SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场geo-brand-mentions

geo-brand-mentions

营销与增长

查看项目

更新于 10-15 15:35

技能介绍

用途

geo-brand-mentions 是一个品牌提及与权威度扫描技能，用于评估品牌在 AI 可见性方面的表现。其核心观点是：品牌提及与 AI 可见性的相关性约为传统外链的 3 倍。该技能引用了一项 Ahrefs 于 2025 年 12 月发布的研究，该研究分析了 75,000 个品牌在 AI 搜索平台上的表现，发现「未链接品牌提及」（即提到品牌名但不带超链接）比 Domain Rating 或外链数量更能预测 AI 系统是否会引用和推荐某个品牌。

关键发现是：提及出现的平台极其重要。并非所有提及价值相同。YouTube 或 Reddit 上的提及对 AI 引用的权重远高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索引高互动平台。这颠覆了传统 SEO 的一个核心假设：在传统 SEO 中，来自高 DR 网站的外链是黄金标准；但在 GEO 中，Reddit 上的未链接提及或 YouTube 视频描述中的提及，可能比来自 DR 70 博客的 dofollow 外链更有价值。

主要能力

该技能基于 Ahrefs 2025 年 12 月研究以及 Profound（2025）和 Terakeet（2025）的佐证研究，给出 AI 引用平台重要性排序：

  1. YouTube 提及——相关性约 0.737（最强）。检查项包括：品牌 YouTube 频道是否活跃、订阅数与视频数、上传频率；第三方视频提及；视频描述中的品牌名；视频转录文本中的品牌提及（AI 模型会索引转录内容）；YouTube 搜索呈现；评论提及。

  2. Reddit 提及——高相关性。检查项包括：相关 subreddit 中的讨论；提及量与趋势；情感倾向（正面/负面/中性）以及常见称赞点与抱怨；是否有官方账号参与或做过 AMA；是否出现在「求推荐」类帖子中以及是否为最高推荐；是否有自己的 subreddit 及其活跃度。

  3. Wikipedia 存在性——高相关性。检查项包括：品牌或公司是否拥有自己的 Wikipedia 条目及是否存在删除或质量问题；创始人/CEO 是否拥有 Wikipedia 页面；品牌网站是否被 Wikipedia 文章引用为参考文献；是否有 Wikidata 条目及其完整度；是否在其他 Wikipedia 文章中被提及；条目质量等级（stub、start-class 或更高）。

  4. LinkedIn 存在性——中等相关性。检查项包括：公司页面及其粉丝数、发帖频率；员工（尤其管理层）的思想领导力内容；非员工、行业分析师或客户的提及；长文 LinkedIn 文章；员工档案完整度；帖子互动指标。

  5. 其他平台——补充性。包括 Quora（中等相关，B2C 较高、B2B 较低）、Stack Overflow / Stack Exchange（对开发者导向品牌高度相关）、GitHub（对开源和开发者品牌高度相关）、行业论坛与社区（如 Hacker News、ProductHunt、行业 Slack）、新闻与媒体（时效性重要，近 6 个月的提及远比 3 年前有价值）、播客（中等且增长中，转录文本日益被索引）。

评分方式

各平台先按 0-100 分独立打分，评分标准以表格形式给出分级区间（90-100、70-89、50-69、30-49、10-29、0-9）及对应标准。随后计算综合品牌权威度得分：

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

权重依据：YouTube 25%（与 AI 引用相关性最强）、Reddit 25%（第二强，对产品推荐关键）、Wikipedia/Wikidata 20%（实体识别基础）、LinkedIn 15%（专业权威信号）、其他平台 15%。

综合分解释：85-100 为 Dominant（主导），品牌在 AI 平台上被广泛认可，极可能被引用推荐；70-84 为 Strong（强），跨平台存在稳固；50-69 为 Moderate（中等），存在缺口、引用不一致；30-49 为 Weak（弱），平台存在有限；0-29 为 Minimal（极少），几乎不会被引用。

使用方式

分析流程分四步：

步骤 1：收集品牌信息，包括品牌名（准确拼写及官方变体）、创始人/CEO 姓名、域名 URL、行业/类别、前三项关键产品/服务、关键竞争对手。

步骤 2：平台扫描。通过 WebFetch 对各平台进行搜索与评估。YouTube 使用 [brand name] site:youtube.com 与 "[brand name]" site:youtube.com 等查询，检查官方频道路径与第三方提及数。Reddit 同样执行站内搜索并检查官方 subreddit 与账号。Wikipedia 检查强调必须同时使用多种方法以避免假阴性：先使用 Python API 检查（最可靠），再以直接 URL 访问作为备用验证，最后用搜索补充；API 若报告页面存在，则以 API 为准，不得用搜不到的搜索结果推翻。LinkedIn 检查公司页面与粉丝数、发帖频率等。其他平台按品牌类型选择性检查 Quora、Stack Overflow、GitHub、Hacker News 与新闻。步骤 3：情感评估，对 Reddit 等讨论平台按正面、中性、负面、混合四类指标判断。步骤 4：可选的竞争对手对比。

适用场景

适用于希望在 AI 搜索与生成式引擎中获得更高被引用和推荐概率的品牌与团队，尤其是需要诊断跨平台实体存在感、识别哪些平台的品牌提及缺口最大、并将优化重点从传统外链转向高互动平台提及的场景。对开发者导向品牌可重点参考 Stack Overflow 与 GitHub 维度。

限制

资料中引用的相关性数据来自第三方研究（Ahrefs、Profound、Terakeet），属于相关性而非因果结论。各平台评分标准为资料中给定区间，实际执行时需按品牌品类调整口径。新闻提及的时效性以近 6 个月为参考。技能本身的安装方式、运行环境依赖、价格与输出格式等细节，资料中暂未提供。