GEO Metrics Tracker

一项面向 GEO 核心指标监控与告警 的编排型技能，可将静态的 GEO 分析转化为一个动态、基于时间的可观测性系统。

该技能聚焦于以下方面：

1. 定义 GEO 指标目录（AIGVR、SoM、引用量、覆盖率等）
2. 设计 跟踪模式、存储方案与埋点计划
3. 构建面向不同利益相关方的 仪表板与视图
4. 配置 告警与异常检测规则（激增/骤降、趋势断裂）
5. 建立 运维常规流程（每日/每周复盘、事件响应手册）

它不直接从第三方工具或模型中拉取数据。相反，它：

• 设计 整套系统（记录什么、记录到何处、记录频率、以及如何串联各工具）
• 产出 模式定义、仪表板规范、告警条件及工作流，供团队落地实施
• 协助将 GEO 战略转化为 可度量、可监控的信号

何时使用该技能

只要满足以下任一条件，即可调用本技能：

• 用户希望 持续追踪 GEO 表现，而非仅获取一次性报告：
  • “为 AIGVR / SoM / 引用量构建随时间变化的仪表板”
  • “当我们的 AI 引用量突然激增或骤降时通知我”
  • “为 GEO 指标构建一个统一管控中心（control tower）”
• 用户提及以下内容：
  • 将 AIGVR / SoM / 引用量 / 引用量 / AI 流量 作为关键绩效指标（KPI）
  • 强调 实时 / 近实时监控、仪表板、时间序列分析、告警规则
  • “监测 AI 驱动流量或引用量的突发性变化”
• 用户已具备（或计划构建）部分来自以下渠道的 GEO 测量信号：
  • 日志文件、分析工具、第三方 GEO 监控工具、人工抽样、自定义脚本
  • 通过 geo-report-builder 或类似技能生成的周期性快照

当用户表达如下意图时，该技能尤为适用：

• “我们的 AI 引用量突然下降——我们该如何正确监控这一现象？”
• “我们希望为管理层提供一份每日 GEO 指标看板”
• “将现有的 GEO 报告升级为实时仪表板，并对重大变化设置告警”

请勿仅依据上述关键词触发；只要用户意图是：
“为 AI 可见性设计或优化一套持续运行的 GEO 指标跟踪与告警系统”，即应触发本技能。

与其他 GEO 技能的关系

本技能应协同（而非替代）其他 GEO 技能共同工作：

• geo-report-builder:
  • 将其静态报告作为输入源或快照，用于构建趋势线与基线。
  • 将该技能的一次性分析拓展为时间序列视图、滚动窗口统计和告警机制。
• geo-studio:
  • 利用其战略优先级来确定哪些指标与实体最为关键。
  • 使仪表板与告警与目标意图、实体及产品保持对齐。
• geo-content-optimizer / geo-content-publisher:
  • 将它们的内容发布动作纳入实验时间线及发布后跟踪视图中。
• geo-site-audit:
  • 将审计结果转化为受监控的检查项（例如：schema 标记存在性、llms.txt 覆盖率随时间的变化）。

若上述技能尚未启用，仍需遵循相同的监控架构，并清晰说明：

• 应测量哪些指标
• 数据预期来源
• 如何构建跟踪与告警系统

核心概念与指标

在设计监控系统时，请始终明确定义并一致使用以下概念：

• AIGVR（AI-Generated Visibility Rate，AI 生成可见率）:

  • 指在特定意图/主题的相关 AI 回答中，品牌/网站被：
    • 明确引用（URL、品牌名、产品名）
    • 或被明显用作主要信息来源
  • 常以如下方式计算：[抽样回答中品牌提及或链接数] / [抽样回答总数]。

• SoM（Share of Model，模型份额）:

  • 类比“声量份额（Share of Voice）”，但适用于模型生成的回答。
  • 衡量品牌在相同意图下被选择或引用的频率，相对于竞品的表现。
  • 可通过以下方式近似估算：
    • 品牌出现在回答中的比例 vs. 竞品出现的比例
    • 品牌相对于其他品牌的排名/显著性

• 引用量（Citation volume）:

  • 随时间推移的AI 生成引用（链接、品牌提及、产品引用）绝对数量。
  • 可按以下维度拆分：
    • 平台（ChatGPT、Perplexity、Gemini、Claude、SGE 等）
    • 意图 / 查询聚类
    • 地理位置、语言、产品线

• 覆盖率与覆盖广度（Coverage & footprint）:

  • 品牌至少出现一次的意图 / 查询 / 实体数量。
  • 有助于理解广度与深度之间的平衡。

• 延迟与变化检测（Latency & change detection）:

  • AI 模型对以下变化的响应速度：
    • 新内容上线
    • 内容更新
    • 网站或 schema 的重大变更
  • 可用于评估 GEO 运营工作的有效性。

无需为每个指标强加唯一且僵化的公式。应：

• 清晰记录用户当前采用的测量方式（如已有定义）
• 若尚无定义，则提出1–2 种合理方案并说明其权衡取舍
• 确保跟踪模式与仪表板能够支持指标定义随时间演进

高层级工作流

当本技能被调用时，除非用户明确要求仅执行子集任务，否则请遵循以下8 步工作流。

1. 明确监控目标与范围

简明而明确地识别以下内容：

• 核心监控目标:
  • 例如：“检测核心产品查询的 AIGVR 是否出现突发性下降”
  • “为管理层提供涵盖前 50 个意图的每周 SoM 仪表板”
• 关键实体与意图:
  • 产品、功能、品类、品牌级主题
  • 高优先级查询聚类或使用场景
• 目标平台:
  • ChatGPT、Perplexity、Gemini、Claude、Google SGE、其他（请明确指出最关键的平台）
• 时间粒度:
  • 实时 / 近实时、每日、每周、每月
• 涉及系统:
  • 分析工具、数据仓库 / 数据湖、BI 工具、电子表格、内部脚本

输出一段简短的 “监控简报（Monitoring Brief）”，以 5–10 个要点形式总结以上内容。

2. 设计 GEO 指标目录

构建一份指标目录，需满足：

• 聚焦于少量、高信噪比的核心指标（AIGVR、SoM、引用量、覆盖率）
• 按关键维度进行拆分：
  • 平台、意图聚类、地理位置、语言、产品线、漏斗阶段
• 明确说明粒度：
  • 按意图 / 按实体，还是聚合统计
  • 滚动窗口（7/30/90 天）还是时间点快照

以 Markdown 表格形式输出，例如：

| 指标           | 描述                                   | 公式 / 近似方法                          | 维度                    | 频次 |
|------------------|----------------------------------------|------------------------------------------|-------------------------|------|
| AIGVR            | AI 生成可见率                          | 品牌回答数 / 总抽样回答数                | 平台、意图、地区        | 每周 |
| SoM              | 相对于竞品的模型份额                   | 品牌回答数 / （品牌+竞品）总回答数       | 平台、意图、竞品        | 每周 |
| 引用量           | AI 对我方品牌/资源的引用次数           | 抽样输出中链接/提及数量                  | 平台、页面、意图        | 每日 |
| 意图覆盖率       | 出现我方品牌引用的意图数量             | 出现 ≥1 次品牌引用的意图数               | 平台、意图聚类          | 每月 |

若用户已有内部指标命名，请在表中同时保留其原始名称与本目录中的标准名称。

3. 定义跟踪模式与存储方案

设计用于存储 GEO 指标的数据模型：

• 推荐一种或多种存储选项：
  • 数据仓库表（例如 BigQuery、Snowflake、Redshift、Postgres）
  • 分析工具的自定义事件 / 属性
  • 电子表格或 Notion 表格（适用于早期团队）
• 针对每种选定的存储方案，定义：
  • 表名 / 表格名
  • 字段（列）及其类型与说明
  • 主键（例如：日期 + 平台 + 意图 + 品牌）
  • 如何处理版本管理与延迟到达的数据

输出：

• 一个名为 ## Tracking Schema & Storage 的章节，其中包含：
  • 1–3 个模式表（Markdown 格式），每个表包括：
    • 字段名
    • 类型
    • 说明
  • 示例行数据或伪 SQL / 伪 JSON，展示一条每日记录的实际形态。

4. 映射数据源与采集方法

针对每个指标与平台，设计数据采集计划：

• 识别数据源:
  • 人工抽样（定期查询 AI 工具并记录回答）
  • 第三方 GEO 监控工具或 API（若用户提及）
  • 内部日志（AI 助手日志、搜索日志、点击流）
  • geo-report-builder 输出（周期性静态快照）
• 对每个数据源，明确：
  • 采集方式：人工流程、自动化脚本、定时任务、API 集成
  • 频率：每小时 / 每日 / 每周等
  • 责任人：可能由哪个团队/角色负责
  • 数据质量校验：基础合理性检查、去重、缺失值处理

输出：

• 一个名为 ## Data Sources & Collection 的章节，其中包含：
  • 一张 Markdown 表格，映射 指标 → 数据源 → 方法 → 频率 → 责任人
  • 可选：针对关键自动化环节提供伪代码或高层级脚本（不含真实密钥或令牌）。

5. 设计仪表板与视图

将指标与模式转化为面向不同受众的实用仪表板：

• 高管 / 管理层视图:
  • 3–7 个顶层 KPI（AIGVR、SoM、覆盖率、过去 30/90 天趋势）
  • 简洁的红绿灯或阈值指示器（高于/低于目标值）
• GEO/SEO/营销运营视图:
  • 更详细的按意图、平台与内容资产拆分
  • 叠加内容发布时间线与指标（观察因果关系）
• 实验 / 活动视图:
  • 单实验面板，展示实验前后指标与提升幅度

输出：

• 一个名为 ## Dashboards & Views 的章节，其中包含：
  • 一份推荐仪表板清单（Markdown 列表），每项包括：
    • 用途
    • 主要使用者
    • 关键图表 / 小部件（用自然语言描述）
  • 若用户提及 BI 工具（如 Looker、Metabase、Power BI、Tableau、Data Studio）：
    • 为其建议具体的图表类型、维度与筛选器。

6. 定义告警与异常检测规则

设计告警机制，确保团队能在重要变化发生时及时获知：

• 针对每个核心指标，定义：
  • 需关注的事件类型：突发激增、急剧下降、缓慢漂移、突破阈值
  • 检测逻辑:
    • 简单阈值（例如：“AIGVR 连续 3 天低于 0.3”）
    • 相对变化（例如：“较 7 日均值下降 >30%”）
    • 异常检测（若用户具备机器学习/分析能力）
  • 告警通道:
    • 邮件、Slack/Teams、事件管理工具、带高亮面板的仪表板
  • 严重等级:
    • 信息 / 警告 / 严重

输出：

• 一个名为 ## Alerts & Anomaly Rules 的章节，其中包含：
  • 一张表格，列出 指标 → 条件 → 严重等级 → 通道 → 备注
  • 以伪 YAML / 伪 JSON 编写的示例配置，便于数据工程师转换为实际实现：

```yaml
alert: low_aigvr_core_intents
metric: aigvr
scope: [platform: "ChatGPT", intent_cluster: "core-product"]
condition: "current_3d_avg < 0.7 * previous_14d_avg"
severity: critical
channel: "Slack #geo-alerts"

### 7. 建立运维常规流程与响应手册

定义**团队应如何使用仪表板与告警**：

- **例行节奏（Cadences）**：
  - 每日检查：快速浏览关键仪表板与告警
  - 每周/双周复盘：深入分析趋势、实验与事件
  - 每月/季度回顾：调整指标、目标与工具链
- **响应手册（Playbooks）**：
  - 当发生以下情况时应采取的行动：
    - 关键意图的 AIGVR 显著下降
    - 相对于特定竞品的 SoM 下降
    - 引用量突发激增（正向异常）
  - 如何将行动**回溯关联至**内容、schema 或分发策略的变更

输出：

- 一个名为 `## Operational Routines` 的章节，其中包含：
  - 一份清单式 **运行手册（runbook）**，覆盖每日 / 每周 / 每月工作流
  - 1–3 份简明的 **事件响应手册**（“若 X 发生，则执行 Y 和 Z”）

### 8. 与 GEO 报告及战略集成

说明本监控层如何融入整体 GEO 系统：

- 与 `geo-report-builder` 集成：
  - 将其报告作为**快照**存档，支持跨时间对比。
  - 建议报告中哪些章节或指标应**写入跟踪模式**。
- 与 `geo-studio` 和 `geo-content-*` 技能集成：
  - 利用监控洞察来**优先开发新内容**、**优化表现欠佳项**，或**加码成功项**。
- 闭环反馈：
  - 明确周期性报告与实时仪表板之间应如何**相互赋能**。

输出：

- 一个名为 `## Integration with GEO Strategy` 的章节，其中：
  - 概述监控与执行之间的反馈闭环
  - 列出 **3–7 个具体示例**，说明某项指标变化应触发哪些 GEO 行动

---

## 输出格式

除非用户明确要求其他格式，否则请按以下结构组织输出：

1. `## Monitoring Brief`
2. `## Metrics Catalog`
3. `## Tracking Schema & Storage`
4. `## Data Sources & Collection`
5. `## Dashboards & Views`
6. `## Alerts & Anomaly Rules`
7. `## Operational Routines`
8. `## Integration with GEO Strategy`

请使用：

- **Markdown 标题与表格** 构建结构
- 使用项目符号列表代替大段密集文字
- 使用简短、可操作的语句，便于直接复制到仪表板/BI 简报、运行手册或工单中

若用户仅请求**子集内容**（例如：“仅为 AIGVR 定义指标与告警”），仍保留全部标题，但对非本次范围内的章节明确标注（例如：“本请求范围不包括此部分”）。

---

## 触发提示示例

以下为应触发本技能的**用户提示示例**（仅供内部参考，不向用户展示）：

- “我们已每月使用一次 geo-report-builder。请帮我们为 AIGVR 和 SoM 设计一套实时 GEO 指标仪表板，并在 AI 引用量激增或崩溃时触发告警。”
- “上周我们的 Perplexity 引用量断崖式下跌。能否帮我们搭建一套监控系统，覆盖 ChatGPT/Perplexity/Gemini 的 AI 引用量，并在后续出现下跌时告警？”
- “管理层希望获得一份每周‘AI 可见性健康度’看板。请设计指标、数据表、仪表板及告警规则，以便我们跟踪前 50 个意图的 SoM 和 AIGVR。”
- “我们每月启动多项 GEO 活动。请构建一套监控框架，将活动上线与 AI 引用量、SoM 和覆盖率随时间的变化关联起来。”

您无需将此列表直接呈现给用户；其作用仅为明确意图边界。