narrative-tracker

/digital-marketing-pro:narrative-tracker

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/ 文件夹并列。请使用 Python 3.10 或更高版本运行：使用 python；如果找不到 python，则使用 python3（macOS 和许多 Linux 系统）。

用途

追踪并分析 AI 引擎构建的品牌叙事。监控 ChatGPT、Perplexity、Gemini 等在被询问品牌时会如何描述品牌；将这些描述与预期定位进行比较；检测偏移或失实描述；并识别竞争对手何时开始在 AI 回复中占据叙事空间。与衡量品牌是否出现的可见度监控不同，叙事追踪衡量的是 AI 引擎所讲述的故事——具体说了什么、是否符合预期定位，以及故事如何随时间变化。这能帮助营销人员获得洞察，通过有针对性的内容策略主动塑造 AI 对品牌的认知，而不是等到造成损害后才采取行动。

所需输入

用户必须提供以下信息（或将收到提示）：

• 期望的品牌定位陈述：品牌希望 AI 引擎体现的核心定位——价值主张、市场定位、关键差异化优势和目标受众。如果未明确提供，则从品牌资料的定位和消息传递部分提取
• 需要在 AI 回复中核实的关键品牌属性：AI 引擎描述品牌时应提及的具体属性、主张或主题，例如“企业级安全性”“成立于 2015 年”“服务超过 10,000 名客户”“在[类别]中处于领先地位”。这些将成为叙事一致性评分的核对清单
• 需要追踪叙事的竞争品牌：一个或多个竞争对手，其 AI 叙事应与品牌一同监控——以便发现叙事空间的变化，例如竞争对手开始占据此前与用户品牌相关联的主题
• 要监控的 AI 平台：ChatGPT、Perplexity、Gemini、AI Overviews、Copilot——默认监控全部平台。用户可以将范围缩小到与其受众最相关的平台，或曾发现问题的平台
• 查询类型：品牌查询（“介绍一下 [品牌]”）、比较查询（“[品牌] 与 [竞争对手] 对比”）、类别查询（“最佳 [类别] 解决方案”）和问题解决方案查询（“如何解决 [品牌所针对的问题]”）。建议采用均衡组合，以全面覆盖品牌叙事

流程

1. 加载品牌背景：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的品牌 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。提取品牌定位、关键信息、差异化优势、价值主张、目标受众和竞争主张——这些内容构成了评估 AI 回复时所依据的参考叙事。同时检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指导原则——如果有，则加载信息传达的注意事项和禁忌，以及定位方面的限制。如果没有品牌，请询问：“先设置一个品牌？(/digital-marketing-pro:brand-setup)”——或者根据用户提供的定位陈述继续操作。
2. 查询 AI 平台并记录叙事：对每个平台上的每个查询，记录 AI 生成的完整回复并提取叙事内容——AI 如何描述品牌、如何将其与其他选择进行对比、突出哪些属性、遗漏哪些内容，以及有哪些错误。记录完整的回复文本，而不只是分数，因为叙事分析需要 AI 引擎实际使用的措辞和表达方式。
3. 评估叙事一致性：根据期望的定位，从关键维度比较每条 AI 回复。对于每项关键品牌属性，标记为存在（AI 准确提及该属性）、缺失（AI 遗漏该属性）、失真（AI 提及该属性，但表达方式有误或带有负面倾向）或已过时（AI 引用了该属性的旧版本）。标记 AI 对品牌事实陈述中的错误信息。如果 AI 对品牌的定位相较于上次检查发生变化，即使内容没有错误，只是表达方式或侧重点改变，也要标记为叙事偏移。按平台和查询类型计算叙事一致性分数。
4. 跟踪竞争对手的叙事：对每个竞争品牌运行相同类型的查询。记录 AI 引擎对竞争对手的描述——其定位、突出属性和宣称的差异化优势。识别叙事阵地转移——以前与用户品牌相关、如今出现在竞争对手描述中的主题或属性，或者竞争对手开始主张的中性领域。绘制各品牌在 AI 回复中占据的叙事主题。
5. 记录所有叙事：通过 python "${CLAUDE_PLUGIN_ROOT}/scripts/geo-tracker.py" --brand {slug} --action track-narrative --platform {platform} --context "{what the AI said}" 存储完整的叙事数据（有可用信息时添加 --query/--url）。数据载荷会记录时间戳、平台、查询、回复文本、一致性分数、属性存在/缺失/失真标记、错误信息标记和竞争对手叙事数据。
6. 与之前的快照进行比较：如果存在之前的叙事数据，将当前叙事与最近一次检查进行比较。检测 AI 开始与品牌关联的新主题、不再出现的缺失主题、同一属性描述方式发生变化的表达偏移、先前标记的错误信息已得到纠正的已解决问题，以及上次检查后出现的新问题。
7. 制定叙事纠正策略：根据所有发现，制定有针对性的内容策略，以影响 AI 对品牌的认知——创建内容，在可引用的来源中确立缺失的属性；更新内容，纠正 AI 引擎正在引用的过时信息；更新结构化数据和实体信息，以强化正确的定位；寻找可信赖 AI 引擎的高权威平台上的引用机会；以及针对竞争对手正在抢占叙事阵地的查询，制定防御性内容策略。

输出

包含以下内容的综合叙事追踪报告：

• 叙事一致性报告：按平台和查询类型列出一致性评分，显示 AI 回复与预期品牌定位的匹配程度，并提供总体叙事健康评分及与上次检查相比的趋势
• 错误表述标记：指出 AI 回复中的具体事实错误——AI 的说法、实际情况、涉及的平台、触发该回复的查询，以及严重程度（轻微不准确、重大错误或有害的错误表述）
• 叙事偏移指标：追踪与上次检查相比 AI 引擎对品牌的呈现方式变化——重点转移、新关联、关联减弱和语气变化。即使内容并非事实错误，偏移信号也表明 AI 对品牌的认知正逐渐偏离预期定位
• 竞争对手叙事对比：并列分析 AI 引擎对品牌和各竞争对手的描述——属性归属、定位差异，以及各平台上的相对叙事优势
• 叙事领域地图：以可视化方式展示 AI 回复中各品牌“占据”的主题和属性——包括共享领域、争夺领域，以及代表机遇的未占据领域
• 内容建议：提供具体的内容创建或更新建议，以纠正叙事问题、强化薄弱属性、守护争夺中的领域并占据未开发的叙事空间——注明目标平台、格式和预期叙事影响
• 历史趋势：各监测周期的叙事一致性评分历史，并标注关键事件（内容发布、实体更新、竞争对手发起活动），以便将相关行动与叙事变化关联起来
• 执行日志条目：带时间戳的记录，包含平台数量、查询数量、总体一致性评分、错误表述数量、偏移标记和关键叙事变化，供审计追踪使用

使用的 Agent

• seo-specialist — 分析各 AI 引擎回复中的叙事，评估与品牌资料的定位一致性，检测属性呈现和失真，制定影响 AI 认知的引用策略，提供用于纠正叙事的内容优化建议，并指导如何通过结构化数据和实体更新强化知识来源中的准确信息
• competitive-intel — 追踪各 AI 平台上的竞争叙事，绘制品牌与竞争对手之间的叙事领域地图，检测竞争对手叙事主题增减的领域变化，通过属性级分析对比竞争定位，并提供策略建议，以守护并拓展 AI 回复中的叙事领域