Agent Skills
返回列表
品牌实体信息与搜索认知一致性诊断

品牌实体信息与搜索认知一致性诊断

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/entity-audit。

技能介绍

AI 引擎在决定要不要提及一个品牌时,其实在做一件很朴素的事:把 Wikidata、Google 知识面板、维基百科和行业目录里的说法互相比对。只要知识源之间对官网、创立时间、总部地址这类基础信息存在分歧,结果就是品牌被整段跳过,或者被呈现为互相矛盾的碎片信息。这不是靠写更多内容能解决的,问题出在实体层。

核心能力

  • 多平台字段级比对:以 profile.json 中的属性作为基准值,逐字段检查各平台实际取值,区分为一致、冲突、过时或缺失,并给出两侧的具体差值
  • 按属性聚合差异报告:不只是列出各平台问题,而是按属性重组,一眼看出哪些信息在全网系统性地打架,进而计算整体实体一致性得分
  • 影响驱动的修复排序:修正方案按对 AI 可见性的影响排序。Wikidata 属性调整优先,因为它直接作用于知识图谱;其次处理知识面板声明;再修正维基百科的准确性;最后统一目录信息

判定流程

  1. 读取 ~/.claude-marketing/brands/{slug}/profile.json 加载品牌基准属性作为判断依据
  2. 检查 Wikidata 条目,逐属性核对官网(P856)、社交账号、创立日期(P571)与行业分类,记录每项属性状态。若条目不存在,评估该实体是否满足创建门槛
  3. 检查 Google 知识面板是否已声明,图片是否最新,面板内容是否与基准值一致
  4. 评估维基百科条目是否存在及其准确性,以及引用是否充足。若条目缺位,给出关注度判断,建议是否值得创建
  5. 遍历行业目录条目,重点标记 NAP(名称、地址、电话)不一致,这类冲突对 AI 实体消歧的冲击最大
  6. 按平台逐条记录发现,生成一致性得分与差异详情,输出日志条目

适用边界

  • 需要先完成品牌档案配置。否则只能用用户提供的属性做临时比对,无法长期追踪修复效果
  • 官方的修复动作仍需在对应平台人工执行。本技能给出操作指引,不代替 Wikipedia 的可靠来源要求或知识面板的声明流程
  • 知识面板的数据来源有一部分不可见,属于外部限制
  • 维基百科关注度需要独立的可靠来源背书,如果素材不满足,创建条目的难度不可忽略

使用场景

  • 品牌官网在 Wikidata 与目录中不一致,AI 回答给出矛盾的总部地址。你需要定位冲突字段并输出纠正清单。
  • Google 知识面板未声明且展示的社交账号与档案不符,你需要明确声明流程并列出图片与类目等更新操作项。
  • 维基百科缺少品牌条目或信息过时,阻碍 AI 引用。你需要评估关注度是否达标,并生成创建大纲或修订建议。
  • 本地平台店铺名称、电话与地址存在拼写差异,导致 AI 实体消歧失败。你需要挑出 NAP 不一致并按影响排序。

适合人员

  • 品牌总监:需要确保全网实体信息与官方档案一致,避免 AI 引擎输出错误或矛盾的品牌资料。
  • 增长黑客:正在处理品牌在 AI 搜索回复中缺席的问题,需要一套按优先级排序的实体修复清单来恢复可见性。
  • 本地生活运营:负责多家分店的平台信息录入,苦于各处的地址与电话拼写不一,急需自动化诊断 NAP 的流程。
  • 数字公关负责人:正在评估并提议创建维基百科条目,需要客观的关注度测评报告来论证该项目的可行性。