feat(notion): Finalize Competitive Radar v3.0 (Level 3 Relational Model)

- Extended import_relational_radar.py to include a 'Products' database.
- Implemented full dual-way relations for Companies <-> Landmines, References, Products.
- Updated documentation to reflect the 4-database architecture.

MIGRATION_REPORT_COMPETITOR_ANALYSIS.md

@@ -72,11 +72,12 @@ Die App ist unter `/ca/` voll funktionsfähig und verfügt nun über eine "Groun
 ### 📊 Relationaler Notion Import (Competitive Radar v2.0)
 Um die Analyse-Ergebnisse optimal nutzbar zu machen, wurde ein bidirektionaler Import-Prozess nach Notion implementiert (`import_relational_radar.py`).
 
-*   **Architektur:** Statt Textblöcken werden drei vernetzte Datenbanken erstellt:
+*   **Architektur:** Statt Textblöcken werden vier vernetzte Datenbanken erstellt:
-    1.  **📦 Companies (Hub):** Stammdaten, USPs, Portfolio.
+    1.  **📦 Companies (Hub):** Stammdaten, USPs, Portfolio-Summary.
     2.  **💣 Landmines (Satellite):** Einzelfragen und Angriffsvektoren, verknüpft mit der Company.
     3.  **🏆 References (Satellite):** Konkrete Kundenprojekte, verknüpft mit der Company.
-*   **Dual-Way Relations:** Dank `dual_property` Konfiguration sind die Verknüpfungen in Notion sofort in beide Richtungen navigierbar (z.B. sieht man auf der Company-Seite sofort alle zugehörigen Landmines).
+    4.  **🤖 Products (Satellite):** Einzelne Produkte als Datensätze, ermöglicht marktweiten Vergleich (z.B. "Alle Reinigungsroboter").
+*   **Dual-Way Relations:** Dank `dual_property` Konfiguration sind die Verknüpfungen in Notion sofort in beide Richtungen navigierbar.
 *   **Daten-Qualität:** Durch die Map-Reduce Analyse und das gezielte Reference-Scraping werden nun echte Fakten statt KI-Halluzinationen importiert.
 
 ---

Notion_Dashboard.md

@@ -43,7 +43,7 @@ Die Schaltstelle für die hyper-personalisierte Ansprache.
 Automatisierte Überwachung der Marktbegleiter mit Fokus auf "Grounded Truth".
 *   **Funktion:** Kontinuierliches Scraping von Wettbewerber-Webseiten, gezielte Suche nach Referenzkunden und Case Studies.
 *   **Kill-Argumente & Landmines:** Erstellung von strukturierten Battlecards und spezifischen "Landmine Questions" für den Sales-Außendienst.
-*   **Relationaler Ansatz:** Trennung in drei verknüpfte Datenbanken (Firmen, Landmines, Referenzen) für maximale Filterbarkeit und Übersicht.
+*   **Relationaler Ansatz:** Trennung in vier verknüpfte Datenbanken (Firmen, Landmines, Referenzen, Produkte) für maximale Filterbarkeit und Übersicht.
 
 ### 3.5 Enrichment Factory & RevOps
 Datenanreicherung der CRM-Accounts.
@@ -93,6 +93,7 @@ Um die relationale Integrität zu wahren, sind folgende Datenbanken in Notion zw
 *   **Messaging Matrix** $\leftrightarrow$ **Sector Master** (Welcher Schmerz gehört zu welcher Branche?)
 *   **Competitive Radar (Companies)** $\leftrightarrow$ **Competitive Radar (Landmines)** (Welche Angriffsfragen gehören zu welchem Wettbewerber?)
 *   **Competitive Radar (Companies)** $\leftrightarrow$ **Competitive Radar (References)** (Welche Kundenprojekte hat der Wettbewerber realisiert?)
+*   **Competitive Radar (Companies)** $\leftrightarrow$ **Competitive Radar (Products)** (Welche Produkte hat der Wettbewerber im Portfolio?)
 *   **The Brain** $\leftrightarrow$ **Product Master** (Welches Support-Wissen gehört zu welcher Hardware?)
 *   **GTM Workspace** $\leftrightarrow$ **Product Master** (Welche Kampagne bewirbt welches Gerät?)
 *   **Feature-to-Value Translator** $\leftrightarrow$ **Product Master** (Welcher Nutzen gehört zu welchem Feature?)

import_relational_radar.py

@@ -6,12 +6,13 @@ import sys
 # Configuration
 JSON_FILE = 'analysis_robo-planet.de.json'
 TOKEN_FILE = 'notion_token.txt'
-PARENT_PAGE_ID = "2e088f42-8544-8024-8289-deb383da3818" 
+PARENT_PAGE_ID = "2e088f42-8544-8024-8289-deb383da3818"
 
 # Database Titles
 DB_TITLE_HUB = "📦 Competitive Radar (Companies)"
 DB_TITLE_LANDMINES = "💣 Competitive Radar (Landmines & Intel)"
 DB_TITLE_REFS = "🏆 Competitive Radar (References)"
+DB_TITLE_PRODUCTS = "🤖 Competitive Radar (Products)"
 
 def load_json_data(filepath):
     try:
@@ -81,7 +82,7 @@ def main():
     token = load_notion_token(TOKEN_FILE)
     data = load_json_data(JSON_FILE)
     
-    print("🚀 Starting Relational Import...")
+    print("🚀 Starting Relational Import (Level 3 - Full Radar)...")
 
     # --- STEP 1: Define & Create Competitors Hub DB ---
     props_hub = {
@@ -130,6 +131,19 @@ def main():
     }
     refs_db_id = create_database(token, PARENT_PAGE_ID, DB_TITLE_REFS, props_refs)
 
+    # Products DB
+    props_products = {
+        "Product Name": {"title": {}},
+        "Purpose / Description": {"rich_text": {}},
+        "Related Competitor": {
+            "relation": {
+                "database_id": hub_db_id, 
+                "dual_property": {"synced_property_name": "Related Products"}
+            }
+        }
+    }
+    products_db_id = create_database(token, PARENT_PAGE_ID, DB_TITLE_PRODUCTS, props_products)
+
     # --- STEP 3: Import Competitors (and store IDs) ---
     competitor_map = {} # Maps Name -> Notion Page ID
     
@@ -156,10 +170,10 @@ def main():
         # Create Page
         props = {
             "Name": {"title": [{"text": {"content": c_name}}]},
-            "Portfolio Summary": {"rich_text": [{"text": {"content": portfolio_text[:2000]}}]},
+            "Portfolio Summary": {"rich_text": [{"text": {"content": portfolio_text[:2000]}}]}, # Limit length
             "USPs": {"rich_text": [{"text": {"content": usps[:2000]}}]},
             "Silver Bullet": {"rich_text": [{"text": {"content": silver_bullet[:2000]}}]},
-            "Target Industries": {"multi_select": [{"name": i.replace(',', '')} for i in industries]},
+            "Target Industries": {"multi_select": [{"name": i.replace(',', '')} for i in industries]}
         }
         if c_url: props["Website"] = {"url": c_url}
 
@@ -185,10 +199,8 @@ def main():
             create_page(token, landmines_db_id, props)
 
         # 2. Weaknesses
-        # The JSON has "strengths_vs_weaknesses" combined. We'll import them as general Intel points.
         for point in card.get('strengths_vs_weaknesses', []):
-            # Try to guess type based on text, or just default to Weakness context from Battlecard
+            p_type = "Competitor Weakness" 
-            p_type = "Competitor Weakness" # Assuming these are points for us to exploit
             props = {
                 "Statement / Question": {"title": [{"text": {"content": point}}]},
                 "Type": {"select": {"name": p_type}},
@@ -224,7 +236,30 @@ def main():
             count_refs += 1
             
     print(f"  - {count_refs} References imported.")
-    print("\n✅ Relational Import Complete!")
+
+    # --- STEP 6: Import Products (Portfolio) ---
+    print("\nImporting Products...")
+    count_prods = 0
+    for analysis in data.get('analyses', []):
+        c_name = analysis.get('competitor', {}).get('name')
+        comp_page_id = competitor_map.get(c_name)
+        if not comp_page_id: continue
+        
+        for prod in analysis.get('portfolio', []):
+            p_name = prod.get('product', 'Unknown Product')
+            p_purpose = prod.get('purpose', '')
+            
+            props = {
+                "Product Name": {"title": [{"text": {"content": p_name}}]},
+                "Purpose / Description": {"rich_text": [{"text": {"content": p_purpose[:2000]}}]},
+                "Related Competitor": {"relation": [{"id": comp_page_id}]}
+            }
+            
+            create_page(token, products_db_id, props)
+            count_prods += 1
+            
+    print(f"  - {count_prods} Products imported.")
+    print("\n✅ Relational Import Complete (Level 3)!")
 
 if __name__ == "__main__":
-    main()
+    main()