GEO 品牌诊断
定义
面向 AI 搜索时代的品牌健康体检。它持续回答三个问题：AI 怎么说你、你占多少份额、下一步该往哪使劲。
你会拿到什么
- 舆情分析：AI 回答相关问题时如何描述你——正面、负面，还是根本没提到你。
- 竞品对比：既盘点市场上已有的老对手，也挖出你尚未察觉、却正在 AI 眼中替代你的新玩家，并逐项与你的品牌对照。
- 份额评估：在同类品牌中，你的 AI 声量份额（SOV）究竟是多少。
- 优化建议：具体到内容渠道与关键词方向，并指出当下最大的提升空间，而不是丢给你一堆看不懂的数字。
为什么可信
方法论：先划清你的"话题地盘"
多数工具只统计"你的名字出现了几次"，我们更关心你的竞争边界在哪里。
这里借鉴了反垄断领域"相关市场界定"的核心逻辑——需求替代原则：从用户真实的 AI 提问出发，看哪些品牌在解决同一类需求时被 AI 同时提及。只有真正能替代你的，才算你的对手。这样才不会把不相干的品牌硬拉到一起比。
算法：用 Jaccard 系数量化重叠
方法还得能大规模跑起来。我们用 Jaccard 相似系数，在海量 AI 查询数据上自动算出你与他人的关系网——只看一件事：两个集合的交集占并集的比例。这比单纯计次数精准得多。
两个核心指标
SOV（声量份额）——"你有多少"
把领域内的总提及量看成一块固定大小的蛋糕，SOV 就是你切走的那一块。它给你宏观的江湖地位；分母封版固定，所以趋势线不会打漂。
Jaccard 系数——"你跟谁抢、你是谁"
衡量你与另一个品牌或话题的蛋糕重叠了多少。
- 与竞品重叠高 → 在 AI 眼里你们高度可替代，这就是你的主战场。
- 与某话题重叠高 → 这就是 AI 给你贴的标签。
一句话：SOV 告诉你你有多少，Jaccard 告诉你你跟谁抢、你是什么。
既能看趋势，又不漏掉新对手
三个机制配合使用：
- 定期封版：锁定一段时间内的领域总提及量作为固定分母，让 SOV 的对比有稳定基准，不会因数据池忽大忽小而失真。
- 快照序列：一期期封版连起来，形成清晰趋势线，看出你是在进步还是被赶超。
- 新玩家观察名单：封版期间，系统仍会自动嗅探突然冒头的新品牌和新话题，让你既有稳定的历史趋势，又不会对新入场者失明。
它不做什么
- 不是实时监控：不提供 7×24 小时舆情报警，不负责盯突发负面。
- 不提供定时推送：交付的是阶段性深度诊断报告，而非碎片化信息流。
它适合谁
如果你需要的是"每天盯住每个关键词"，请查看 GEO 项目监控。
如果你的需求是：看不清 AI 搜索里的战场全貌、找不到该主攻的赛道、不知道 AI 中的份额被谁抢走——GEO 品牌诊断就是为你准备的战略导航仪。
Q1：同一个问题，AI 每次的回答都可能略有不同，你们的数据如何保证稳定可靠？
我们采用的并非单次抽样的偶然结果，而是一套“抽象稳定收敛”机制。具体来说，我们会对 AI 的回答进行语义层面的抽象，持续监测其中关键信息点的一致性。
只有当一致性收敛至 90% 以上的稳定状态后，我们才会锁定这一轮回答的特征值，并在此基础上进行均值计算。这种做法有效过滤了 AI 输出的随机波动，使分析结论能够反映真实的品牌印象，而非单次采样的个例扰动。
Q2：你们提到的“问题簇”和“查询改写词表”是怎么来的，有真实依据吗？
它们完全建立在真实信源数据之上。我们从多个主流自媒体平台抽取了内容的阅读量、点赞量、评论数等实际互动指标，再通过算法将这些高维互动特征映射为可操作的查询改写词。
这一过程确保了改写词不是人工臆造的关键词罗列，而是源于用户真实的信息消费与表达习惯。最终，您看到的是一个真实反映用户需求分布的问题簇，以及与之严格对应的查询改写词表，让优化动作有据可依、直接可执行。
