GEO 品牌可见度轻量快诊【云芯智能】

概述

GEO 轻量快诊（品牌可见度）

品牌 GEO（生成式引擎优化）可见度诊断专家。4 阶段搜索增强流水线，免 Key，含舆情与 YMYL 资质信源审计，支持行业分轨，输出 HTML 可视化报告。

定位：GEO 轻量快诊版（云芯AI 原创）。免 Key、含舆情、支持医疗/金融/法律 YMYL 分轨，适合快速摸底；深度交付请用 GEO 全流程交付服务（geo-go）。本 Skill 只做「诊断」，终点是 1 份 HTML 报告；不做工单、资产建设、验收与交付包。

原创性说明：本 skill 由云芯AI 在真实项目中重写，核心差异在于——通用 GEO 诊断模板（按 C 端家电设计）在 B2B / 医疗 YMYL 场景会严重失真（舆情维度恒高、竞品库错配、缺资质信源概念）。本版补入「行业分轨 + 资质信源优先 + 垂直赛道竞品识别 + B2B 声量模型」四块原创方法论，并经真实 B2B/医疗 YMYL 项目实战验证。

与 GEO 全流程交付服务（geo-go）的边界

何时用本 Skill：用户要「快速看看我们品牌在 AI 里啥样」「做个 GEO 诊断报告」「舆情口碑怎样」「先免费摸底再决定要不要做 GEO」「医疗/金融合规资质在 AI 里被引用了吗」。何时不要用本 Skill（交给 geo-go）：用户要「完整 GEO 优化方案」「交付 GEO 项目」「生成工单/资产/验收包」「要真实引用份额而非虚拟估算」。

路由与边界（避免与 geo-go 误触发）

• ✅ 直接触发：用户说「帮我快速诊断下 XX 品牌 GEO」「做个 GEO 诊断报告」「看看 AI 搜索里我们口碑/资质怎样」。
• ❌ 不触发本 Skill（路由到 geo-go）：用户说「帮我做完整 GEO 交付」「生成优化方案和验收包」「要真实多平台采样数据」。

原创方法论一：行业分轨（诊断前先判定）

通用 GEO 模板按 C 端家电（格力空调）设计，直接套 B2B / 医疗会失真。诊断第一步必须判定行业分轨，分轨决定搜索模板、竞品识别、评分维度。

判定规则：用户给定品牌所属行业 → 命中 YMYL（医疗/金融/法律/教育）走「YMYL 分轨」；命中工业设备/耗材/企业服务走「B2B 分轨」；其余走「通用分轨」。

原创方法论二：YMYL 资质信源优先原则（医疗/金融/法律）

YMYL（Your Money Your Life）行业，AI 答案的可信度取决于资质信源是否被引用，而非社媒声量。诊断时必须审计以下信源是否被 AI 检索与归因：

审计动作：搜索「{品牌} {资质}」真实数据 → 判定该资质是否出现在 AI 平台答案中 → 未出现则记为「强信号未沉淀」缺口（最高优先级优化项）。

原创方法论三：垂直赛道竞品识别（避免榜单错配）

通用「行业十大品牌」榜单（如医疗耗材十大品牌=美敦力/强生/威高…）与细分赛道真实竞品常错配。诊断竞品时必须：

1. 先确认品牌的细分赛道（如某齿科种植耗材企业=齿科种植耗材，而非通用医疗耗材）；
2. 竞品锁定同赛道专用品牌（齿科种植=Straumann/登士柏西诺德/Nobel/奥齿泰/登腾），而非跨品类巨头；
3. 竞品对比只在同赛道内做，避免「用美敦力对标一个种植体耗材厂」的逻辑失真。

原创方法论四：B2B 声量模型（修正 C 端模板）

B2B / 垂直医疗的「声量」不能套 C 端平台矩阵（什么值得买/B站/抖音/小红书）。诊断时：

• 自媒体覆盖改为：官网/百科/行业媒体/招投标公示/协会，C 端社媒近乎缺位属正常，不应判为「基建差」，而应判为「垂直信源待补强」；
• 舆情维度：B2B 医疗天然低负面（无人去小红书吐槽试管婴儿耗材），舆情健康度易虚高；须加「合规风险」子维度（召回/警告信/处罚）才不失真；
• 虚拟收录逻辑：区分「垂直赛道地位」（某国产种植体耗材企业=头部）与「跨品类 AI 认知」（长尾），不能用跨品类市占率单一推算。

核心概念

• GEO可见度 — 品牌在 AI 搜索回答中被提及的程度。不同于 SEO（搜索排名），GEO 关注 AI 生成回答中的品牌曝光。
• AIVO评分 — 四维等权重：AI搜索可见性(25%) × 基建完善度(25%) × 竞争优势(25%) × 舆情健康度(25%)。≥90优秀/≥75良好/≥60一般/<60较差。
• YMYL合规维度（原创扩展） — 医疗/金融/法律行业在四维之外追加「资质信源完整度」审计，作为建议项单列，不强行并入总分，避免掩盖合规缺口。
• 虚拟收录查询 — AI 模拟各平台回答推算品牌提及率。不同平台有偏好偏差，同品牌各平台提及率应有 ±8% 合理波动。
• 搜索增强 — 先 WebSearch 获取真实数据，搜索不足时降级为 AI 推理。真实数据标注来源，推理数据标注 ⚠️虚拟。

工作流程

用户: "帮我诊断某齿科种植耗材企业的GEO效果"
  │
  ├─ 📥 Step 1: 收集输入 + 判定行业分轨
  │   品牌名称(必填) + 产品类型(必填) + 官网(可选) + 行业分轨(通用/B2B/YMYL)
  │   → 已提供的直接提取，缺失项用 AskUserQuestion 补充
  │
  ├─ 🔧 Step 2: AskUserQuestion 选择AI平台（multiSelect，默认全选8平台）
  │
  ├─ ⚙️ Step 3-6: 4阶段流水线（见下方，YMYL分轨时追加资质信源审计）
  │
  └─ 📤 Step 7: 合并报告 → 输出 HTML 可视化报告

输入参数

平台编码

交互快捷规则

搜索增强与执行规范

搜索策略、速率控制、重试容错详见 references/search-strategy.md，搜索阶段执行前 Read。

各阶段搜索查询模板（含 YMYL 资质模板）详见 references/search-templates.md，搜索阶段执行前 Read。

YMYL / B2B 分轨规范详见 references/ymyl-medical.md（原创），行业分轨诊断前 Read。

4阶段流水线

阶段1 基础调研（搜索并行：组A+组B同时发起）
   ↓
┌─────────────────────────────────────────┐
│ 阶段2 收录+可见性  ←并行→  阶段3 舆情分析 │
│ （搜索并行）           （搜索并行）        │
└─────────────────────────────────────────┘
   ↓                        ↓
阶段4 评分建议（依赖2+3全部完成）

YMYL / B2B 分轨时，阶段1 追加「资质信源搜索组」，阶段4 追加「资质信源完整度」审计段。

合并策略

• 阶段1：USER_PROFILE + INFRA_EVAL + COMPETITOR + TRACK 合并为单次推理 → Write stage1.json
• 阶段2：虚拟收录查询结果 + AI搜索 + GEO效果 合并为单次推理 → Write stage2.json
• 阶段3：SENTIMENT step1+step2+step3 合并为单次推理 → Write stage3.json
• 阶段4：OVERVIEW + AIVO_SCORE + SUGGESTION(+YMYL) 合并为单次推理 → Write stage4.json
• 合并：node "geo-diag-report/scripts/merge-stages.js" <output-dir> <brand> <product> → 生成完整JSON

stageCode 映射

最终输出结构

{
  "version": "5.0",
  "brand": "<品牌名称>",
  "category": "<产品类型>",
  "track": "ymyl|b2b|general",
  "stages": {
    "OVERVIEW": { ... },
    "AIVO_SCORE": { ... },
    "USER_PROFILE": { ... },
    "AI_SEARCH": { ... },
    "INFRA_EVAL": { ... },
    "COMPETITOR": { ... },
    "GEO_EFFECT": { ... },
    "SENTIMENT": { ... },
    "SUGGESTION": { ... }
  }
}

stages key 必须使用上述 stageCode（大写）。

收录查询虚拟化

AI 模拟各平台回答推算品牌提及率。搜索增强：先 WebSearch 获取真实提及数据，无结果时纯推理。详细 Prompt 见 references/prompts.md 阶段2。平台偏好参数详见 references/platform-data.md。

输出规则

HTML报告

AI 每阶段独立输出JSON，merge-stages.js 合并后 build-report.js 生成HTML：

1. 阶段1完成 → Write diag-output/stage1.json
2. 阶段2完成 → Write diag-output/stage2.json
3. 阶段3完成 → Write diag-output/stage3.json
4. 阶段4完成 → Write diag-output/stage4.json
5. Bash: node "geo-diag-report/scripts/merge-stages.js" diag-output <brand> <product>
6. Bash: node "geo-diag-report/scripts/build-report.js" <merged-json-path> [output-path]
7. 脚本自动：读取模板 → 验证JSON → 替换占位符 → 输出HTML
8. ✅ 输出完成 → 告知用户报告路径

渲染脚本（scripts/）为通用 JSON→HTML 注入架构（读取模板 → 注入 report-data → 输出），无第三方 IP 依赖，可安全复用。

错误恢复

引用文件

references/ — 按需加载文档

scripts/ — 可执行代码

scripts/assets/ — 输出模板

执行规则（Bash 路径相对于 workbuddy-skills 根目录，Read 路径相对于 skill 根目录 geo-diag-report/）：

• 行业分轨判定：先 Read references/ymyl-medical.md（YMYL/B2B）或凭通用分轨
• 编排诊断前：Read references/skill-relations.md
• 阶段1前：Read references/prompts.md阶段1 + references/search-strategy.md + references/search-templates.md
• 阶段2+3前：Read references/prompts.md阶段2+3 + references/platform-data.md
• 阶段4前：Read references/prompts.md阶段4 + references/scoring-rules.md
• YMYL 分轨追加：Read references/ymyl-medical.md（调参参考）