yao-geo-effect-monitor

Yao GEO Effect Monitor

When To Use

• 为 GEO 长期运营建立 AI 答案监测、引用源追踪、品牌表述纠偏和效果归因闭环。
• 面向客户月报、内容迭代、页面优化、外部信源建设或品牌事实纠偏输出后端监测方案。
• 覆盖国内平台：DeepSeek、豆包、千问、Kimi、元宝，并为每个平台建立独立采样口径。
• 默认交付 Word、PDF、HTML、Markdown 四格式报告，要求白底、表格边框、对齐、换行和页面溢出可控。

Do Not Use

• 一次性 GEO 战略诊断，优先用 yao-geo-panorama-audit。
• 只做 CRM 字段、表单和转化追踪，不需要 AI 答案监测，优先用 yao-geo-tracking。
• 需要绕过平台限制、批量滥采、模拟真人登录或违反服务条款。
• 只需要内容生产或文章改写，不需要监测闭环。

Required Inputs

最少输入：品牌名、目标平台、监测目标或报告周期。可选输入包括意图拓词 Prompt 库、竞品名、目标页面、内容清单、基线数据、发布日期、更新记录、CRM 或转化数据、外部信源清单、历史 AI 答案样本、设备、账号、地区、联网状态和合规限制。

Required Reading

• references/research-basis.md
• references/monitoring-method.md
• references/cn-platform-sampling.md
• references/data-acquisition.md
• references/metrics-attribution.md
• references/correction-loop.md
• references/dashboard-data-model.md
• references/report-completeness-model.md
• references/artifact-layout.md
• references/quality-gates.md

Workflow

1. 统一监测对象：品牌名、别名、产品名、竞品名、官网域名、公众号、文档站、媒体稿、社区和视频号。
2. 做权威参考扫描：先收集官网、官方文档、投资者/监管/标准资料、研究论文和可信第三方来源，建立来源账本，再进入分析。
3. 做公司测试场景发现：从公开事实提炼产品线、客户场景、AI/新功能、价格边界、集成生态、中文资料可得性和竞品/替代品，再映射到 Prompt 组。
4. 建立 Prompt 库：按 推荐、比较、替代、价格、风险、品牌验证、场景问法 七组组织，每组保留核心问法、长尾问法、对照问法和追问问法。
5. 建立五平台独立采样口径：DeepSeek 记录结论稳定性和证据链；豆包记录口语问答和图文输出；千问记录引用源和追问；Kimi 记录深度研究与长文引用；元宝记录微信生态来源和公众号内容表现。
6. 选择数据接入模式：按 合成回放、人工真实样本、授权 API/连接器、浏览器辅助合规采样、CRM/转化数据导入 分级，先确认权限、频率、证据和隐私边界。
7. 执行采样并记录环境：平台、时间、设备、账号状态、地区、联网状态、Prompt 版本、答案原文、引用链接、截图、导出文件、接口日志或其他可审计证据。
8. 做真实数据可用性判定：没有原始答案、截图/导出、采样环境和来源记录时，不得把结果标成真实采样；只能标成合成样例、推断或待复核。
9. 按六层模型分析：覆盖可见性、事实性、证据性、稳定性、竞争性和治理/归因，不允许只输出单维度指标。
10. 计算指标：品牌出现率、候选率、推荐率、排序、竞品出现率、负面表述率、描述准确率、事实错误率、引用召回率、引用准确率、引用类型覆盖、答案稳定性。
11. 做引用源追踪：区分官网、公众号、媒体、百科、社区、视频号、文档站、评测站、聚合页和竞品页面，并判断引用是否支持对应说法。
12. 做谨慎归因：设置基线窗口、观察窗口、处理 Prompt、对照 Prompt、竞品对照和外部事件记录；默认使用 观察相关，只有证据充分才提高归因置信度。
13. 生成纠偏闭环：把错误事实、缺失证据、弱页面、负面表达和引用缺口映射到知识库、内容改造、页面设计、外部发布或销售口径。
14. 输出系统、详细、完整的报告：必须包含来源账本、数据接入声明、分析边界、指标体系、平台差异、引用质量、风险治理、纠偏路线图、仪表盘/API 和附录。

Output Contract

• GEO 后端监测方案
• 权威参考与来源账本
• 五平台采样口径
• 真实数据接入模式与证据等级
• 公司测试场景发现表
• 监测 Prompt 库
• 指标体系与计算口径
• 引用源追踪规则
• 答案差异分析与谨慎归因
• 纠偏任务表
• 月报模板
• 阈值告警规则
• 复盘节奏
• 仪表盘字段说明
• 数据库表结构和 API 草案
• 治理、合规、数据质量和置信度说明
• 真实数据可用性判断：可用、部分可用、不可用、合成演示
• 附录：Prompt 全表、指标字典、来源账本、采样记录字段
• 风险、合规与置信度说明
• 默认四件套：Word、PDF、HTML、Markdown

Validation Checklist

• 四个示例或交付文件真实存在，并能被 file、文本抽取或浏览器打开校验。
• HTML、Word、PDF、Markdown 来源一致，章节和关键表格一致。
• 报告为白底，表格边框完整，列宽、换行、行距和页边距不溢出。
• 五个平台都有独立采样口径，不混用一个平台结论。
• 必须明确 sample_mode 和证据等级；没有可审计原始样本时，不得声称拿到真实平台数据。
• 不只看品牌出现率，也计算候选率、推荐率、描述准确率和引用质量。
• 引用质量同时检查召回和准确，不把引用链接数量等同于可信度。
• 归因必须有基线、观察窗口、对照 Prompt、竞品对照和混杂因素记录。
• 采样方式不违反平台服务条款；批量自动化必须写频率、权限和人工复核边界。