Agent Skills
返回列表
GEO客户画像专家

GEO客户画像专家

企业运营 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_dd553c53/customer-profile-setup。

技能介绍

要解决什么问题

GEO(生成式引擎优化)能否让 AI 正确认识、理解并推荐品牌,很大程度取决于画像是否结构化、可验证、场景化。很多企业手里只有零散的客户基础信息表、企业资料或品牌简介,里面充斥着「行业龙头」「效果很好」一类口号,缺少参数、证书编号、案例量化与能力边界说明。这类材料直接投喂,容易触发 AI 幻觉,也会拉低 EEAT 里的经验与可信度信号。

本技能把「客户画像设置」当成 GEO 运营的基础搭建:把输入表诊断后,按固定框架产出可直接用于 GEO 投喂的 Markdown 画像文档。

技能如何工作

触发条件通常是用户提供客户基础信息表 / 企业资料表 / 品牌信息表,或明确提出「客户画像设置」「GEO 画像」「品牌画像」等需求。

工作流程分四步:

  1. 信息采集与诊断 — 按八大维度核对完整度,区分必填缺失与可推导项,标记虚词口号、缺量化数据、缺场景描述的内容。
  2. 八大维度画像构建 — 逐维按「整体框架」输出,包括核心业务信息、品牌故事、用户痛点、信任背书、客户案例、社会贡献、客户评价、创始人介绍;强调客观事实、可验证背书、不适用场景与 NAP 一致性。
  3. EEAT 信号校验 — 用 Expertise / Experience / Authoritativeness / Trustworthiness 四维自检专业表述、案例细节、资质可核验性与全渠道信息一致。
  4. 输出画像文档 — 分维度 Markdown,标注缺失项与改写建议;并可延伸生成品牌、意图、问答、搜索等场景需求关键词。

适用边界与注意点

  • 必填项(核心业务、品牌故事、痛点、信任背书)缺资料时需要向客户补充,不能凭空杜撰客户名称或量化成果。
  • 社会贡献、客户评价、创始人介绍等选填项可在已有信息基础上合理推导,但仍需遵守「可验证 > 空泛口号」。
  • 客户案例必须带边界说明(工况、物料差异等),画像优劣标准在 references/good-vs-bad-examples.md 等处有对照,生成时应主动避开「反面画像」写法。

使用场景

  • 收到制造业客户的品牌信息表,需整理成 AI 可抓取的八维画像用于 GEO 投喂
  • 律所或 B 端服务商资料里全是口号,要改成带证书编号与案例量化数据的结构化画像
  • 整合营销项目启动前,把零散企业简介诊断缺失项并输出带 EEAT 自检标注的 Markdown
  • 画像初稿完成后,需要基于内容延伸品牌、意图与问答类场景需求关键词

适合人员

  • 数字营销机构新媒体总监,需把客户基础表转化为符合 GEO 与 EEAT 的标准画像交付物
  • GEO/搜索营销顾问,负责替品牌搭建可被 AI 识别且信息一致的投喂文档
  • 企业服务文案或策略,要把「顶尖、一流」类表述改成参数、场景与能力边界并标出待补项
  • 长三角制造业、鞋服、医疗文旅等品牌运营,需统一 NAP 并补齐信任背书与客户案例结构