veille-concurrents-gmaps

# Veille concurrentielle Google Maps Situer un établissement FoodEatUp face à ses **concurrents directs** d'une zone : notes, gamme de prix, affluence, canaux (livraison/réservation) — pour nourrir la stratégie (offre, publicité). **Données publiques d'agrégat**, pas de ciblage des avis individuels. ## Étape 0 — contexte Lire `reference/modes-execution.md`, `reference/garde-fous-scraping.md`, `rapido-kb/entreprise.md` (catégorie, ville de l'établissement) et `rapido-kb/marketing/icp.md` si présent. Sans mode d'exécution : le dire, s'arrêter. ## 1. Cadrer l'établissement cible Identifier la **catégorie** et la **ville/zone** de l'établissement FoodEatUp (depuis `rapido-kb/entreprise.md` ; en complément `list_dishes` pour la gamme de l'offre et `get_order` pour le panier moyen si utile). Définir le **rayon** de veille (configurable, défaut : ville / arrondissement). ## 2. Scraper les concurrents Construire `"{catégorie} in {ville}"` et lancer le scrape (voir `reference/modes-execution.md`). **Filtrer les concurrents directs** : même catégorie, dans le rayon. Exclure l'établissement lui-même. ## 3. Rapport de positionnement Produire un rapport d'**agrégat** (jamais nominatif-diffamatoire) : - distribution des **notes** et du **nombre d'avis** (où se situe le client) ; - **gamme de prix** (`price_range`) moyenne de la zone ; - **heures d'affluence** (`popular_times`) dominantes ; - **canaux** : part des concurrents avec livraison / réservation en ligne (`order_online` / `reservations`) — révèle la maturité numérique de la zone ; - **visuels** : `thumbnail` uniquement, à titre d'inventaire — **aucune reproduction** ni republication. Consigner dans `rapido-kb/marketing/veille-concurrents.md` (daté, par zone). ## 4. Passerelles Proposer des angles pour `rapido-meta-ads:veille-ads-concurrents` (les concurrents bien notés **sans publicité** = cibles de conquête). Croiser l'affluence avec `foodeatup:reservation_availability` pour optimiser les créneaux proposés. ## Règles (éthique de veille) - **JAMAIS** scraper les avis pour les **critiquer/republier** publiquement — les avis servent l'analyse de positionnement, pas du contenu diffamatoire. - Agrégats et données publiques uniquement ; pas de reproduction de visuels. - CGU/RGPD, plafonds, délais comme partout (`garde-fous-scraping.md`). - Rien d'inventé : un agrégat n'est produit que sur les fiches réellement scrapées.