string",
          description: "検索クエリ。具体的な企業名・製品名・期間を含めると精度が上がります。"
        },
        max_results: {
          type: "number",
          description: "取得する検索結果の最大件数（デフォルト: 5）"
        }
      },
      required: ["query"]
    }
  },
  {
    name: "save_competitor_data",
    description: "競合他社の分析データをローカルに保存します。次回実行時との差分比較に使用します。",
    input_schema: {
      type: "object",
      properties: {
        competitor_name: { type: "string" },
        data: {
          type: "object",
          description: "保存する分析データ（価格・機能・ニュース等）"
        },
        timestamp: { type: "string" }
      },
      required: ["competitor_name", "data", "timestamp"]
    }
  },
  {
    name: "load_previous_data",
    description: "前回の競合分析データを読み込みます。",
    input_schema: {
      type: "object",
      properties: {
        competitor_name: { type: "string" }
      },
      required: ["competitor_name"]
    }
  }
];

エージェントのコアロジック

// src/agents/competitorAgent.js
import Anthropic from "@anthropic-ai/sdk";
import fs from "fs/promises";
import path from "path";
 
const client = new Anthropic();
const DATA_DIR = "./data/competitors";
 
// ツール実行関数
async function executeTool(toolName, toolInput) {
  switch (toolName) {
    case "save_competitor_data": {
      await fs.mkdir(DATA_DIR, { recursive: true });
      const filePath = path.join(DATA_DIR, `${toolInput.competitor_name}.json`);
      await fs.writeFile(filePath, JSON.stringify(toolInput, null, 2));
      return { success: true, message: `${toolInput.competitor_name} のデータを保存しました` };
    }
 
    case "load_previous_data": {
      const filePath = path.join(DATA_DIR, `${toolInput.competitor_name}.json`);
      try {
        const raw = await fs.readFile(filePath, "utf8");
        return JSON.parse(raw);
      } catch {
        return { exists: false, message: "前回データなし（初回実行）" };
      }
    }
 
    // web_search は Claude の組み込み機能を利用するため、
    // ここでは外部APIを呼び出す想定のスタブを実装
    default:
      return { error: `未知のツール: ${toolName}` };
  }
}
 
export async function runCompetitorAnalysis(competitors) {
  const systemPrompt = `あなたは市場調査の専門家です。与えられた競合他社リストについて、
以下の観点で徹底的に調査・分析を行ってください。
 
調査項目:
1. 最新のプレスリリース・ニュース（過去7日間）
2. 主要製品・サービスの機能変更
3. 価格変更の有無
4. SNS・コミュニティでの反応・評判
5. 前回データとの差分（変化点の特定）
 
分析にあたっては:
- 事実と推測を明確に区別する
- 重要度（高・中・低）でランク付けする
- ビジネス上の示唆を1〜2文で述べる
- 日本語で出力する`;
 
  const userMessage = `以下の競合他社を分析してください: ${competitors.join(", ")}
 
各社について web_search を使って最新情報を収集し、load_previous_data で前回データと比較した上で、
差分がある場合は save_competitor_data で最新データを保存してください。
最後に全社の分析サマリーを構造化して出力してください。`;
 
  let messages = [{ role: "user", content: userMessage }];
 
  // エージェントループ（ツール呼び出しが完了するまで繰り返す）
  while (true) {
    const response = await client.messages.create({
      model: "claude-sonnet-4-6",
      max_tokens: 8192,
      system: systemPrompt,
      tools: competitorTools,
      messages
    });
 
    // Claude の応答をメッセージ履歴に追加
    messages.push({ role: "assistant", content: response.content });
 
    if (response.stop_reason === "end_turn") {
      // 最終テキスト出力を抽出して返す
      const textBlock = response.content.find(b => b.type === "text");
      return textBlock?.text ?? "分析完了（テキスト出力なし）";
    }
 
    if (response.stop_reason === "tool_use") {
      const toolResults = [];
 
      for (const block of response.content) {
        if (block.type !== "tool_use") continue;
 
        console.log(`[ツール呼び出し] ${block.name}:`, block.input);
        const result = await executeTool(block.name, block.input);
        console.log(`[ツール結果]:`, result);
 
        toolResults.push({
          type: "tool_result",
          tool_use_id: block.id,
          content: JSON.stringify(result)
        });
      }
 
      messages.push({ role: "user", content: toolResults });
    }
  }
}

Step 2 — 価格監視エージェントの実装

価格監視は変化の検出が核心です。前回の価格と現在の価格を比較し、変化があった場合にのみアラートを送信します。

// src/agents/priceMonitorAgent.js
import Anthropic from "@anthropic-ai/sdk";
import fs from "fs/promises";
import path from "path";
 
const client = new Anthropic();
const PRICE_DATA_DIR = "./data/prices";
 
const priceTools = [
  {
    name: "extract_pricing_from_page",
    description: "URL から料金情報を抽出し、構造化データとして返します。",
    input_schema: {
      type: "object",
      properties: {
        url: { type: "string", description: "料金ページの URL" },
        product_name: { type: "string", description: "製品名または競合社名" }
      },
      required: ["url", "product_name"]
    }
  },
  {
    name: "compare_prices",
    description: "現在の価格データと前回保存したデータを比較し、変更点を検出します。",
    input_schema: {
      type: "object",
      properties: {
        product_name: { type: "string" },
        current_prices: { type: "object" }
      },
      required: ["product_name", "current_prices"]
    }
  }
];
 
async function executePriceTool(toolName, toolInput) {
  if (toolName === "compare_prices") {
    const filePath = path.join(PRICE_DATA_DIR, `${toolInput.product_name}.json`);
    let previous = null;
    try {
      previous = JSON.parse(await fs.readFile(filePath, "utf8"));
    } catch { /* 初回実行 */ }
 
    // 現在データを保存
    await fs.mkdir(PRICE_DATA_DIR, { recursive: true });
    const saveData = {
      product_name: toolInput.product_name,
      prices: toolInput.current_prices,
      updated_at: new Date().toISOString()
    };
    await fs.writeFile(filePath, JSON.stringify(saveData, null, 2));
 
    if (!previous) {
      return { change_detected: false, message: "初回記録完了（比較データなし）" };
    }
 
    // 価格差分の検出
    const changes = [];
    for (const [plan, price] of Object.entries(toolInput.current_prices)) {
      const prevPrice = previous.prices?.[plan];
      if (prevPrice !== undefined && prevPrice !== price) {
        const diff = typeof price === "number" ? price - prevPrice : "変更あり";
        const direction = typeof diff === "number" ? (diff > 0 ? "値上げ" : "値下げ") : "";
        changes.push({ plan, prev: prevPrice, current: price, diff, direction });
      }
    }
 
    return {
      change_detected: changes.length > 0,
      changes,
      previous_updated: previous.updated_at
    };
  }
 
  return { error: `未知のツール: ${toolName}` };
}
 
export async function runPriceMonitoring(targets) {
  const systemPrompt = `あなたは価格監視エージェントです。与えられた SaaS・EC サイトの料金情報を
分析し、前回データとの差分を正確に報告してください。
 
出力形式:
- 変更があった場合: 製品名・プラン名・変更前価格・変更後価格・変更率・ビジネス的示唆
- 変更がなかった場合: 「変更なし」とのみ記載
- 通貨は原文のまま（JPY/USD 等）記載する`;
 
  const userMessage = `以下の製品・サービスの料金ページを調査してください:\n${
    targets.map(t => `- ${t.name}: ${t.url}`).join("\n")
  }\n\nweb_search で料金情報を取得し、compare_prices で前回データと比較してください。`;
 
  let messages = [{ role: "user", content: userMessage }];
 
  while (true) {
    const response = await client.messages.create({
      model: "claude-sonnet-4-6",
      max_tokens: 4096,
      system: systemPrompt,
      tools: priceTools,
      messages
    });
 
    messages.push({ role: "assistant", content: response.content });
 
    if (response.stop_reason === "end_turn") {
      const textBlock = response.content.find(b => b.type === "text");
      return textBlock?.text ?? "価格監視完了";
    }
 
    if (response.stop_reason === "tool_use") {
      const toolResults = [];
      for (const block of response.content) {
        if (block.type !== "tool_use") continue;
        const result = await executePriceTool(block.name, block.input);
        toolResults.push({
          type: "tool_result",
          tool_use_id: block.id,
          content: JSON.stringify(result)
        });
      }
      messages.push({ role: "user", content: toolResults });
    }
  }
}

Step 3 — トレンド検出エージェントの実装

ニュース・SNS からインサイトを抽出するエージェントです。Claude の長いコンテキストウィンドウ（200K トークン）を活用して、大量のテキストを一度に処理します。

// src/agents/trendAgent.js
import Anthropic from "@anthropic-ai/sdk";
 
const client = new Anthropic();
 
export async function runTrendDetection(keywords, timeRange = "past_7_days") {
  const systemPrompt = `あなたはトレンド分析の専門家です。与えられたキーワードについて、
Web 検索を駆使して以下を分析してください。
 
分析項目:
1. 急上昇しているキーワード・トピック（なぜ今注目されているか）
2. 主要ニュースの要約（信頼性の高いソースを優先）
3. X（旧 Twitter）・Reddit・Hacker News 上のコミュニティ反応
4. 競合他社の動向との関連性
5. 今後1〜2週間の予測（慎重かつ根拠を明示）
 
出力形式:
## 🔥 急上昇トレンド
## 📰 主要ニュース（上位3件）
## 💬 コミュニティ反応
## 🔮 今後の予測
## 📊 アクションアイテム（ビジネスへの示唆）`;
 
  const response = await client.messages.create({
    model: "claude-sonnet-4-6",
    max_tokens: 6144,
    system: systemPrompt,
    messages: [
      {
        role: "user",
        content: `以下のキーワードについて、${timeRange} の期間で徹底的にトレンド分析を実施してください。
 
キーワード: ${keywords.join(", ")}
 
web_search を複数回使って、多角的な情報を収集してから分析・統合してください。`
      }
    ],
    tools: [
      {
        name: "web_search",
        description: "Web 検索でトレンド情報を取得します。",
        input_schema: {
          type: "object",
          properties: {
            query: { type: "string" },
            time_filter: {
              type: "string",
              enum: ["past_day", "past_week", "past_month"],
              description: "検索期間フィルタ"
            }
          },
          required: ["query"]
        }
      }
    ]
  });
 
  const textBlock = response.content.find(b => b.type === "text");
  return textBlock?.text ?? "トレンド分析完了";
}

Step 4 — 統合レポートパイプラインの構築

3つのエージェントの出力を統合し、Slack と Notion へ自動配信するパイプラインです。

// src/pipeline/reportPipeline.js
import Anthropic from "@anthropic-ai/sdk";
import { runCompetitorAnalysis } from "../agents/competitorAgent.js";
import { runPriceMonitoring } from "../agents/priceMonitorAgent.js";
import { runTrendDetection } from "../agents/trendAgent.js";
 
const client = new Anthropic();
 
// ---- 設定 ----
const CONFIG = {
  competitors: ["OpenAI", "Google Gemini", "Mistral AI"],
  priceTargets: [
    { name: "OpenAI ChatGPT Plus", url: "https://openai.com/pricing" },
    { name: "Google Gemini Advanced", url: "https://one.google.com/about/ai-premium" }
  ],
  trendKeywords: ["Claude AI", "LLM 2026", "AI エージェント", "生成AI 料金"]
};
 
// ---- Slack 送信 ----
async function sendToSlack(report) {
  if (!process.env.SLACK_BOT_TOKEN) return;
 
  const response = await fetch("https://slack.com/api/chat.postMessage", {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      "Authorization": `Bearer ${process.env.SLACK_BOT_TOKEN}`
    },
    body: JSON.stringify({
      channel: process.env.SLACK_CHANNEL_ID,
      text: "📊 市場調査レポート — " + new Date().toLocaleDateString("ja-JP"),
      blocks: [
        {
          type: "section",
          text: { type: "mrkdwn", text: `*📊 市場調査レポート — ${new Date().toLocaleDateString("ja-JP")}*` }
        },
        { type: "divider" },
        {
          type: "section",
          text: { type: "mrkdwn", text: report.slice(0, 2900) } // Slack の文字数制限
        }
      ]
    })
  });
  const data = await response.json();
  return data.ok;
}
 
// ---- Notion 保存 ----
async function saveToNotion(title, content) {
  if (!process.env.NOTION_TOKEN) return;
 
  await fetch("https://api.notion.com/v1/pages", {
    method: "POST",
    headers: {
      "Authorization": `Bearer ${process.env.NOTION_TOKEN}`,
      "Notion-Version": "2022-06-28",
      "Content-Type": "application/json"
    },
    body: JSON.stringify({
      parent: { database_id: process.env.NOTION_DATABASE_ID },
      properties: {
        title: { title: [{ text: { content: title } }] },
        Date: { date: { start: new Date().toISOString().split("T")[0] } }
      },
      children: [
        {
          object: "block",
          type: "paragraph",
          paragraph: {
            rich_text: [{ type: "text", text: { content: content.slice(0, 2000) } }]
          }
        }
      ]
    })
  });
}
 
// ---- 統合レポート生成 ----
async function generateIntegratedReport(competitorReport, priceReport, trendReport) {
  const response = await client.messages.create({
    model: "claude-sonnet-4-6",
    max_tokens: 4096,
    messages: [
      {
        role: "user",
        content: `以下の3つのレポートを統合して、エグゼクティブサマリーを作成してください。
 
## 競合分析レポート
${competitorReport}
 
## 価格監視レポート
${priceReport}
 
## トレンドレポート
${trendReport}
 
統合レポートには以下を含めてください:
1. **今週の最重要インサイト**（3箇条）
2. **緊急対応が必要な変化**（あれば）
3. **来週のアクションアイテム**
4. **中長期的な示唆**
 
読者はビジネスオーナーを想定し、簡潔かつ判断に直結する情報を優先してください。`
      }
    ]
  });
 
  return response.content.find(b => b.type === "text")?.text ?? "";
}
 
// ---- メインパイプライン ----
export async function runMarketResearchPipeline() {
  console.log("🚀 市場調査パイプライン開始:", new Date().toLocaleString("ja-JP"));
 
  try {
    // 3エージェントを並列実行してパフォーマンスを最大化
    const [competitorReport, priceReport, trendReport] = await Promise.all([
      runCompetitorAnalysis(CONFIG.competitors),
      runPriceMonitoring(CONFIG.priceTargets),
      runTrendDetection(CONFIG.trendKeywords)
    ]);
 
    console.log("✅ 3エージェント完了 — 統合レポート生成中...");
 
    const integratedReport = await generateIntegratedReport(
      competitorReport, priceReport, trendReport
    );
 
    const title = `市場調査レポート — ${new Date().toLocaleDateString("ja-JP")}`;
 
    // 非同期で Slack・Notion に配信
    await Promise.allSettled([
      sendToSlack(integratedReport),
      saveToNotion(title, integratedReport)
    ]);
 
    console.log("✅ レポート配信完了");
    return integratedReport;
 
  } catch (error) {
    console.error("❌ パイプラインエラー:", error);
    throw error;
  }
}

スケジュール実行の設定

// src/scheduler.js
import cron from "node-cron";
import { runMarketResearchPipeline } from "./pipeline/reportPipeline.js";
 
// 毎週月曜日 8:00（JST）に実行
cron.schedule("0 8 * * 1", runMarketResearchPipeline, {
  timezone: "Asia/Tokyo"
});
 
// 価格監視は毎日 9:00 に実行（より頻度を高めたい場合）
// cron.schedule("0 9 * * *", runPriceOnlyPipeline, { timezone: "Asia/Tokyo" });
 
console.log("⏰ 市場調査スケジューラ起動完了");
 
// 即時テスト実行
// runMarketResearchPipeline();

実行方法:

# 通常起動
node src/scheduler.js
 
# 即時テスト実行
node -e "import('./src/pipeline/reportPipeline.js').then(m => m.runMarketResearchPipeline())"

よくあるエラーと対処法

エラー 1: `overloaded_error` — API レート制限

複数エージェントを並列実行すると、Claude API のレート制限に引っかかることがあります。

// リトライ付きAPIコールのラッパー
async function callWithRetry(fn, maxRetries = 3, delayMs = 2000) {
  for (let i = 0; i < maxRetries; i++) {
    try {
      return await fn();
    } catch (err) {
      if (err.status === 529 && i < maxRetries - 1) {
        console.warn(`レート制限: ${delayMs}ms 待機後リトライ (${i + 1}/${maxRetries})`);
        await new Promise(r => setTimeout(r, delayMs * (i + 1)));
      } else {
        throw err;
      }
    }
  }
}
 
// 使用例
const report = await callWithRetry(() => runCompetitorAnalysis(competitors));

エラー 2: エージェントループが終了しない

ツール呼び出しが無限ループに陥るケースを防ぐため、最大ステップ数を設定します。

const MAX_STEPS = 20;
let steps = 0;
 
while (steps < MAX_STEPS) {
  steps++;
  const response = await client.messages.create({ ... });
  // ... ループ処理 ...
  if (response.stop_reason === "end_turn") break;
}
 
if (steps >= MAX_STEPS) {
  console.warn("⚠️ 最大ステップ数到達 — 処理を強制終了しました");
}

エラー 3: ツール結果が JSON 解析できない

Claude へのツール結果は必ず文字列にシリアライズします。

// ❌ 誤り
content: result   // オブジェクトをそのまま渡すとエラー
 
// ✅ 正しい
content: JSON.stringify(result)   // 必ず文字列化

エラー 4: Slack 送信失敗（文字数超過）

Slack のブロック API は 1 ブロックあたり 3000 文字制限があります。長いレポートは分割します。

function chunkText(text, maxLength = 2800) {
  const chunks = [];
  for (let i = 0; i < text.length; i += maxLength) {
    chunks.push(text.slice(i, i + maxLength));
  }
  return chunks;
}

応用・発展的な活用法

マルチモーダル対応: スクリーンショット分析

Claude のビジョン機能を活用すると、料金ページのスクリーンショットから視覚的に価格情報を抽出できます。Playwright でキャプチャした PNG を Base64 エンコードして渡します。

import { chromium } from "playwright";
import fs from "fs";
 
async function screenshotAndAnalyze(url) {
  const browser = await chromium.launch();
  const page = await browser.newPage();
  await page.goto(url, { waitUntil: "networkidle" });
  const screenshotBuffer = await page.screenshot({ fullPage: true });
  await browser.close();
 
  const base64Image = screenshotBuffer.toString("base64");
 
  const response = await client.messages.create({
    model: "claude-sonnet-4-6",
    max_tokens: 2048,
    messages: [
      {
        role: "user",
        content: [
          {
            type: "image",
            source: { type: "base64", media_type: "image/png", data: base64Image }
          },
          {
            type: "text",
            text: "このスクリーンショットから価格プラン情報を全て抽出し、JSON 形式で返してください。"
          }
        ]
      }
    ]
  });
 
  return response.content.find(b => b.type === "text")?.text;
}

Cloudflare Workers へのデプロイ

エージェントをエッジで動かすと、世界中どこからでも低レイテンシで実行できます。価格データの保存には Cloudflare KV を使用します。

// workers/market-research.js
export default {
  async scheduled(event, env, ctx) {
    const { runMarketResearchPipeline } = await import("./pipeline/reportPipeline.js");
    ctx.waitUntil(runMarketResearchPipeline(env));
  },
 
  async fetch(request, env) {
    // 手動トリガー用エンドポイント
    if (request.method === "POST" && new URL(request.url).pathname === "/run") {
      const { runMarketResearchPipeline } = await import("./pipeline/reportPipeline.js");
      const report = await runMarketResearchPipeline(env);
      return new Response(report, { headers: { "Content-Type": "text/plain" } });
    }
    return new Response("Market Research Agent", { status: 200 });
  }
};

wrangler.toml で Cron トリガーを設定します（Cloudflare Workers Free プランでも利用可能）。

name = "market-research-agent"
main = "workers/market-research.js"
compatibility_date = "2026-04-01"
 
[[triggers.crons]]
crons = ["0 0 * * 1"]   # 毎週月曜 UTC 0:00（JST 9:00）

出力のカスタマイズ: 業界特化プロンプト

System Prompt を業界に合わせてカスタマイズすることで、精度が飛躍的に向上します。

const INDUSTRY_PROMPTS = {
  saas: "SaaS 業界の価格モデル（月額/年額・席数課金・使用量課金）の変化に特に注目してください。",
  ecommerce: "EC 業界の送料・ポイント還元率・セール戦略の変化を重点的に分析してください。",
  ai: "AI モデルの性能ベンチマーク・APIレート・コンテキスト長の変化を最優先で追跡してください。"
};
 
const systemPrompt = BASE_SYSTEM_PROMPT + "\n\n" + (INDUSTRY_PROMPTS[industry] ?? "");

公式ドキュメントには書かれていない、運用してみて気づいた6つの落とし穴

ここからは、Cloudflare Workers と Claude API でこの市場調査エージェントを 2026 年 1 月から実運用してきて、Anthropic の公式ドキュメントには載っていない泥臭い気づきを 6 つに整理します。同じ構成で組まれる方の遠回りを少しでも減らせれば嬉しいです。

1. Web Search Tool の結果は同じクエリでも日次で揺らぐ

同一クエリで Claude の Web Search Tool を翌日呼ぶと、上位 10 件のうち 3 〜 4 件が入れ替わることがあります。素朴に「URL 集合の差分 = 業界の変化」と判定するとノイズが 8 割を占めて、本当に検知したい「競合の新機能リリース」が埋もれます。

対策は、前回と今回の上位 5 件の URL 集合を SimHash で比較し、Jaccard 係数 0.7 以上なら「実質変化なし」として LLM 判定をスキップする 2 段構えです。

import { createHash } from "node:crypto";
 
function urlSetSimHash(urls) {
  const tokens = urls.flatMap((u) => new URL(u).hostname.split("."));
  const bits = new Array(64).fill(0);
  for (const token of tokens) {
    const hash = createHash("md5").update(token).digest();
    for (let i = 0; i < 64; i++) {
      const bit = (hash[Math.floor(i / 8)] >> (i % 8)) & 1;
      bits[i] += bit ? 1 : -1;
    }
  }
  return BigInt("0b" + bits.map((b) => (b > 0 ? "1" : "0")).join(""));
}
 
function jaccardSimilarity(setA, setB) {
  const a = new Set(setA);
  const b = new Set(setB);
  const intersection = [...a].filter((x) => b.has(x)).length;
  const union = new Set([...a, ...b]).size;
  return intersection / union;
}
 
export function shouldRunLlmDiff(prevUrls, currUrls) {
  const sim = jaccardSimilarity(prevUrls, currUrls);
  return sim < 0.7;  // 0.7 未満なら「変化あり」として LLM 判定へ
}

この 2 段構えで、月間の LLM 呼び出し回数を実測 78% 削減できました。

2. Cloudflare Workers の CPU time 30 秒制約に並列実行は収まらない

3 エージェント（競合分析 / 価格監視 / トレンド検出）を Promise.all で並列実行すると、Claude API の応答待ちで Workers の CPU time 30 秒上限を簡単に超えます。本記事の Step 4 では 1 リクエストで完結する形で書きましたが、実運用では Cloudflare Queues に詰めてステップ分割するのが正解でした。

[[queues.producers]]
binding = "MARKET_RESEARCH_QUEUE"
queue = "market-research-jobs"
 
[[queues.consumers]]
queue = "market-research-jobs"
max_batch_size = 1
max_batch_timeout = 10

export default {
  async scheduled(event, env) {
    await env.MARKET_RESEARCH_QUEUE.send({ type: "competitor", at: Date.now() });
    await env.MARKET_RESEARCH_QUEUE.send({ type: "pricing", at: Date.now() });
    await env.MARKET_RESEARCH_QUEUE.send({ type: "trends", at: Date.now() });
  },
  async queue(batch, env) {
    for (const msg of batch.messages) {
      const job = msg.body;
      if (job.type === "competitor") await runCompetitorAgent(env);
      else if (job.type === "pricing") await runPricingAgent(env);
      else if (job.type === "trends") await runTrendsAgent(env);
      msg.ack();
    }
  }
};

Queue 経由にすると 1 リクエストあたりの CPU time は 5 〜 8 秒に収まり、3 エージェント合計の月額コストは Workers Paid プラン込みで約 ¥412 で運用できています（2026 年 4 月実測、リクエスト数約 8,400 件/月）。

3. Slack の Block Kit には 1 section 3,000 文字制限がある

トレンドレポートを Slack に投げると、section ブロックの本文が 3,000 文字を超えた瞬間にエラーで全文落ちます。対策は、Markdown のレポートを 2,500 文字単位で chunk 分割し、section を複数ブロックとして posting することです。

function chunkForSlack(report, chunkSize = 2500) {
  const blocks = [];
  for (let i = 0; i < report.length; i += chunkSize) {
    blocks.push({
      type: "section",
      text: { type: "mrkdwn", text: report.slice(i, i + chunkSize) }
    });
  }
  return blocks;
}

4. Privacy Policy・Terms 変更を見逃さない別エージェントを切る

差分判定を LLM に任せると、Privacy Policy の細かい改訂（クッキー方針・データ保持期間など）は「本文の意味は変わっていない」と判定されて見逃されます。法務リスクに直結するので、固定 URL の HTML を MD5 でハッシュ化して「ビット単位で変わったら通知」する別エージェントを切るのが安全です。

私の運用では、競合 5 社 × /privacy・/terms・/pricing の固定 3 URL を毎週月曜の 09:00 JST にスキャンしています。月に 1 〜 2 件は何かしらヒットしますが、そのうち本当に重要だったのは過去 6 ヶ月で 3 件でした。

5. 競合のプライシング変更は週末・月末・四半期末に偏る

AdMob で eCPM が急変動するタイミング（広告主予算の四半期締め）と似た理屈で、競合の値上げ・値下げは木曜深夜〜日曜朝、月末最終週、四半期末（3/6/9/12 月の最終週）に集中します。私が個人開発で 2014 年から iOS/Android アプリを運用してきた中での実感です。

検出頻度を曜日で重み付けすると、Anthropic API の呼び出しコストを抑えながら拾い漏れを減らせます。

function getPollingInterval(date) {
  const day = date.getDay();        // 0=日曜
  const dom = date.getDate();
  const month = date.getMonth() + 1;
  const isQuarterEnd = [3, 6, 9, 12].includes(month) && dom >= 25;
  const isMonthEnd = dom >= 28;
  const isWeekend = day === 0 || day === 6 || day === 5;
  if (isQuarterEnd) return 30 * 60 * 1000;                  // 30 分間隔
  if (isMonthEnd || isWeekend) return 2 * 60 * 60 * 1000;   // 2 時間間隔
  return 6 * 60 * 60 * 1000;                                 // 平日は 6 時間間隔
}

6. Tier 1 のレート制限 50 req/min は並列 3 サイト × 5 競合で簡単に超える

Anthropic API の Tier 1（クレジット $5 以上）で 50 req/min は十分に見えますが、3 エージェント × 5 競合を Promise.all で同時に走らせると瞬間最大値で 15 req が一気に出て、retry-after 付きの 429 が返ります。Sliding window で 12 req/min に絞り込み、超過分はキューに退避する制御を入れています。

class RateLimitedQueue {
  constructor(maxPerMin = 12) {
    this.maxPerMin = maxPerMin;
    this.timestamps = [];
  }
  async waitForSlot() {
    const now = Date.now();
    this.timestamps = this.timestamps.filter((t) => now - t < 60_000);
    if (this.timestamps.length >= this.maxPerMin) {
      const wait = 60_000 - (now - this.timestamps[0]);
      await new Promise((r) => setTimeout(r, wait + 100));
      return this.waitForSlot();
    }
    this.timestamps.push(Date.now());
  }
}

個人開発 12 年の視点で考える「市場調査の優先順位」

ここまでは実装の話でしたが、最後にもう一段メタな話を残させてください。私が iOS/Android アプリ開発を 2014 年から個人で続けてきた中で、市場調査エージェントを「何のために」回すべきかを言語化したものです。

価格より「機能のセグメンテーション」を追う

私が 2018 年頃に運用していた壁紙アプリで、競合が「写真自動切り替え」機能を追加した翌月、自社アプリの 7 日継続率が 18% 落ちたことがあります。当時は「価格を下げれば取り返せる」と判断して月額を ¥240 から ¥120 に下げましたが、結果として ARPU が半減しただけで、流出は止まりませんでした。

そこから学んだのは、競合の「価格」を真似ても CAC は悪化するだけで、本当に追うべきは「機能セグメンテーションの境界線」だ、ということです。無料 / Pro / Pro+ の境界に何を置いているかが、その競合の収益構造を雄弁に語ります。Claude のプロンプトには feature_segmentation_diff という観点を必ず入れています。

const PRIORITY_PROMPT = `
変化を以下の優先度で分類してください:
- P0: 機能セグメンテーションの境界線変更（無料↔有料、Tier 1↔Tier 2）
- P1: 新機能リリース、特に AI/自動化機能
- P2: UI/UX の主要な刷新
- P3: 価格変更
- P4: マーケティングコピーの変更（基本的に通知不要）
`;

AdMob・Stripe・Web 検索のデータを足し算で並べない

Dolice Labs として Claude Lab / Gemini Lab / Antigravity Lab / Rork Lab の 4 サイトを並行運用していると、AdMob（アプリ広告収益）・Stripe（メンバーシップ課金）・Web 検索（競合の動向）の 3 つのデータソースが日々入ってきます。これを Notion の同じデイリーレポートに足し算で並べてしまうと「ノイズ過多」で意思決定が止まります。

私が運用している優先度ルールは単純です。

高（当日対応）: Stripe の MRR が前週比 -10% 以下に急落したとき
中（翌週レビュー）: AdMob の eCPM が前週比 ±20% を超えて変動したとき
低（翌月レビュー）: 競合が新機能をリリースしたとき
通知のみ（四半期レビュー）: 競合が価格を改定した、または UI を刷新したとき

Claude エージェントの出力を Notion の Linked Database に流す際、この優先度を必ずタグ付けしてから流すようにしています。これだけで、Slack の通知疲れが激減しました。

AI ブログ運営の競合は週次で 1 回で十分

Dolice Labs 4 サイトの競合（AI 技術解説ブログ）は、Claude API でほぼ毎日記事が増えています。最初は「毎日チェックすべきか」と思いましたが、実際に SimHash 差分判定を 1 日 1 回で 3 ヶ月回してみた結果、本当に「自社の意思決定が変わった」事例は 6 件でした。

その 6 件のうち 5 件は週末（金〜日）に投稿されていたので、現在は毎週月曜の 07:00 JST に 1 回だけ走らせる設定に落ち着いています。API コストは 1/7 に、Slack の通知も 1/7 になり、それでもインサイト密度は変わりませんでした。

「リアルタイム性」と「シグナル密度」は反比例することが多く、市場調査エージェントの設計で最も大事な判断は「どこまで遅らせるか」だと考えています。

月収 100 万円時代の反省 — 競合より自社ユーザーを見る

私が AdMob で月収 100 万円を超えていた 2016 〜 2019 年頃、競合分析にかなりの時間を割いていましたが、振り返ると数字を動かしたのは競合分析ではなく「自社ユーザーへの最適化」でした。具体的には、Crashlytics のクラッシュ修正と、リテンション 30 日のコホート分析です。

市場調査エージェントは「自社の判断材料を取捨選択する」プロセスに過ぎず、最終的な意思決定は自社のユーザーデータが主役であるべきだと考えています。本記事のエージェントを実運用する際は、出力に「で、自社の D7 リテンションには何が効くのか」というセルフレビュー欄を必ず添えてください。