品牌AI推荐场景与曝光缺口

它解决什么问题

当你的品牌出现在 ChatGPT 的搜索回答里时，并不代表你已经覆盖了用户所有可能的提问场景。大多数团队只盯着少数几个核心关键词，却不清楚在长尾问题、细分行业术语或特定使用场景下，自己的品牌是否真的会被推荐。这个技能要解决的就是这个问题：系统性地测出哪些 ChatGPT 搜索查询会提及你的品牌，哪些查询场景下你完全缺席。

核心能力与工作方式

技能分五个步骤推进：

• Step 0：拉取已索引的真实曝光。优先调用 DataForSEO 的数据，看品牌域名是否已有被 AI 引用过的查询记录。如果有 ≥20 条，直接作为 ground truth 使用，省去猜测成本；少于 20 条则作为种子输入继续扩展；为 0 则进入推测测试模式。
• Step 1：品牌调研。如果没有提供 --industry 或 --features，技能会先联网了解品牌所处行业、与竞品的差异化以及独特功能。
• Step 2：生成长尾查询。围绕五个类别构造 15–20 条查询：特性专属、B2B / 决策者视角、问题解决型、比较 / 替代品、细分使用场景，刻意避开通用词以免被头部玩家碾压。
• Step 3–4：实测与判定。通过 OpenAI 的 gpt-4o-search-preview 模型逐条发起带网络搜索的查询，对返回文本做大小写不敏感、变体（空格 / 点 / 连字符）匹配，命中时提取前后约 200 字符的上下文并记录推荐位置。
• Step 5：汇总报告。输出概览表，包含查询、是否提及、上下文片段和推荐位次；当 ground truth 数据充足时，重点做缺口分析，比如按 /guides/ 或 /tools/ 页面板块分类对比。

适用边界与注意点

• 结果仅反映 ChatGPT 开启网络搜索后的行为，Gemini、Copilot 可能给出不同答案，且不同轮次因搜索新鲜度存在轻微波动。
• 每条查询约花费 $0.01，默认一轮 15–20 条，预算约 $0.15–0.20；建议串行执行并加 1–2 秒延迟避免触发限流。
• 技能遵循严格的安全边界：只处理你明确授权的材料，不主动读取范围外文件；需要联网、调用接口或执行外部写入前，会先说明目标与影响并获得确认。
• 营销输出仅为合规方案和测试建议，不承诺流量、排名或成交，也不设计绕过平台规则的做法。