SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场geo-state-report

geo-state-report

营销与增长

查看项目

更新于 10-16 04:13

技能介绍

GEO state report 是一个用于追踪品牌在大型语言模型（LLM）中可见性的技能，通过 Bright Data 数据集自动收集数据并生成 HTML 报告。

用途

该技能帮助用户定义对其业务重要的提示词，从主流 LLM 体验（ChatGPT、Perplexity，可选 Gemini）收集结果，并生成包含行动建议的 HTML 报告。Bright Data API 是自动化收集的强制要求。

主要能力

  • 定义与业务相关的提示词（初始 2-10 条）。
  • 从 ChatGPT、Perplexity 和/或 Gemini 收集 LLM 响应。
  • 分析品牌在 LLM 中的可见性：被引用、被提及或不可见。
  • 生成包含优先行动建议的 HTML 报告。
  • 提供 fan-out 查询洞察、来源分解（UGC、YouTube、网页）、竞品提及分析。

使用方式

输入收集

  • 品牌/网站：目标域名（如 example.com）、品牌词（如产品名、创始人名）、竞品域名（可选）。
  • 提示词列表（初始 2-10 条）。
  • 国家/语言。

必需工具

  • BRIGHTDATA_API_KEY 环境变量（或由用户提供）。
  • 每个计划运行的聊天机器人对应的 Bright Data 数据集 ID。

数据集 ID（固定不变）：

  • CHATGPT_DATASET_ID = "gd_m7aof0k82r803d5bjm"
  • PERPLEXITY_DATASET_ID = "gd_m7dhdot1vw9a7gc1n"
  • GEMINI_DATASET_ID = "gd_mbz66arm2mf9cu856y"

重要：运行脚本前，询问用户要运行哪些聊天机器人（ChatGPT、Perplexity、Gemini），可选择一个、两个或全部三个。仅将所选聊天机器人的数据集 ID 传递给脚本。

API 密钥安全说明

  • 避免在聊天消息或代码中暴露 BrightData API 密钥。
  • 检查密钥是否存在：运行脚本前，检查 BRIGHTDATA_API_KEY 是否已在环境中设置：
    if [ -z "$BRIGHTDATA_API_KEY" ]; then echo "Not set"; else echo "Set"; fi
  • 如果密钥未设置：要求用户自行导出，步骤如下：
    1. 访问 https://brightdata.com 并登录。
    2. 导航到账户设置/API 部分。
    3. 如需要，生成新的 API 密钥。
    4. 在终端运行：export BRIGHTDATA_API_KEY="your-key-here"
  • 不要在聊天中粘贴密钥——用户应自行运行导出命令，但如果他们粘贴了，就直接使用（已经太晚了）。
  • 永远不要读取或显示密钥：如需验证是否设置，仅检查变量是否存在（非空），绝不回显或显示其值。
  • 如果缺失：停止并让用户使用上述导出命令设置。

收集脚本（Python）

使用：geo-state-report/scripts/brightdata-geo.py

脚本功能：

  • 触发数据集（第 1 部分）。
  • 轮询直到就绪（第 2 部分）。
  • 下载快照。
  • 将结果保存到 results.json（HTML 报告不由脚本生成）。

输出结构：所有文件保存在指定 --out-dir 内的日期文件夹（YYYY-MM-DD）中：

  • {out-dir}/{YYYY-MM-DD}/results.json - 完整结果数据
  • {out-dir}/{YYYY-MM-DD}/snapshots/{chatbot}.json - 每个聊天机器人的快照元数据
  • {out-dir}/{YYYY-MM-DD}/raw/{chatbot}-{snapshot_id}.json - 原始快照数据
  • {out-dir}/{YYYY-MM-DD}/report.html - HTML 报告（由 AI 生成，见下文）

示例运行：

# 确保 BRIGHTDATA_API_KEY 已设置（用户应自行导出）
python3 geo-state-report/scripts/brightdata-geo.py \
  --check-url "https://example.com" \
  --prompts-file prompts.txt \
  --chatgpt-dataset-id "gd_m7aof0k82r803d5bjm" \
  --perplexity-dataset-id "gd_m7dhdot1vw9a7gc1n" \
  --gemini-dataset-id "gd_mbz66arm2mf9cu856y" \
  --target-domains "example.com" \
  --brand-terms "Example,Example Product" \
  --out-dir ./geo-run

# 文件将保存在：./geo-run/2025-01-15/（或当前日期）

注意：仅包含用户所选聊天机器人（ChatGPT、Perplexity 和/或 Gemini）的数据集 ID 标志。

执行后分析

脚本成功完成后，必须：

  1. 从日期输出文件夹读取 results.json 文件。
  2. 分析数据并提供初步结论，包括：
    • 整体可见性摘要（被引用 vs 被提及 vs 不可见）。
    • 哪些聊天机器人对品牌表现最好/最差。
    • 跨提示词的关键模式（例如哪些提示词被引用，哪些没有）。
    • Fan-out 查询洞察（建议了哪些相关查询）。
    • 来源分解洞察（UGC vs YouTube vs 网页主导）。
    • 竞品提及（如有）。
    • 基于数据的最高优先级行动。
  3. 在同一日期输出文件夹生成 HTML 报告（report.html）：
    • 基于实际 results.json 数据创建美观、定制化的 HTML 报告。
    • 遵循下文“输出要求”部分的定制指南。
    • 保存到 {out-dir}/{YYYY-MM-DD}/report.html。
  4. 清晰简洁地向用户呈现这些结论，并告知已生成 HTML 报告。

输出要求

HTML 报告生成

重要：Python 脚本不生成 HTML 报告。你（AI）必须在读取 results.json 文件后从头生成 report.html。基于以下内容创建定制化、美观的报告：

  • 结果数据：分析实际 results.json 以突出关键洞察、异常和模式。
  • 用户专业水平：根据用户的 SEO 知识水平调整技术深度和解释。
  • 业务背景：针对其特定行业、阶段和目标定制建议。
  • 可操作性：使洞察立即可操作，有明确的下一步。

报告生成指南：

  • 脚本执行后读取 results.json 以了解实际数据。
  • 生成 HTML 报告时：
    • 直接在 HTML 中添加上下文评论/洞察（使用 HTML 注释或可见标注部分）。
    • 用视觉强调突出最重要的发现。
    • 基于数据定制“行动”部分，提供具体、优先级的建议。
    • 添加原始数字中不明显的、数据驱动的洞察。
    • 包含 fan-out 查询分析及具体内容机会。
    • 如果提及竞品，添加竞品分析。
    • 创建视觉层次以引导读者注意力。

设计原则：

  • 美观：使用现代、简洁的设计，良好的排版、间距和色彩对比。
  • 易读：清晰的部分、可扫描的布局、视觉层次。
  • 可操作：每个洞察都应导向明确的下一步或决策。

必需元素：

  • 单个 report.html（由 AI 生成，保存到日期输出文件夹）。
  • 每个提示词的摘要指标（被引用、首次引用排名、被提及、fan-out 查询、来源分解）。
  • 针对具体结果的优先级“行动”部分。
  • 页脚必须包含 holly-and-stick.com。

使用 obsidian/GEO Playbook.md 中的指导：

  • 列出提示词 → 追踪 → 等待 → 分析 fan-outs。
  • 为 fan-outs 创建缺失内容。
  • 战略性地定位 UGC 主导的来源。

适用场景

适用于希望追踪品牌在 LLM 中可见性的 SEO 专业人员、营销人员或企业，特别是需要了解品牌在 ChatGPT、Perplexity、Gemini 等平台中被引用和提及情况，并基于数据制定内容策略的场景。

限制

  • Bright Data API 是强制要求，需要有效的 API 密钥和数据集 ID。
  • 初始提示词数量限制为 2-10 条。
  • 需要用户自行设置环境变量，不能直接在聊天中暴露密钥。
  • HTML 报告由 AI 生成，非脚本自动生成。
  • 其他具体限制暂未提供。