mcpField
A
apify-brand-reputation-monitoring

apify-brand-reputation-monitoring

github.com/apify营销与增长2.5k2.5k 次安装1 周前更新
代码仓库

关于 apify-brand-reputation-monitoring

用于借助 Apify Actors 抓取多平台评论、评分和品牌提及的监测技能，适合需要整理品牌口碑信息的团队。它根据数据来源选择 Actor，并支持结果摘要或导出。

主要功能

  1. 01按数据来源选择 Apify Actor
  2. 02动态获取 Actor 输入架构
  3. 03运行监测并汇总结果
  4. 04结果可显示或导出为 CSV、JSON

适用场景

  1. 01汇总 Google Maps 商家评论与评分
  2. 02监测社交平台上的品牌提及
  3. 03整理酒店、景点或餐厅评论

MCP 相关

通过 mcpc 连接 mcp.apify.com，获取所选 Actor 的详情和输入架构；技能据此运行 Apify Actor。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/apify/agent-skills --skill apify-brand-reputation-monitoring

安装后在 Claude Code 中输入/apify-brand-reputation-monitoring确认已加载。

附带文件reference/scripts/run_actor.js

详细介绍

品牌声誉监测

使用 Apify Actors 从多个平台抓取评论、评分和品牌提及。

前置条件

（无需预先检查）

  • 包含 APIFY_TOKEN 的 .env 文件
  • Node.js 20.6+（支持原生 --env-file）
  • mcpc CLI 工具：npm install -g @apify/mcpc

工作流

复制此检查清单并跟踪进度：

Task Progress:
- [ ] Step 1: Determine data source (select Actor)
- [ ] Step 2: Fetch Actor schema via mcpc
- [ ] Step 3: Ask user preferences (format, filename)
- [ ] Step 4: Run the monitoring script
- [ ] Step 5: Summarize results
步骤 1：确定数据来源

根据用户需求选择合适的 Actor：

用户需求Actor ID最适用于
Google Maps 评论compass/crawler-google-places商家评论、评分
Google Maps 评论导出compass/Google-Maps-Reviews-Scraper专门抓取评论
Booking.com 酒店voyager/booking-scraper酒店数据、评分
Booking.com 评论voyager/booking-reviews-scraper详细的酒店评论
TripAdvisor 评论maxcopell/tripadvisor-reviews景点／餐厅评论
Facebook 评论apify/facebook-reviews-scraper专页评论
Facebook 评论apify/facebook-comments-scraper帖子评论监测
Facebook 专页指标apify/facebook-pages-scraper专页评分概览
Facebook reactionsapify/facebook-likes-scraperReaction 类型分析
Instagram 评论apify/instagram-comment-scraper评论情感分析
Instagram 主题标签apify/instagram-hashtag-scraper品牌主题标签监测
Instagram 搜索apify/instagram-search-scraper发现品牌提及
Instagram 标记的帖子apify/instagram-tagged-scraper跟踪品牌标签
Instagram 导出apify/export-instagram-comments-posts批量导出评论
Instagram 全面监测apify/instagram-scraper全面的 Instagram 监测
Instagram APIapify/instagram-api-scraper基于 API 的监测
YouTube 评论streamers/youtube-comments-scraper视频评论情感分析
TikTok 评论clockworks/tiktok-comments-scraperTikTok 情感分析
步骤 2：获取 Actor 架构

使用 mcpc 动态获取 Actor 的输入架构和详细信息：

export $(grep APIFY_TOKEN .env | xargs) && mcpc --json mcp.apify.com --header "Authorization: Bearer $APIFY_TOKEN" tools-call fetch-actor-details actor:="ACTOR_ID" | jq -r ".content"

将 ACTOR_ID 替换为所选 Actor（例如，compass/crawler-google-places）。

这会返回：

  • Actor 描述和 README
  • 必填和可选输入参数
  • 输出字段（如有）
步骤 3：询问用户偏好

运行前，询问：

  1. 输出格式：
    • 快速回答 - 在聊天中显示少量结果（不保存文件）
    • CSV - 导出所有字段的完整数据
    • JSON - 以 JSON 格式导出完整数据
  2. 结果数量：根据使用场景的特点确定
步骤 4：运行脚本

快速回答（在聊天中显示，不生成文件）：

node --env-file=.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \
  --actor "ACTOR_ID" \
  --input 'JSON_INPUT'

CSV：

node --env-file=.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \
  --actor "ACTOR_ID" \
  --input 'JSON_INPUT' \
  --output YYYY-MM-DD_OUTPUT_FILE.csv \
  --format csv

JSON：

node --env-file=.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \
  --actor "ACTOR_ID" \
  --input 'JSON_INPUT' \
  --output YYYY-MM-DD_OUTPUT_FILE.json \
  --format json
步骤 5：总结结果

完成后，报告：

  • 找到的评论／提及数量
  • 文件位置和名称
  • 可用的关键字段
  • 建议的后续步骤（情感分析、筛选）

错误处理

APIFY_TOKEN not found - 请用户创建包含 APIFY_TOKEN=your_token 的 .env 文件 mcpc not found - 请用户安装 npm install -g @apify/mcpc Actor not found - 检查 Actor ID 拼写 Run FAILED - 请用户检查错误输出中的 Apify 控制台链接 Timeout - 减少输入量或增大 --timeout

评论

支持 Markdown