geo-monitor

/digital-marketing-pro:geo-monitor

脚本位置。 如果宿主未设置 ${CLAUDE_PLUGIN_ROOT}，脚本位于此插件的 scripts/ 文件夹中，与 skills/ 同级。请使用 Python 3.10 或更高版本运行：使用 python；若找不到 python，则使用 python3（macOS 和许多 Linux 系统）。

目的

监控并跟踪品牌在生成式 AI 引擎中的可见度。系统地测试 AI 平台对品牌相关查询的响应，使用结构化标准为可见度评分，跟踪其变化，并找出提升 AI 曝光度的机会。此命令提供一种可重复的量化框架，帮助了解品牌在 AI 生成的回答中出现（或未出现）的位置和方式，为营销人员提供优化新兴生成式引擎优化（GEO）渠道所需的数据。支持基准评估、趋势跟踪、竞争对标，以及在所有主流 AI 平台上检查叙事一致性。

此技能是 /digital-marketing-pro:aeo-audit 中定义的权威 AI 可见度评分标准的定期运行模式。 它不会引入第二套评分模型，而是按计划使用相同的逐平台 1-10 分标准和门槛，并随时间跟踪结果。下文生成的 0-100 GEO 健康分数和 A-F 字母等级，是同一数据的趋势视图，用于纵向汇总以发现发展势头，而非另一套相互竞争的评分卡。6 个权威平台（Google AI Mode、Google AI Overviews、ChatGPT、Perplexity、Gemini、Copilot）仅在 scripts/geo-tracker.py 中的 PLATFORMS 常量里定义一次。

探针与第一方数据（检查日期：2026-10-04）

以下评分标准的分数来自探针：我们运行并阅读的查询。它们展示了引擎能够给出什么答案。它们不是平台报告的数字。如果平台发布了自己的可见度数据，请将其作为单独标注的列纳入同一份报告，绝不要将两者混在一起：

界面	与探针分数一并导入的第一方数据	无法提供的内容
Copilot（以及 Bing 和部分合作伙伴的 AI 体验）	Bing Webmaster Tools → AI Performance： • 指向你网站的引用，以及这些引用背后的 grounding 查询 • Intents：按 Informational、Commercial、Navigational、Learn and Solve、Research、Creation、Local 等类别归类的 grounding 查询 • Topics：按主题聚类的 grounding 查询 • Citation Share：你的网站在同一 grounding 查询显示的所有引用中所占的比例 • Compare：叠加对比上一时间段，例如当前 30 天与之前 30 天 上述四项功能为预览版，面向全球开放。来源：Bing Webmaster 博客，2026 年 6 月 16 日	点击或流量。竞争对手域名：Citation Share“不会公开竞争对手域名、不代表流量份额，也不会为内容赋予质量分数”。要进行竞争对手基准比较，请继续使用探针
AI Overviews、AI Mode	Search Console 生成式 AI 效果报告：按网页、国家/地区、日期和设备统计的展示次数（/digital-marketing-pro:gsc-ai-performance）	查询、点击、CTR
AI Mode / AI Overviews / Gemini app 购物	Merchant Center AI performance insights：在发现、评估和购买阶段，对比类似品牌的品牌声量份额。Google 于 2026 年 5 月表示，这项功能将在“未来几个月内”于美国、加拿大、澳大利亚、印度和新西兰推出，因此请先在账号中确认。来源：Merchant Center 帮助	按查询查看引用详情
ChatGPT、Perplexity、Gemini app（回答）	无。不存在第一方引用报告	所有数据。探针分数是唯一信号；请明确说明这一点

在趋势报告中，将探针分数和第一方数据分别放在不同列中，并为每项注明来源和日期。如果 Bing Citation Share 下降而探针分数上升，或反之，请将这种差异标记为一项发现。不要通过取平均值将其掩盖。

所需输入

用户必须提供（或系统会提示用户提供）：

• 要测试的目标查询：按意图类型整理——品牌查询（“[brand] 是什么？”）、产品查询（“[brand] [product] 功能”）、比较查询（“[brand] vs [competitor]”）和类别查询（“最佳 [category] 工具”）。建议至少提供 5 个查询，以便获得有意义的评分。如果未提供，该命令将根据品牌资料生成默认查询组合
• 要监控的 AI 平台：ChatGPT、Perplexity、Gemini、Google AI Mode、AI Overviews 和 Copilot——默认选择全部六个平台（AI Mode 于 2026 年 5 月加入；它与 AI Overviews 是不同的界面，对同一查询经常会选择不同的引用）。如果用户只关注某些引擎或测试资源有限，也可以缩小到特定平台
• 监控频率：weekly 或 monthly——决定品牌应多久重新测试一次，以及趋势数据如何分组。对于正在进行优化的活动，建议按周监控；对于稳定状态的监控，建议按月监控
• 要用于基准比较的竞争对手品牌（可选）：一个或多个竞争对手品牌名称，用同一组查询进行测试，以便并排评估可见度并了解 AI 中的相对曝光情况。如果省略，报告将只关注用户的品牌，不提供竞争背景

流程

1. 加载品牌背景：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。提取品牌名称、产品名称、类别、关键差异化优势和期望定位，为查询组合和叙事一致性评分提供依据。另检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南——如果有，则加载品牌语调和消息约束。如果不存在品牌，请询问：“先设置一个品牌吗？（/digital-marketing-pro:brand-setup）”——或者使用默认设置继续。
2. 定义查询组合：按意图类型组织目标查询——信息型（是什么、如何运作）、导航型（特定品牌）、交易型（购买、定价、注册）和比较型（对比、替代方案、最佳选择）。如果用户提供了查询，则将其归入这些类别。如果没有提供，则根据品牌档案生成 10-20 个查询，均衡覆盖全部四种意图类型。每个查询都要标记其类型，以便按类型分别评分。
3. 在每个平台上测试每个查询：针对每种查询与平台的组合，记录 AI 回复，并使用评分标准评估品牌可见度——引用并附带链接（10 分：回复中提及品牌名称，并提供指向品牌网站或内容的直接链接）、提及品牌名称（7 分：回复中明确提及品牌，但未提供链接）、提及概念但未注明来源（3 分：描述品牌的产品、功能或方法，但未提及品牌本身）、未出现（0 分：未以任何形式提及品牌）、错误描述（-5 分：提及品牌，但信息错误、过时或有损品牌形象）。记录完整回复文本，以便进行叙事分析。
4. 记录结果：通过 geo-tracker 存储每项查询、平台和结果（--result 取值为评分标准对应的值：cited = 引用并附带链接，mentioned = 提及品牌名称但未附链接，concept-only = 提及概念但未注明来源，absent = 未出现，misrepresented = 错误描述）：

   python "${CLAUDE_PLUGIN_ROOT}/scripts/geo-tracker.py" \
       --brand {slug} --action audit-visibility \
       --query "best project management tool for agencies" \
       --platform ai-mode \
       --result cited \
       --context "AI Mode named the brand and linked its comparison page" \
       --url "https://brand.example/compare"
   

   有效的 --platform 值包括 6 个标准界面：ai-mode、ai-overviews、chatgpt、perplexity、gemini、copilot。
5. 与基线比较：如果存在先前的监测数据，则将当前分数与最近一次检查和原始基线进行差异比较：

   python "${CLAUDE_PLUGIN_ROOT}/scripts/geo-tracker.py" --brand {slug} --action diff
   

   找出每项查询和每个平台的提升（分数上升）、下降（分数降低）、新增曝光（从未出现变为可见）、曝光流失（从可见变为未出现）以及新机会（竞争对手出现但品牌未出现的查询）。
6. 计算可见度分数：计算各平台的可见度分数（该平台所有查询分数的平均值，按 0-100 进行缩放）、各意图类型的分数（品牌在信息型查询与交易型查询中的可见度），以及整体 GEO 健康度分数（按权重计算所有平台和查询类型的平均值）。如果用户提供了竞争对手，也为每个竞争对手计算相同的分数，以便进行排名。
7. 评估叙事一致性：针对品牌出现的查询，将 AI 的描述与品牌档案中期望的品牌定位进行比较。标记叙事偏差（AI 对品牌的描述与预期定位不同）、过时信息（AI 引用旧功能、旧价格或旧领导层信息）、关键属性缺失（AI 未提及核心差异化优势）以及错误描述（AI 对品牌的事实陈述有误）。
8. 生成建议：根据薄弱环节，按优先级列出提升 AI 可见度的行动——创建或更新更易被引用的内容、添加结构化数据、修复实体一致性问题（参照 /digital-marketing-pro:entity-audit）、纠正叙事偏差，以及最值得投入资源提升可见度的平台。

输出

一份全面的 AI 可见度监测报告，包含：

• AI 可见度评分卡：各平台的评分（ChatGPT、Perplexity、Gemini、Google AI Mode、AI Overviews、Copilot——6 个规范化观察面）采用统一的 1-10 评分标准；此外，还提供按 0-100 缩放并带有字母等级（A-F）的整体 GEO 健康度评分，用作趋势视图，并显示相较上次检查的趋势指标。各平台的 1-10 评分是权威评估；0-100 等级仅用于清晰呈现长期变化。
• 查询级结果矩阵：每个查询与平台的组合均包含评分、回复摘录和标记；可按平台、意图类型或评分排序
• 趋势报告：各平台及整体评分相较基线和上次检查的变化；通过迷你趋势线指示方向性趋势，并列出有所改善或下降的具体查询
• 叙述一致性评估：逐个平台总结 AI 回复与期望品牌定位的契合程度，并标出具体的偏离、过时信息和缺失属性
• 竞争基准分析：如果提供了竞争对手，则并列展示可见度评分、竞争对手胜过品牌的查询，以及各品牌在 AI 回复中占据的叙述领域
• 改进机会优先项：品牌缺失或曝光不足但竞争对手可见的查询与平台，以及高意向查询中未出现品牌信息的情况
• 按影响力排序的建议行动：具体行动的优先级列表，包括内容创建、结构化数据更新、实体修复、引用建设，并估算其对可见度评分的影响和所需投入
• 执行日志条目：带时间戳的记录，包含查询数量、平台数量、整体评分、趋势方向和关键标记，便于审计追踪

使用的 Agent

• seo-specialist — 分析生成式引擎中的 AI 可见度；按意图类型设计查询组合；采用“引用-提及-缺失-误述”评分标准评估可见度；根据品牌定位评估叙述一致性；提供引用建设建议；优化结构化数据以提升 AI 可发现性；制定优先级行动计划以提高 GEO 健康度评分
• performance-monitor-agent — 跟踪各监测周期的趋势并与基线比较；检测各平台和各查询的评分变化；对显著的可见度下降或上升触发阈值警报；长期跟踪竞争对手评分；维护 GEO 健康度评分历史记录，以进行长期趋势分析