geo-brand-mentions

品牌提及扫描器技能

核心洞察

品牌提及与 AI 可见度的相关性，大约是传统反向链接的 3 倍。Ahrefs 于 2025 年 12 月发布的一项研究分析了 AI 搜索平台上的 75,000 个品牌，发现未添加链接的品牌提及——即未附带超链接的品牌名称引用——比域名评级或反向链接数量更能预测 AI 系统是否会引用和推荐某个品牌。

关键发现：提及出现的平台极其重要。 并非所有提及的价值都相同。YouTube 或 Reddit 上的提及对 AI 引用的影响，远远大于低权威博客上的提及，因为 AI 训练数据和检索系统会不成比例地收录高互动平台上的内容。

这颠覆了传统 SEO 的一个核心假设。在传统 SEO 中，来自高 DR 网站的反向链接是黄金标准。而在 GEO 中，Reddit 上未添加链接的提及或 YouTube 视频简介中的品牌提及，可能比来自 DR 70 博客的 dofollow 反向链接更有价值。

---

AI 引用的平台重要性排名

基于 Ahrefs 于 2025 年 12 月开展的研究，以及 Profound（2025 年）和 Terakeet（2025 年）的佐证研究：

1. YouTube 提及——相关性约为 0.737（最强）

YouTube 为何最重要：

• YouTube 是全球第二大搜索引擎和最大的视频平台（月活用户超过 25 亿）。
• AI 训练数据集大量纳入 YouTube 字幕稿、简介和元数据。
• Google 的 Gemini 和 AI Overviews 会直接引用 YouTube 内容。
• Perplexity 和 ChatGPT 都会索引并引用 YouTube 视频内容。
• YouTube 字幕稿尤具价值，因为其中包含自然语言提及，且处于对话语境中，与 AI 模型处理和生成文本的方式相符。

检查内容：

• 品牌 YouTube 频道： 品牌是否有活跃的 YouTube 频道？订阅者有多少？视频数量是多少？上传频率如何？
• 第三方视频提及： 其他 YouTuber 或频道是否提及该品牌？在什么语境下（评测、教程、比较）？
• 视频简介： 行业相关内容的视频简介中是否出现品牌名称？
• 视频字幕稿： 相关视频的口播内容中是否提及该品牌？（AI 模型会索引字幕稿）
• YouTube 搜索结果： 在 YouTube 上搜索“[品牌名称]”时，是否会出现相关结果？结果是否正面？
• 评论区提及： 行业相关视频的评论中是否提及该品牌？

YouTube 评分（0-100）：

分数	标准
90-100	频道活跃，订阅者超过 10,000 人，定期上传视频，品牌在 20 个以上第三方视频中被提及，并出现在行业关键词的 YouTube 搜索结果中
70-89	频道活跃，订阅者超过 1,000 人，品牌在 10-19 个第三方视频中被提及，具有一定的 YouTube 搜索曝光度
50-69	频道已建立且有一些内容，品牌在 5-9 个第三方视频中被提及，YouTube 搜索曝光度有限
30-49	频道已建立但不活跃，品牌在 1-4 个第三方视频中被提及
10-29	没有频道或频道为空，品牌仅在 1-2 个视频中被提及
0-9	完全没有 YouTube 曝光度

---

2. Reddit 提及情况——高度相关

Reddit 为何重要：

• Reddit 是 AI 训练数据中索引最多的平台之一（Google 与 Reddit 于 2024 年达成每年 6,000 万美元的授权协议，证实了这一点）。
• AI 系统在产品推荐、比较和用户情绪分析中，非常重视 Reddit。
• 据估计，如今有 10%—15% 寻求真实意见的用户会在 Google 搜索内容后加上“Reddit”。
• Perplexity 经常引用 Reddit 讨论串作为来源。
• ChatGPT 和 Claude 在回答产品或服务相关问题时，都会引用 Reddit 上的讨论。

检查内容：

• 子版块的覆盖情况： 品牌是否在相关子版块中被讨论？是哪些子版块？
• 提及量： 有多少 Reddit 讨论串提到了该品牌？趋势如何（增加还是减少）？
• 情绪倾向： 提及内容主要是正面、负面还是中性？常见的好评点和投诉有哪些？
• 官方账号： 品牌是否有官方 Reddit 账号？是否参与讨论？是否举办过 AMA？
• 推荐讨论串： 品牌是否出现在“你推荐什么 X？”这类讨论串中？它是首选推荐，还是仅仅入围？
• 子版块社区： 品牌是否有自己的子版块？该子版块有多活跃？

Reddit 评分（0–100）：

分数	标准
90-100	在相关子版块中经常获得推荐，整体情绪倾向以正面为主，有活跃的官方账号，拥有 5K+ 成员的自有子版块，并在行业相关查询的首选推荐中出现
70-89	在相关子版块中经常被提及，整体情绪倾向以正面为主，有一定的官方账号活动，并出现在多个推荐讨论串中
50-69	在若干相关讨论串中被提及，情绪倾向混杂，社区成员认识该品牌名称
30-49	偶尔被提及，且仅限于 1—2 个子版块，没有官方账号
10-29	极少被提及，该品牌在 Reddit 上基本不为人知
0-9	在 Reddit 上毫无存在感

---

3. Wikipedia 覆盖情况——高度相关

Wikipedia 为何重要：

• Wikipedia 是 AI 训练数据中权威性最高的来源之一。所有主流 AI 模型都使用 Wikipedia 数据转储进行过训练。
• AI 系统将 Wikipedia 用作实体识别的主要来源，以判断某个品牌是否是值得了解的“真实”实体。
• Wikidata（Wikipedia 的结构化数据姊妹项目）提供机器可读的事实，供 AI 模型构建知识图谱。
• 拥有 Wikipedia 页面是品牌具有知名度的强烈信号，而知名度与 AI 系统是否将品牌视为权威实体相关。

检查内容：

• Wikipedia 页面： 品牌或公司是否有自己的 Wikipedia 条目？是否被标记为待删除或存在质量问题？
• 创始人页面： 创始人或 CEO 是否有 Wikipedia 页面？（这是权威性的强烈信号。）
• Wikipedia 引用： 品牌网站是否在任何 Wikipedia 条目中被引用为参考资料？
• Wikidata 条目： 品牌是否有 Wikidata 项（Q 编号）？信息有多完整？
• Wikipedia 提及情况： 品牌是否在其他 Wikipedia 条目（行业条目、竞争对手页面、类别页面）中被提及？
• 条目质量： 如果存在 Wikipedia 页面，它属于小作品级、初级级还是更高质量等级？

Wikipedia 评分（0–100）：

分数	标准
90-100	拥有详尽的 Wikipedia 条目（B 级或更高），Wikidata 条目属性完整，品牌在多个条目中被引用为参考资料，创始人有 Wikipedia 页面
70-89	存在 Wikipedia 条目（初级级或更高），有 Wikidata 条目，并在其他 2 个或更多 Wikipedia 条目中被提及
50-69	存在 Wikipedia 条目（小作品级或初级级），有基础的 Wikidata 条目，在其他条目中的提及有限
30-49	没有 Wikipedia 条目，但在其他条目中被提及或引用为参考资料；可能有 Wikidata 条目
10-29	该品牌仅作为顺带提及，在 1—2 个 Wikipedia 条目中出现
0-9	完全没有 Wikipedia 或 Wikidata 相关信息

---

4. LinkedIn 上的品牌存在感——中等相关性

LinkedIn 为何重要：

• AI 系统越来越多地将 LinkedIn 内容纳入索引，用于获取专业和 B2B 背景信息。
• 公司 LinkedIn 页面和员工的思想领导力帖子有助于建立品牌实体信号。
• AI 模型会参考 LinkedIn，了解公司信息、团队资历和专业权威性。
• LinkedIn 文章和帖子会被搜索引擎和 AI 爬虫纳入索引。

检查内容：

• 公司页面： 品牌是否有 LinkedIn 公司页面？关注者数量是多少？发帖频率如何？
• 员工思想领导力： 员工（尤其是管理层）是否发布提及品牌的思想领导力内容？
• 公司提及： 非员工是否在 LinkedIn 帖子中提及品牌？行业分析师呢？客户呢？
• LinkedIn 文章： 是否有关于或提及品牌的 LinkedIn 长文？
• 员工个人资料： 员工是否详细介绍了任职公司？他们的职业资料是否完善？
• 互动指标： 公司帖子的典型互动情况如何（点赞、评论、分享）？

LinkedIn 评分（0-100）：

分数	标准
90-100	公司页面活跃，关注者超过 10K，管理层定期发布思想领导力内容，行业专业人士经常提及品牌，员工个人资料完善
70-89	公司页面活跃，关注者超过 5K，有部分员工发布思想领导力内容，偶有第三方提及
50-69	公司页面已建立，关注者超过 1K，发帖不规律，第三方提及有限
30-49	公司页面已建立，但内容稀少或不活跃，关注者很少，没有第三方提及
10-29	公司页面信息极少
0-9	没有 LinkedIn 公司页面

---

5. 其他平台上的品牌存在感——补充

这些平台与 AI 可见度的相关性较低，但仍有一定意义：

Quora

• 相关性： Quora 回答经常被纳入 AI 训练数据，并被 Perplexity 引用。
• 检查内容： 行业相关问题的 Quora 回答中是否提及品牌？品牌是否有官方 Quora 账号？
• 信号强度： 对 B2C 中等，对 B2B 较低。

Stack Overflow / Stack Exchange

• 相关性： 对面向开发者的品牌（SaaS、开发工具、API）至关重要。
• 检查内容： Stack Overflow 问答中是否讨论品牌的产品？是否有品牌标签？品牌是否有官方账号回答问题？
• 信号强度： 对技术产品较高，对大多数 B2C 品牌无关紧要。

GitHub

• 相关性： 对开源和面向开发者的品牌至关重要。
• 检查内容： 品牌是否有 GitHub 组织？代码仓库获得多少星标？其他代码仓库的文档或讨论中是否提及品牌？
• 信号强度： 对开发工具和开源品牌较高，对非技术品牌较低。

行业论坛和社群

• 相关性： AI 模型会从特定领域的训练数据中获取细分领域的权威性信号。
• 检查内容： 是否在行业专属论坛中讨论品牌（例如，科技行业的 Hacker News、初创企业的 ProductHunt、行业专属 Slack 社群）？
• 信号强度： 中等，但有助于建立细分领域的权威性。

新闻和媒体报道

• 相关性： 新闻提及有助于建立实体权威性和时效性信号。
• 检查内容： 主流新闻媒体或行业刊物是否报道过品牌？报道时间是什么时候？报道背景是什么？
• 信号强度： 中等。时效性很重要——过去 6 个月内的提及远比 3 年前的提及有价值。

播客

• 相关性： 正在成为不断增长的 AI 训练数据来源。播客文字稿越来越多地被纳入索引。
• 检查内容： 品牌或其管理层是否参与过播客？搜索引擎是否已将提及品牌的播客文字稿纳入索引？
• 信号强度： 中等且正在增强。

---

品牌综合权威评分

评分公式

平台	权重	理由
YouTube 存在度	25%	与 AI 引用的相关性最强（0.737）
Reddit 存在度	25%	相关性第二强；对产品推荐至关重要
Wikipedia / Wikidata	20%	实体识别的基础；AI 训练数据的基石
LinkedIn 权威性	15%	专业权威信号；与 B2B 相关
其他平台	15%	来自 Quora、GitHub、新闻、论坛和播客的补充信号

公式：

Brand_Authority_Score = (YouTube * 0.25) + (Reddit * 0.25) + (Wikipedia * 0.20) + (LinkedIn * 0.15) + (Other * 0.15)

分数解读

分数范围	评级	解读
85-100	主导	品牌是各 AI 平台上广受认可的实体。极有可能被 AI 系统引用和推荐。
70-84	强	品牌在各个平台上都有稳固的存在度。AI 系统可能会识别该品牌，并在相关查询中引用它。
50-69	中等	品牌在部分平台上有存在度，但仍有不足。AI 引用并不稳定。
30-49	弱	品牌在平台上的存在度有限。AI 系统可能无法将其识别为独立实体。
0-29	极低	品牌在平台上的存在度微乎其微。AI 系统不太可能引用或推荐它。

---

分析流程

步骤 1：识别品牌信息

从用户或网站收集以下信息：

• 品牌名称（准确拼写，包括任何官方变体）
• 创始人/CEO 姓名
• 域名 URL
• 行业/类别
• 主要产品或服务（前 3 项）
• 主要竞争对手（用于对比）

步骤 2：扫描平台

对每个平台使用 WebFetch 搜索并评估其存在度：

YouTube 检查：

1. 搜索：[brand name] site:youtube.com
2. 检查：youtube.com/@[brand-name] 或 youtube.com/c/[brand-name]，确认是否有官方频道
3. 搜索："[brand name]" site:youtube.com（精确匹配描述中的提及）
4. 记录：频道订阅者数量、视频数量、最近上传日期、第三方提及数量

Reddit 检查：

1. 搜索：[brand name] site:reddit.com
2. 搜索："[brand name]" site:reddit.com（精确匹配）
3. 检查：reddit.com/r/[brand-name]，确认是否有官方子版块
4. 检查：reddit.com/user/[brand-name]，确认是否有官方账号
5. 记录：帖子数量、主要子版块、情感倾向（正面/负面/中性）、被推荐的频率

Wikipedia 检查（重要 — 使用两种方法，避免漏判）：

方法 1 — Python API 检查（最可靠，请先执行）：

python3 -c "
import requests, json
from urllib.parse import quote_plus
brand = '[Brand_Name]'
# Check Wikipedia API directly
api_url = f'https://en.wikipedia.org/w/api.php?action=query&list=search&srsearch={quote_plus(brand)}&format=json'
r = requests.get(api_url, headers={'User-Agent': 'GEO-Audit/1.0'}, timeout=15)
data = r.json()
results = data.get('query', {}).get('search', [])
if results and brand.lower() in results[0].get('title', '').lower():
    print(f'WIKIPEDIA PAGE EXISTS: {results[0][\"title\"]}')
    print(f'URL: https://en.wikipedia.org/wiki/{results[0][\"title\"].replace(\" \", \"_\")}')
else:
    print('No direct Wikipedia page found')
# Check Wikidata
wd_url = f'https://www.wikidata.org/w/api.php?action=wbsearchentities&search={quote_plus(brand)}&language=en&format=json'
r2 = requests.get(wd_url, headers={'User-Agent': 'GEO-Audit/1.0'}, timeout=15)
wd = r2.json()
entities = wd.get('search', [])
if entities:
    print(f'WIKIDATA ENTRY: {entities[0].get(\"id\", \"\")} — {entities[0].get(\"description\", \"\")}')
"

方法 2 — 直接 URL 检查（备用验证）：

1. WebFetch：https://en.wikipedia.org/wiki/[Brand_Name] — 检查页面是否能加载（而非重定向到搜索页面）
2. WebFetch：https://en.wikipedia.org/wiki/[Founder_Name]，检查创始人条目

方法 3 — 搜索（可靠性最低，仅用于补充信息）：

1. 搜索：[brand name] site:wikipedia.org
2. 搜索：[brand name] site:wikidata.org

**关键：**单靠网络搜索无法可靠判断品牌是否出现在 Wikipedia 上。务必先运行 Python API 检查。如果 API 显示页面存在，该页面就确实存在 — 不要因搜索结果未能找到页面而推翻这一结论。

5. 记录：条目是否存在、质量、编辑历史、Wikidata 完整度

LinkedIn 检查：

1. 搜索：[brand name] site:linkedin.com
2. 检查：linkedin.com/company/[brand-name]，确认是否有公司主页
3. 记录：关注者数量、发帖频率、列出的员工人数、互动水平

其他平台：

1. 搜索：[brand name] site:quora.com
2. 搜索：[brand name] site:stackoverflow.com（如果是技术品牌）
3. 搜索：[brand name] site:github.com（如果是技术品牌）
4. 搜索：[brand name] site:news.ycombinator.com（Hacker News）
5. 广泛搜索："[brand name]"，查找新闻提及（筛选最近 6 个月的内容）
6. 记录：每个平台上是否有提及以及提及质量

步骤 3：情感倾向评估

对于 Reddit 和其他讨论平台，通过分析最新且最受关注的提及来评估情感倾向：

情感倾向	指标
正面	推荐（“我喜欢 [品牌]”“我们改用 [品牌] 后……”“强烈推荐”）、获赞的提及、与竞争对手相比表现积极
中性	事实性提及（“我们使用 [品牌] 来……”“[品牌] 提供……”）、关于品牌的问题、平衡的比较
负面	投诉（“别用 [品牌]”“[品牌] 的支持糟透了”）、被踩的推荐、负面的比较
混合	正面与负面内容并存。注明比例和主要主题。

步骤 4：竞争对手比较（可选）

如果发现了竞争对手，可以快速查看其在各平台上的影响力，以便作为参照。这有助于校准评分——如果某个行业的竞争对手在 Reddit 上都毫无影响力，那么某品牌在 Reddit 上的影响力即使只是“中等”，相对而言也算强。

步骤 5：计算评分

1. 使用上述评分标准为各个平台打分（0-100）。
2. 应用权重，计算综合品牌权威评分。
3. 找出影响力最强和最弱的平台。
4. 针对影响力最弱的平台，提出具体、可执行的建议。

---

输出格式

生成一个名为 GEO-BRAND-MENTIONS.md 的文件：

# Brand Authority Report: [Brand Name]

**Analysis Date:** [Date]
**Brand:** [Brand Name]
**Domain:** [URL]
**Industry:** [Industry]

---

## Brand Authority Score: [X]/100 ([Rating])

### Platform Breakdown

| Platform | Score | Weight | Weighted | Status |
|---|---|---|---|---|
| YouTube | [X]/100 | 25% | [X] | [Active Channel / Mentioned / Absent] |
| Reddit | [X]/100 | 25% | [X] | [Active / Discussed / Absent] |
| Wikipedia | [X]/100 | 20% | [X] | [Article / Mentioned / Absent] |
| LinkedIn | [X]/100 | 15% | [X] | [Active / Basic / Absent] |
| Other Platforms | [X]/100 | 15% | [X] | [Summary] |
| **Total** | | | **[X]/100** | |

---

## Platform Detail

### YouTube ([X]/100)

**Official Channel:** [Yes/No] | [URL if exists]
**Subscribers:** [Count or N/A]
**Videos:** [Count or N/A]
**Last Upload:** [Date or N/A]
**Third-Party Mentions:** [Estimated count]
**Key Findings:**
- [Finding 1]
- [Finding 2]

### Reddit ([X]/100)

**Official Account:** [Yes/No] | [URL if exists]
**Own Subreddit:** [Yes/No] | [URL and member count if exists]
**Mention Volume:** [Estimated thread count]
**Primary Subreddits:** [List of subreddits where brand is discussed]
**Sentiment:** [Positive/Negative/Neutral/Mixed]
**Key Findings:**
- [Finding 1]
- [Finding 2]

### Wikipedia ([X]/100)

**Company Article:** [Yes/No] | [URL if exists]
**Founder Article:** [Yes/No] | [URL if exists]
**Wikidata Entry:** [Yes/No] | [Q-number if exists]
**Cited in Other Articles:** [Yes/No] | [Which articles]
**Key Findings:**
- [Finding 1]
- [Finding 2]

### LinkedIn ([X]/100)

**Company Page:** [Yes/No] | [URL if exists]
**Followers:** [Count or N/A]
**Post Frequency:** [Weekly/Monthly/Rare/Never]
**Key Findings:**
- [Finding 1]
- [Finding 2]

### Other Platforms ([X]/100)

| Platform | Presence | Notes |
|---|---|---|
| Quora | [Yes/No] | [Brief note] |
| Stack Overflow | [Yes/No] | [Brief note] |
| GitHub | [Yes/No] | [Brief note] |
| Hacker News | [Yes/No] | [Brief note] |
| News/Press | [Yes/No] | [Brief note] |
| Podcasts | [Yes/No] | [Brief note] |

---

## Recommendations

### Immediate Actions (Week 1-2)

1. **[Platform]:** [Specific action to take with expected impact]
2. **[Platform]:** [Specific action]

### Short-Term Strategy (Month 1-3)

1. **[Platform]:** [Strategy with tactics]
2. **[Platform]:** [Strategy with tactics]

### Long-Term Authority Building (Month 3-12)

1. **[Platform]:** [Long-term strategy]
2. **[Platform]:** [Long-term strategy]

---

## Competitive Context

[If competitors were analyzed, show a brief comparison table]

| Brand | YouTube | Reddit | Wikipedia | LinkedIn | Other | Total |
|---|---|---|---|---|---|---|
| [Subject Brand] | [X] | [X] | [X] | [X] | [X] | **[X]** |
| [Competitor 1] | [X] | [X] | [X] | [X] | [X] | **[X]** |
| [Competitor 2] | [X] | [X] | [X] | [X] | [X] | **[X]** |

## Key Takeaway

[1-2 sentence summary of the brand's AI visibility standing and the single most impactful action to take]

---

参考数据

相关性强度（Ahrefs，2025 年 12 月，7.5 万个品牌）

信号	与 AI 引用的相关性	传统 SEO 价值
YouTube 提及	~0.737	低（不是排名因素）
Reddit 提及	高（未公布具体系数）	低
Wikipedia 影响力	高	中等（信任信号）
LinkedIn 影响力	中等	低
Domain Rating	~0.266	非常高
反向链接数量	~0.266	非常高
自然流量	中等	非常高

关键见解： 对 AI 可见度最重要的信号（YouTube、Reddit）在传统 SEO 中几乎无关紧要，而对传统 SEO 最重要的信号（反向链接、DR）则无法很好地预测 AI 可见度。这要求采用截然不同的优化策略。

提升影响力的平台专属技巧

YouTube 快速见效的方法：

• 创建频道，并上传 3-5 个介绍核心主题的讲解视频。
• 确保品牌名称出现在视频标题、描述和口播内容中。
• 争取在相关行业的 YouTube 频道中担任嘉宾。
• 制作对比或“替代方案”视频（AI 会在回答比较类查询时引用这些视频）。

Reddit 快速见效的方法：

• 找出目标受众活跃的 3-5 个子版块。
• 真诚地参与讨论（不要打广告——Reddit 社区能识别并惩罚这种行为）。
• 如果适合品牌，可以举办 AMA。
• 监控并回应有关品牌的提及。
• 发布真正有帮助的帖子，自然地展现品牌的专业知识。

Wikipedia 策略：

• 聘请熟悉 Wikipedia 的顾问——切勿编辑自己的条目（存在利益冲突）。
• 先通过媒体报道、学术引用和行业认可来建立知名度。
• 即使没有 Wikipedia 条目，也要完善 Wikidata 条目。
• 为行业相关条目作出贡献，让品牌可以作为来源自然地获得引用。

LinkedIn 快速见效的方法：

• 完善公司主页的信息，并定期发布内容。
• 鼓励管理层每周发布思想领导力内容。
• 围绕品牌拥有独特专业知识的主题发布 LinkedIn 文章。
• 参与行业讨论，提高品牌在专业领域中的可见度。