一份面向业务增长的介绍手册
GEOly 是面向 AI 搜索与 Agentic Commerce 的品牌情报平台。它把公开行业情报、自有品牌监测、页面内 AI 分析助手和按授权开放的 MCP/CLI/Skills 能力连接起来，帮助团队看清：当消费者在 ChatGPT、Gemini、Perplexity、Google AI Mode、Microsoft Copilot 或 Google AI Overview 中提问、比较或购物时，AI 是否提到你的品牌、如何描述产品、引用了哪些来源、推荐了哪些 SKU，以及竞品在哪些问题中更容易出现。 传统 SEO 帮助用户在搜索结果页发现你；GEOly 帮助团队观察并改善品牌在 AI 答案中的描述、推荐与引用。它不替代 SEO，而是把内容、商品信息、可信来源、行业认知、广告机会和已开通的工作流能力接入 AI 决策链路。当前工作区：从品牌监测到持续行动
GEOly 的工作区围绕“配置监测、解读结果、采取行动”展开。团队不需要孤立地理解每个菜单，而应把品牌自己的监测数据、公开行业情报、信源证据和站点诊断放在同一条工作链路中使用。
截图怎么读： 这张 DJI 总览图展示品牌与竞品的每日可见度趋势、品牌榜，以及下方独立的公开行业库档案入口。趋势和榜单用于观察当前品牌监测样本的相对变化；行业库档案属于公共数据，不能与自有 Prompt 结果相加。截图数字只属于当时的品牌、时间范围、平台和已完成回答，不能当作行业固定值、销量或传统搜索排名。
这些模块的数据口径并不相同。探索使用公共数据集，不等同于围绕你的品牌、Prompts 和平台持续采集的私有监测数据；GA4 显示的是可识别的 AI 平台引荐访问，不代表 AI 爬虫流量或完整归因。
表现、信源和探索页面用于回答不同问题。下文分别说明 AI 检索、评价和商品卡的范围与分母；即使都围绕同一品牌，也不应把引用、购物展示、引荐访问和销量当作同一个指标。
可用平台、时间范围、Ads、导出和 MCP 工具会随套餐、组织权限与授权范围变化，以产品内实际显示为准。AI Site Explorer、GEO 诊断和 Agent 就绪度检测用于发现改进线索，不保证网站一定被索引、获得排名或被 AI 引用。
如何阅读这篇手册？
先从 重点一 建立自己品牌的监测基线，再用 重点二至八 对照行业、信源、商品和广告场景，最后在 重点九至十 把可核验的发现接入团队工作流。第一次阅读不必逐个记住菜单：品牌和增长团队优先看监控、竞品与行业；内容团队优先看引用与 AI 检索；电商和投放团队分别从商品、广告的证据开始。 本文沿用 GEOly 的四类能力来组织内容：公开行业情报、自有品牌监测与诊断、页面内 AI 助手和按需开通的自动化，以及 MCP/CLI/Skills 开放连接。各模块的数据范围不同，不能把公开行业统计与自有品牌监测指标相加。当前版本速览：GEOly 现在包含什么？
当前官网将 GEOly 组织为四类能力。具体菜单、可用工具和数据范围会随账号、组织、套餐与授权变化；以下是产品定位，不代表每个账号都会显示全部入口。
官网首页的品牌数、品类数、AI 提及或购物卡数量属于持续变化的公开行业数据快照，不是某一个客户的监控结果；阅读时应以产品页面当前显示的范围、时间和权限为准。
先理解 GEO：为什么品牌需要新的可见度管理方式？
GEO 是 Generative Engine Optimization，也就是生成式引擎优化。它关注的不是单一网页排名，而是品牌在 AI 生成答案中的出现、位置、语义、引用和可信度。 在 AI 搜索和 AI 购物场景里，用户的决策路径正在变化：- 用户不一定先打开搜索结果列表，而是直接问 AI：“哪款产品更适合我？”“A 品牌和 B 品牌怎么选？”“有没有更高性价比的替代？”
- AI 会综合官网、商品页、评测、论坛、媒体、结构化信息、历史语义和行业内容，生成一个更接近“购买建议”的答案。
- 如果品牌没有被提到，或者被提到但描述不准确，用户可能在进入官网之前就已经被其他品牌影响。
- 如果 AI 引用的不是你的官方页面，而是第三方页面、过时页面或竞品页面，品牌对信息解释权的掌控会变弱。
GEOly 具体解决什么问题？
从客户解决方案的角度看，GEOly 主要帮助品牌回答六类问题。
GEOly 更适合被理解为一个“AI 品牌增长工作台”：先发现问题，再判断优先级，最后把优化动作沉淀成持续流程。
GEOly 的数据与执行链路：从观测到动作
这条工作链路是使用顺序，不是套餐等级：- 先观察自有品牌：用 Prompt、平台、市场和时间范围建立提及、引用、位置与情感的基线。
- 再对照公开行业：查看品类、竞品、Topic、商品和信源，找到当前样本之外的机会与风险；公开与私有数据保持各自口径。
- 把证据拆成业务任务：内容、商品、渠道和广告团队分别核对页面、SKU、购买入口及高意图问题，不能由单个观测指标推断收入。
- 在授权范围内复测和协作：页面内 AI 助手可整理核查步骤；报告、MCP 或 API 能否接入固定流程，以账户实际开通为准。
重点一：品牌可见度监控，先建立 AI 渠道基线
品牌可见度监控是 GEOly 的基础。你可以围绕核心业务、产品卖点、购物问题、竞品对比、地域语言等场景设置监控问题，系统会持续追踪 AI 回答中是否提到品牌、出现位置如何、是否引用你的页面、情绪倾向如何。
Prompt 快速上手：从设置问题到复测
- 先确认范围：进入当前工作区的 Monitoring → Prompts，确认当前工作区及监测配置中的品牌、国家/语言、时间范围和平台范围；这些范围会影响结果，但不一定都显示为列表筛选项。
- 添加或选择问题：围绕品类推荐、购买决策、竞品对比、风险和信任等场景添加 Prompt，优先覆盖真实客户会问、且与业务目标相关的问题。
- 看列表质量信号：先看 Visibility、Avg Visibility Level、Share、Citation 和 Records，再决定是否进入单条详情。不要只按一个分数判断 Prompt 质量。
- 进入详情看证据：点击 Prompt 整行或更多菜单中的“查看”，在详情抽屉中切换时间范围和平台，查看 Executions、Mentioned、Mention Rank、Visibility Level、Sentiment、Sources、Response 等记录。
- 检查引用和事实：确认品牌是否被正确提及、位置是否合理、引用是否来自可信且相关的页面，AI 对产品的描述是否准确；如果没有出现，也先排查时间范围、平台覆盖、市场语言和记录是否完整。
- 形成动作并复测：把问题归因到 Prompt 覆盖、页面内容、商品信息或外部信源后，记录优化动作，在下一周期用相同范围复测。一次分数变化只能说明当前观测变化，不能单独证明流量、转化或收入因果。
批量添加与 AI 建议
需要批量新增时，可在 Prompts 页面点击 添加提示词 → 导入提示词，上传 CSV、JSON 或 XLSX 文件，也可以下载 CSV/JSON 模板。导入前先检查列名、问题语言、国家/地区、主题归属和重复行，避免把不相关的问题带入监控。
客户通常会从这几类问题开始：
- 品类推荐：例如“适合小户型的空气净化器有哪些？”
- 购买决策：例如“预算 200 美元以内的办公椅推荐。”
- 竞品对比：例如“品牌 A 和品牌 B 哪个更适合敏感肌？”
- 风险问题：例如“某产品是否值得买？有哪些缺点？”
- 信任问题：例如“哪个品牌的售后更可靠？”
重点二：行业洞察，看清 AI 如何理解整个市场
行业洞察是评估 GEOly 的重点模块。品牌起步时常只看“我有没有被提到”，成熟团队还会关注：在整个品类里，AI 把谁视为主流品牌？哪些主题更容易触发推荐？AI 引用媒体、论坛、零售商、官网还是竞品页面？购物模块更常出现在哪些价格带和渠道？ 行业洞察通常可以按四步来读。1. 先看行业和子品类格局
在行业层面，团队可以先判断某个大类和子品类中，哪些品牌被 AI 更频繁提到，哪些品牌虽然流量或营收不低，但在 AI 回答里的存在感偏弱。这个视角适合回答：- 我的品牌在 AI 语境里属于头部、中腰部还是长尾？
- 竞品是整体领先，还是只在某些平台、国家或主题领先？
- 某个子品类是否已经有明确的 AI 推荐格局？
- 新进入一个市场时，哪些品牌是 AI 已经默认会提到的对象？
2. 再看品牌榜单和 AI 行为差异
行业洞察不只是榜单，更要看不同平台的 AI 行为：有的平台偏自然回答，有的平台更容易触发购物模块，有的平台对引用来源更敏感。借此可判断同一品类应优先优化内容、商品页、评测渠道，还是价格和 SKU 信息。3. 接着看引用来源和主题覆盖
AI 是否提到一个品牌，往往取决于它能否找到足够清晰、可信、可引用的证据。行业洞察中的引用来源、Top Cited Domains 和主题覆盖，可以帮助团队回答：- AI 经常引用哪些类型的网站？媒体、零售商、论坛、品牌官网还是评测站？
- 竞品在哪些主题上有更好的内容和外部背书？
- 自己的官网或商品页为什么没有进入引用链路？
- 哪些主题有商业价值，但行业内容还没有充分覆盖？
4. 最后看 AI Commerce Surface
对电商和 DTC 品牌，行业洞察还连接 AI Commerce Surface：AI 是否触发购物展示、推荐哪些零售渠道、集中在哪些价格带，以及哪些商品更容易展示。这让行业分析从“品牌声量”进一步走向“交易机会”。 更实用的做法是：先找出行业里 AI 最常推荐的商品和价格带，再对照自己的商品信息、库存、评价、价格、卖点和页面结构，判断是内容问题、渠道问题，还是商品数据质量问题。行业洞察更适合哪些客户？
- 准备进入新品类或新市场的品牌。
- 想知道竞品为什么在 AI 中更常被推荐的团队。
- 代理商需要为客户做行业扫描和月度复盘。
- 管理层想用更宏观的方式理解 AI 搜索里的市场位置。
- 电商团队想把品类、商品、渠道和价格带放在一起看。
重点三：引用和内容机会，把“为什么没出现”拆成可优化动作
只知道“有没有被提到”还不够。客户更需要知道下一步该改哪里。GEOly 会把 AI 回答拆解到主题、平台、品牌、引用来源、页面和商品层级，帮助团队判断优化优先级。
截图怎么读： 这张引用来源图展示所选时间、平台、主题和竞品范围，以及域名/页面入口和每周引用趋势。先看重点域名的变化，再进入页面和具体回答核对引用语境；图中的引用次数属于当前监测窗口，不等于网站访问、外链权重或收入贡献。
引用分析适合这样理解：AI 引用某个页面，说明它在当前回答样本中被用作来源，但不能据此确定 AI 对该来源的信任程度或品牌缺席的原因。如果竞品页面或第三方评测经常被引用，而你的官网很少出现，可把内容完整度、页面可访问性、相关性和外部证据作为待核查的假设，再回到具体 Prompt 与回答验证。
这部分特别适合 SEO、内容、PR 和站点运营团队，因为它把“AI 为什么这么回答”变成可以落地的页面和信源优化清单。
品牌监测中的 AI 检索词：核对 AI 为回答问题搜了什么
当前页面汇总最近 90 天 ChatGPT 为监测 Prompt 发出的 Web 检索词，并剔除对原问题的简单复述。它是自有品牌监测数据，不是重点六所述的公开行业词根研究，也不是完整的用户搜索日志。先从有价值却缺少品牌提及或官网引用的问题入手，进入原始回答核对检索词与引用页面，再形成内容或信源补位任务。
截图怎么读： 这张 AI 检索词图按 Prompt 汇总当前 ChatGPT 监测样本中发出的检索词。先看检索词与原问题、回答中的品牌提及和引用是否一致，再打开具体记录核对；词根和次数不能当作完整的真实用户搜索日志、精确搜索量或网站访问。
重点四：情感与品牌认知，判断 AI 说得是否符合定位
GEOly 不只看出现次数，也会分析 AI 对品牌的情绪和语义倾向。对于品牌方来说，这一层非常重要，因为 AI 的回答常常会把散落在互联网上的信息压缩成一句判断。 「AI 评价」中的风险语境信源表示当前回答样本中的共现，不代表因果；该板块固定统计最近 7 天全平台数据，不跟随页面其它板块的时间筛选。
截图怎么读： 这张 AI 评价图先概括当前回答样本如何讨论品牌，再用维度矩阵比较品牌与同台竞品。单元格表示当前样本中相关维度的讨论数量，不是消费者调研得分；要进一步解释比较和风险语境，还应下钻到原始回答核对，不能直接推断竞争因果。
- AI 是否把品牌描述成你想要的定位。
- 正面评价集中在哪些卖点上，是否可以继续放大。
- 负面或中性描述是否来自产品缺陷、售后争议、信息不完整或过时内容。
- 竞品在哪些维度被描述得更好，例如“更适合新手”“价格更低”“更专业”“评价更多”。
重点五：AI Shopping / 电商，让商品进入 AI 推荐链路
电商是 GEOly 的重点场景。AI 不只回答“哪个品牌好”，也越来越多地参与商品推荐、比价、筛选和购买前判断。对 DTC、Shopify、零售和消费品品牌，AI Shopping 关注：商品是否进入 AI 推荐或购物卡，价格、评分、标签、渠道和 SKU 信息是否被正确理解。 「AI 商品」当前覆盖 ChatGPT 与 Google AI Mode。货架触发率、品牌出现率和货架份额的分母不同，不能与 Merchant Center 曝光、销量或广告效果直接对账。
截图怎么读： 这张 AI 商品图展示货架触发率、品牌出现率、货架份额、DTC 占比，以及货架趋势和品牌榜入口。各指标分母不同，只反映当前监测 Prompt 中 ChatGPT 与 Google AI Mode 的商品卡样本；页面不是 Merchant Center、广告后台、库存或订单系统的数据。
1. Top Products：哪些商品被 AI 推荐
Top Products 帮助团队看清楚哪些 SKU 更常出现在 AI 回答和购物推荐中。它回答的不是“某个关键词排名第几”，而是：当用户用自然语言表达购买需求时，AI 更愿意推荐哪些商品。 对商品运营来说，这能帮助判断：- 哪些 SKU 已经进入 AI 的推荐范围。
- 哪些主推商品没有被 AI 识别或推荐。
- 哪些竞品 SKU 在相同场景下更常出现。
- 商品标签、评分、价格、卖点是否支撑 AI 推荐。
2. Shopping Cards：是否触发购物卡，而不只是文字提及
文字提及和购物卡不是同一种价值。文字提及说明 AI 认识你，购物卡则更接近交易入口，因为它通常会包含商品名、价格、图片、渠道或跳转信息。 如果品牌在文字回答中出现，但很少进入购物卡，可能说明商品 Feed、结构化数据、渠道覆盖、价格信息或库存信号还不够完整。对于电商团队，这比单纯的品牌提及更接近转化问题。3. Appearance History：用证据回看每次出现
Appearance History 可以帮助团队回看具体是哪一天、哪个模型、哪个 Prompt、哪个商品被展示。它的价值在于把“好像表现变好了”变成可复盘证据。 团队可以用它做三件事：- 对比页面或 Catalog 修改前后的 AI 推荐变化。
- 判断某个 SKU 是稳定出现，还是偶然出现。
- 把 AI 推荐证据同步给商品、内容和投放团队。
电商团队应该如何使用 GEOly？
建议把 AI Shopping 和商品运营放在一起看，而不是只由 SEO 团队负责。比较完整的流程是：- 确定高意图购物问题，例如“best running shoes for flat feet”或“affordable skincare for sensitive skin”。
- 查看自己的品牌和 SKU 是否出现在回答、购物卡和推荐列表中。
- 对比竞品商品的价格、标签、评分、渠道和卖点。
- 优化商品页、FAQ、图片、评价、价格带、Feed 和结构化信息。
- 用 Appearance History 观察修改后是否提升了出现频率和展示质量。
重点六：Explore、AI 搜索与信源引用，把“行业洞察”变成可检索的市场机会库
行业洞察从确定的品类开始；最新的 Explore（探索）、AI 搜索 和 信源引用 能力，可从公开 AI 数据中更快找到值得研究的品类、Topic、品牌和来源。它们既能在建立自有品牌监控前做市场扫描，也能在监控发现问题后反向寻找行业证据。1. Explore：从品类、Topic 和品牌发现 AI 市场机会
Explore 提供按市场、语言和 AI 平台查看与分析公开数据的入口。团队可先查看公开数据中的查询需求、Topic 规模和趋势指标，再进入 Topic 和品牌详情，判断哪些问题被持续讨论、哪些品牌已形成优势、哪些机会仍为空白；具体指标口径以页面定义为准。 它特别适合回答：- 哪些品类和 Topic 在 AI 搜索中已经有明确的需求与品牌格局？
- 某个目标市场里，用户更常围绕哪些问题向 AI 提问？
- 哪些品牌在相近 Topic 中被反复提到，值得作为竞品或参考对象？
- 新市场或新品类里，应该先建立哪一批监控 Prompt？
关键词与竞争地图：从 Topic 看清 AI 在搜索什么、推荐谁、谁在抢占入口
除品类和 Topic 的总体规模外，Explore 还能把 Topic 拆成更具体的 AI 搜索关键词、需求词根、品牌出现和竞品广告信号，用于回答：AI 在该主题中检索什么？哪些需求已有竞争格局？品牌是自然出现，还是正被竞品广告抢占？1. AI 搜索关键词：先找最值得行动的需求
AI 搜索关键词展示 GEOly 在当前数据覆盖范围内采集或推导出的查询与需求证据，以及这些证据可以归纳出的需求词根；它不等同于完整的真实用户 AI 搜索日志，也不代表精确的 AI 搜索量。团队不需要把每条搜索都当成独立关键词，而应优先识别三类信号：- 自身在场但份额偏低的词根：品牌已经被 AI 识别，但还没有形成稳定优势，适合结合内容、商品信息和引用来源继续提升。
- 高频、竞品强、自己缺失的词根：通常是最值得进入监控和内容规划的机会，应优先回看竞品品牌、引用页面和商品表现。
- 初步信号与新兴需求：公开需求指标当前较低，但问题表达和购买意图清晰，适合先建立观察，不宜只因短期数据就大规模投入。
2. 词根地图：把零散搜索变成需求格局
词根地图把相近搜索归并为需求主题，并展示页面定义的需求指标、相关品牌和相对表现。它不回答“某个词排第几”，而是呈现同一 Topic 中哪些需求正在形成规模、哪些品牌更常被 AI 一起比较，以及自己在哪些需求下存在明显空白。 例如，同一个珠宝 Topic 里，“购买指南”“趋势”“安全扣”“项链耳饰”等词根可能对应完全不同的购买意图和竞争对手。内容、商品和广告团队应按词根拆分任务：3. AI 搜索时点的品牌：区分“行业很热”与“品牌真正出现”
品牌出现列表展示 AI 在相关搜索中实际提到的品牌及次数，避免把 Topic 的公开需求指标较高误判为自己的品牌已进入用户决策链路。应结合词根地图，确认品牌出现在哪些需求中、是稳定还是偶发，以及哪些竞品在相同场景下频次更高。4. 观察到的竞品广告：把自然机会和付费竞争分开核对
Topic 出现竞品广告信号时，广告区会展示当前公开数据中观察到的相关广告卡，帮助识别商业展示与自然回答是否同时出现；不能据此判断竞品的定向策略、广告预算或自然优势的原因。 复盘顺序建议为：先看词根和品牌出现，再看竞品广告信号，最后回到自然可见度、商品页和落地页策略。不要把“竞品投放广告”直接等同于“必须跟投”；应判断 Topic 是否具备稳定商业价值，以及自然内容、商品信息和广告补位如何配合。
2. AI 搜索：快速定位品牌、Topic、商品和可验证信号
AI 搜索提供统一的公开实体和洞察入口。收到新的竞品名称、商品机会、内容主题或客户问题时，可先搜索，再进入相应的品牌、Topic、品类或商品详情查看上下文，无需从多个菜单逐层查找。 这对代理商、增长团队和管理层尤其有价值：会议中出现的新机会可以被快速验证；月度复盘中发现的异常可以被追溯到具体实体；内容与电商团队也可以围绕同一个搜索结果协作，而不需要各自从零开始建立观察范围。
3. 信源引用：从域名进一步追到页面与影响范围
原有引用分析回答“AI 引用了谁”；最新的信源引用入口则从域名和 URL 研究来源覆盖范围、关联 Topic 及其在 AI 回答中的作用，把“要多做外链”转化为更具体的信源建设判断。 团队可以按以下顺序使用：- 找出高价值 Topic 中最常出现的引用域名和页面。
- 区分自有官网、竞品官网、媒体、零售商、评测站、论坛等来源类型。
- 进入重点来源，检查它覆盖哪些主题、支持哪些品牌叙事。
- 决定下一步是补自有页面、改进页面结构、争取媒体评测，还是完善零售与商品渠道信息。
重点七：商品详情、竞争货架与渠道分析，把 AI Shopping 从“有没有出现”推进到“为什么输赢”
AI Shopping 展示商品是否进入推荐和购物结果；最新的商品详情能力进一步把每个产品拆成可复盘的竞争、渠道、趋势和购买路径，适合商品运营、电商、DTC 和增长团队共同使用。1. 商品概览：先确认商品在 AI 中的真实表现
进入商品详情后，先确认商品在回答中的出现、首位表现、可见度、关联 Topic 与趋势。目标不是制造单一排名，而是建立商品基线：哪些商品稳定出现、哪些只在少数问题中出现、哪些主推 SKU 尚未进入 AI 推荐范围。2. 竞争货架与直接对比：看清楚被谁挤出推荐位
竞争货架和商品对比展示同类购买场景下哪些商品同时出现、谁更常靠前、谁是直接竞争对手。它比“品牌竞品”更贴近真实交易决策，因为用户最终比较的是具体价格、型号、评价、卖点和购买渠道。 可以重点追问：- 哪些竞品 SKU 最常和我的商品出现在同一个问题里？
- 我们在哪些场景领先，又在哪些场景被某个特定商品替代？
- 竞争差异来自价格、卖点、评分、渠道、信息完整度，还是 AI 对产品定位的理解？
3. 渠道与购买路径：检查官方入口是否被正确呈现
商品被推荐不代表官方渠道一定受益。渠道分析可以帮助团队查看 AI 展示了哪些商家、链接和价格信号，进而判断官方站点、零售伙伴和第三方卖家在购买路径中的位置。 若官方商品页很少呈现、第三方渠道却频繁出现，应同时检查产品 Feed、库存与价格、结构化数据、商品页信息、渠道覆盖和落地页体验。目标不是排斥第三方，而是确保用户在 AI 做购买判断时获得准确、可用且符合品牌策略的信息。
4. 趋势、下钻与原始回答：让每个结论都能回到证据
商品趋势和下钻视图展示变化发生的时间、驱动变化的 Topic 或问题，以及背后的原始 AI 回答。它支持页面、价格、Feed 或活动调整前后的复盘，也避免团队因短期波动过早判断“优化已经成功”或“商品已经失去机会”。 建议商品团队至少保留一组稳定的高意图问题，定期对比修改前后的出现、首位、渠道与引用变化；对于异常变化，必须回到原始回答和具体商品上下文判断原因。重点八：ChatGPT Ads / 广告，把投放和 AI 可见度放在一起看
广告是 AI 搜索时代会越来越重要的部分。GEOly 中的 ChatGPT Ads 分析，更适合理解成“AI 场景里的广告机会识别和可见度补充”，而不是传统广告后台的替代品。 广告团队过去常看的指标是关键词、出价、点击、转化和受众；但在 AI 搜索中，用户的问题更像一段需求描述，AI 的回答可能同时包含自然推荐、引用、商品展示和广告触发机会。因此广告团队需要知道：- 哪些高意图问题可能触发广告或商业展示。
- 品牌在自然回答里是否已经有优势，还是需要用广告补位。
- 竞品在哪些问题中更容易占据自然推荐和商业入口。
- 广告、内容、商品页和 AI 引用之间是否存在协同。
广告模块可以怎么用？
广告模块让投放从关键词扩展到 AI 场景中的真实购买问题、竞品关系和内容证据。Grow 及以上适合开始使用 AI Ads 分析；进行多平台投放和多 SKU 管理的团队，可用 Advanced、Plus 或 Enterprise 将广告洞察纳入固定增长流程。
重点九：AI 助手与已开通的自动化，把洞察推进到执行
当前 GEOly 页面可打开 AI 分析助手，结合当前页面信号继续追问、解释和梳理核查步骤。独立 GEO Agent、报告与自动化能力是否可用，以及任务、触发方式和配额，须以套餐、组织权限和账户内实际开通内容为准；不要把页面内助手理解成已可用的独立 Agent 工作台。 这几项能力要分开理解：- GEO Agent：如账户已开通，可用于多步分析和工作流；具体入口、任务、触发器、连接器和配额以账户内实际显示为准。
- Sidekick：在当前 GEOly 页面上下文中继续解释和下钻，适合临时追问，不等同于独立的自动化 Agent。
- MCP/CLI/Skills：让外部 AI 客户端或终端按授权调用 GEOly；Skill 负责帮助 Agent 正确选工具和解释指标，不会扩大账户权限。
- 自动化报告：如账户已开通并完成配置，可将已授权的数据整理成报告和行动清单；报告里的相关性不能直接当成流量、收入或因果证明。
重点十：Sidekick、MCP 和 API，把洞察接进团队工作流
偶尔查看结果时，打开 GEOly 后台报表即可；需要在页面内快速解释数据、让外部 AI 助手读取授权信息或接入内部系统时，可分别使用 Sidekick、MCP 和 API。三者面向不同场景，不能混为一谈。Sidekick 是当前页面中的 GEO 分析助手
Sidekick 可从已支持页面右侧的入口或页面顶部按钮打开，并以侧边栏形式保持在当前页面中。它会结合当前页面及已注册区块的上下文，帮助团队解释可见信号、梳理证据、比较变化，并形成下一步可验证的问题。 Sidekick 更适合这些工作：- 解释当前页面指标、时间范围和数据口径。
- 汇总品牌、品类、主题或商品页面中的关键信号。
- 把问题整理成核查清单、优化清单或后续分析问题。
- 在当前页面上下文中继续多轮分析。
MCP 让外部 AI 助手能读取 GEOly 数据
MCP 可以理解为一种标准连接方式。对业务团队来说，不需要关注底层协议，只需要理解它解决的是“AI 助手如何安全、稳定地访问 GEOly 数据”的问题。 例如，团队可以在支持 MCP 的 AI 工具里，用自然语言询问：- 最近 30 天品牌在 AI 回答中的整体表现如何？
- 哪些 Prompt 下竞品更容易出现？
- 哪些引用来源最常影响我们的可见度？
- 某个行业里有哪些主题值得优先补内容？
- 本周客户报告里应该重点呈现哪些变化？
MCP Credits 怎么理解？
GEOly MCP、GEOly CLI 及后续开放 API 共用同一个 MCP Credits 额度池和计费规则；具体 API 是否开放、接口范围和配额以套餐、实际授权和调用回执为准。MCP Credits 与用于产品内 AI 分析的 AI Credits 相互独立，使用其中一项不会直接扣减另一项。客户可以先记住下面四条：- 读取自有品牌数据不消耗 MCP Credits：包括品牌可见度、Prompt 记录、引用来源、竞品追踪、平台矩阵和网站审计等订阅内数据；添加 Prompt、管理竞品等写操作，以及查询额度、组织和品牌等基础能力也不扣 MCP Credits。
- 只有部分公开行业情报分析会消耗 MCP Credits：计费工具包括跨品牌榜单、品类分析、品牌对比、公开查询需求指标和行业机会研究。获得“信源”读取权限后，三个公开信源工具不扣 MCP Credits；公开实体、Locale 和可用平台等发现工具本身也不扣 MCP Credits，但需 Grow 及以上套餐并获得“公开数据”读取权限。
- 按实际返回的数据量计费：返回越少，消耗越少；失败、超时或预留额度释放等具体情况以调用回执为准。汇总概览通常按一次结果计费，列表和深度分析则根据实际返回条数及工具档位计算。
- 额度由整个组织共享：同一组织的所有成员共用一个订阅周期额度池，多买席位不会增加额度；每次计费调用都会显示本次消耗和剩余额度，也可以随时查询重置时间。
MCP Credits 按组织共享的月度额度周期重置，重置时间以 get_quota 返回的 resets_at 为准，未用额度不结转。额度用完后，自有品牌数据、写操作和当前套餐内的免费工具仍可使用；只有计费的公开行业工具暂停。定价页另列有每月 MCP tool calls 上限；它表示调用次数边界，不等同于按返回条数计算的 MCP Credits。升级套餐后，新额度档位即时生效；实际余额、单次消耗、调用次数和费率以产品内额度查询及调用回执为准。
API 更适合需要系统集成的团队
Enterprise 提供定制配置、专属支持、API 访问和 SLA 保障。团队可通过 API 将 GEOly 数据接入报告、BI 或自动化平台；具体接口范围、配额和实施方式以企业方案实际开通内容为准。套餐里的连接能力怎么理解？
关键指标应该怎么理解？
GEOly 中有几个指标很重要，但它们回答的问题不同。客户在解读报告时，建议先区分“绝对表现”和“相对表现”。
常见误区是只看排名、不看分数。某品牌即使在一组竞品中排名第一，整体 AIGVR 仍可能不高；这只是“相对领先”，不代表 AI 渠道建设充分。复盘时应同时看绝对分数、竞品差距，以及具体 Prompt 和页面证据。
数据口径与边界
GEOly 各模块的数据范围不同：Industry Intelligence（行业情报）、Explore 等行业洞察用于研究公开行业数据；Analysis、Monitoring 等品牌分析基于当前账号配置的监控品牌、Prompt、平台、市场和时间范围。Industry Intelligence、Explore、AI Commerce Surface 主要呈现 GEOly 采集的公开行业数据快照；Monitoring、Prompts、Analysis、Shopping 主要呈现当前组织范围内的监测或产品数据。两类数据可互相参照，但不能视为同一口径；首页的行业计数、AI 提及和购物卡计数会随数据更新变化，也不能用来反推某个客户的流量、收入或市场份额。 部分公开品牌、品类和报告页面会展示“AI 流量/营收估算”。这些数值由 AI 查询需求、品牌在主题中的 SoM、商品价格等模型输入计算，并可能使用 GT、manual 或 fallback 校准；它们是方向性估算，不是 GEOly 直接读取的第一方访问或订单流水。提及、引用、位置、AIGVR、SoM、购物卡或广告机会信号，只代表当前数据范围内观察到的 AI 表现，不能单独证明真实流量、点击、转化、收入、广告支出或因果关系。品牌、商品或页面未出现，也可能受时间范围、平台覆盖、监控问题、市场语言或数据可用性影响。涉及预算、页面改版和商品策略等经营决策时，应结合网站分析、广告平台、CRM、Shopify 等第一方数据验证。套餐不同，体验有什么不同？
GEOly 的套餐不是简单地把功能拆开，而是对应不同阶段的团队需求。可以把套餐理解成从“单品牌验证”到“多品牌、多平台、Sidekick 辅助和企业级协作”的逐级扩展。 具体价格和权益可能会根据官网更新调整，实际以 GEOly Pricing 页面 为准。下面用客户视角说明不同套餐更适合什么体验。套餐快照（以当前定价页为准）：月付页面当前显示 Basic $49、Grow $149、Advanced $399、Plus $999；Enterprise 为联系销售的定制方案。年付页面显示节省 10%。Basic 为单品牌起步，Grow 增加第二个平台、ChatGPT Ads 和行业 MCP，Advanced 增加四个平台，GEO Agent 以实际开通为准；Plus 支持五个品牌、六个平台，自动化以实际开通为准；API 能力以当前定价页、账户权限和实际开通内容为准；Enterprise 的品牌数、席位、响应量、Credits、API、Webhooks、SLA 和部署方式按合同确定。价格和权益会调整，实际以 GEOly 定价页 与账户内显示为准。
历史数据边界：公开行业洞察页面当前提供 30 天、60 天和 90 天窗口；90 天窗口需要 Advanced 及以上套餐，Basic/Grow 可使用 30 天和 60 天。品牌 Prompt 监控、公开工具和 API 可能采用独立时间窗；Prompt 列表和详情可按页面提供的 2/7/30/90/180 天或自定义范围查看，公开行业 90 天窗口的套餐门槛不等同于 Prompt 详情的时间范围。定价页另列的“365 天历史”需按具体页面口径理解，不能直接视为所有模块都能查询 365 天；最终以页面实际可选范围、账户权限和调用回执为准。
AI Credits 说明：定价页当前展示 Basic/Grow/Advanced/Plus 每月分别为 3,000/10,000/30,000/100,000 AI Credits；AI Credits 是产品内 AI 功能使用的独立额度池，具体消耗以账户和调用回执为准；额度按月归属，并与 MCP Credits 分开计量。不要把 AI Credits 直接等同于 API 或 MCP 配额；实际可用功能、余额和结算以账户页面与调用回执为准。
套餐差异详解：从验证到规模化运营
下面按“能监控什么、能分析多深、能否接入团队流程”说明各套餐的差异。固定数量是当前版本的套餐快照；价格、可用平台和功能开关可能调整，最终以定价页和账户内实际显示为准。Basic：先验证单品牌是否被 AI 看见
- 监控范围：1 个品牌、ChatGPT、30 个 Prompt、每月最多 900 条响应、1 个席位。
- 适合任务：建立品牌在 AI 回答中的第一条基线，确认哪些核心问题没有提到品牌，检查官网和商品页是否被引用。
- 数据边界：Basic 不含公开行业 MCP，MCP Credits 为 0；公开行业洞察可使用 30 天和 60 天窗口，90 天窗口需要 Advanced 及以上。AI Credits 是独立的按月额度池，Agent 推理等实际消耗、余额和结算以账户页面与调用回执为准。
- 适合升级的信号：需要第二个平台、行业竞品对比、ChatGPT Ads、月度报告或多人协作时，进入 Grow 更合适。
Grow：把监控扩展到增长动作
- 监控范围：1 个品牌、2 个平台、50 个 Prompt、每月最多 3,000 条响应、2 个席位。
- 新增能力：ChatGPT Ads、在线客服和公开行业 MCP 工具；月度报告以账户实际开通为准，可开始做跨平台比较、行业研究和广告机会判断。
- 额度与历史：每月 25,000 MCP Credits，由组织共享；计费的公开行业工具按返回行数扣减。公开行业洞察可使用 30 天和 60 天窗口；90 天窗口需要 Advanced 及以上，同时可以使用已开通的 Ads、MCP 和报告能力。
- 适合升级的信号：需要 3 至 4 个平台、更大 Prompt 覆盖或更长历史趋势时，考虑 Advanced；超过 4 个平台应评估 Plus。Agent 能力以账户实际开通为准。
Advanced：做更完整的单品牌多平台分析
- 监控范围：1 个品牌、4 个平台、100 个 Prompt、每月最多 12,000 条响应、4 个席位。
- 新增能力：更完整的平台覆盖和更长的历史观察；GEO Agent 以账户实际开通为准，适合将 Prompt 质量、竞品差距和内容优化纳入持续流程。
- 额度与历史：每月 75,000 MCP Credits，由组织共享；可查看近 90 天历史区间。AI Credits 仍以实际开通和调用回执为准。
- 适合升级的信号：需要同时管理多个品牌、更多市场或更大规模团队协作时，考虑 Plus。
Plus：面向多品牌和规模化协作
- 监控范围：5 个品牌、6 个平台、500 个 Prompt、每月最多 90,000 条响应、10 个席位。
- 新增能力：在 Advanced 基础上扩大品牌、平台、Prompt 和响应规模，适合集团、多市场和跨团队统一监控。
- 额度与接口：每月 200,000 MCP Credits，由组织共享；定价页另列“365 天历史”说明；当前公开页面的可查询窗口以实际页面为准，不能据此承诺所有模块都能查询 365 天。标准 API 是否可用、接口范围和配额以当前定价页、账户权限和实际开通内容为准，不要把 Plus 的 API 视为无需开通的固定权益。
- 适合升级的信号：需要定制配额、Webhooks、私有部署、SLA 或复杂内部系统集成时，评估 Enterprise。
Enterprise：按组织需求定制
- 监控与协作：品牌数、Prompt 数、响应量、席位和平台范围按合同或实际方案配置。
- 企业能力：可按方案提供定制 API、Webhooks、SLA、私有部署、专属支持和定制数据服务。
- 额度与历史：AI Credits、MCP Credits、调用次数和历史范围均以企业方案实际开通内容为准；组织成员仍应以账户内余额、权限和调用回执为准。
- 适合客户：需要安全审查、系统集成、多个业务单元协作，或希望把 GEOly 纳入长期数据与增长流程的企业。
选档时最值得核对的边界
- 覆盖范围：品牌数、平台数、Prompt 上限和每月响应量分别限制不同维度；Advanced 最多 4 个平台，超过 4 个应评估 Plus。
- 历史范围：公开行业 90 天窗口需要 Advanced 及以上，但不意味着所有品牌监测页面共享该门槛。
- 连接能力：行业 MCP 从 Grow 起；API、报告、Agent 与自动化的可用入口、权限和配额以账户实际开通为准。
- 两个额度池：AI Credits 与 MCP Credits 分开，MCP Credits 的月度档位及计费边界见“重点十”。
配额与服务信息如何核对？
除套餐概览中的品牌、平台、Prompt 和响应量外，定价页还可能展示分析次数、AI Shopping、报告频率、MCP tool calls 和支持响应时间。这些是不同计量维度，不应把产品内分析次数、MCP 调用次数、按返回量扣减的 MCP Credits 和 Agent 推理使用的 AI Credits 混作同一个额度。具体余额、可用入口、历史范围和服务承诺以账户页面、调用回执与合同为准。为什么套餐会影响使用体验？
套餐差异会直接影响四件事。- 看得有多广：平台越多，越能发现不同 AI 引擎之间的差异。只看单一平台适合起步，但成熟团队通常需要跨平台判断。
- 看得有多细：Prompt 数、响应量和分析配额越高，越适合覆盖更多产品线、国家、语言、场景和竞品问题。
- 能不能自动化：MCP、Sidekick、API、报告和集成能力越完整，越适合把数据接入团队日常工作，而不是停留在手动查看。
- 支持是否匹配组织复杂度：从邮件支持到优先支持、专属客户成功和企业 SLA，本质上对应团队对响应速度、复盘深度和落地协作的要求。
🧾 Invoice 获取提示
如需获取 Invoice，请查看订阅时填写的邮箱。发票是否自动发送及其获取方式，以账户账单页和订阅邮件为准；未收到时可联系支持。
角色画像：不同团队应该如何理解 GEOly？
为了让客户更快判断“GEOly 和我有什么关系”，可以先把使用者分成几类角色。不同角色看到的是同一套 AI 可见度数据，但关注点、判断方式和后续动作并不一样。品牌负责人：关注“AI 如何讲述我”
品牌负责人不应只看单个 Prompt 得分，更要判断 AI 是否把品牌放在正确位置：描述为高端、性价比、专业、适合新手、可持续，还是与错误品类、过时信息或负面印象绑定。 这一类角色应该重点看品牌可见度、情感分析、行业洞察和竞品对比。真正有价值的输出，是知道哪些品牌叙事已经被 AI 接收，哪些定位还没有进入 AI 的证据池，以及哪些竞品正在占据更有利的心智位置。增长负责人：关注“哪些问题能带来机会”
增长负责人不仅关心品牌是否出现，更关心哪些 AI 问题最接近转化。例如“best product for…”“A vs B”“is this worth it”“affordable alternative”等问题，通常比泛泛的品牌提及更有商业价值。 重点看 Prompt 监控、ChatGPT Ads、AI Shopping、竞品差距和 Sidekick 分析。把 AI 问题分成自然可见度、广告补位、内容补位和商品页优化机会，再交给对应团队执行。SEO / 内容负责人：关注“AI 信任哪些证据”
SEO 和内容团队可从引用来源入手。AI 回答引用谁，通常反映其对内容结构、权威信号和信息完整度的信任。如果 AI 常引用竞品、媒体或零售商，却很少引用品牌官网，说明内容和信源建设仍有空间。 这类角色应该重点看引用来源、页面级引用、主题覆盖和行业洞察。输出不应该只是“写更多文章”，而是明确哪些页面需要补 FAQ、对比表、参数说明、真实评价、结构化数据、外部评测或权威背书。电商 / DTC 运营：关注“商品有没有进入 AI 货架”
电商团队需要把 GEOly 当成 AI 购物货架的观察工具。商品是否被推荐、是否进入购物卡、价格是否准确、SKU 是否完整、评价和标签是否被 AI 识别，都会影响用户在 AI 对话中的购买判断。 重点看 AI Shopping、Top Products、Appearance History 和商品页引用。行动通常落在 Catalog、Feed、商品页、评价、价格带、库存、图片和卖点表达上，而不只是内容文章。广告 / 投放团队：关注“哪些 AI 场景需要付费补位”
广告团队在 GEOly 里看的不是传统关键词排名，而是 AI 场景里的商业问题。某些问题自然可见度已经很强，适合用内容和引用继续巩固；某些问题竞品强、自然覆盖弱、购买意图高，就可能需要广告补位。 这类角色应该重点看 ChatGPT Ads、购物意图 Prompt、竞品曝光和落地页协同。更成熟的做法，是让广告、内容和电商团队围绕同一批 AI 高意图问题协作，而不是各自看各自的数据。代理商 / 咨询团队：关注“如何规模化交付客户价值”
代理商最需要的是可复用的方法论。GEOly 可以帮助代理商把客户诊断拆成固定步骤：品牌基线、行业位置、竞品差距、引用来源、内容机会、电商机会、广告机会、月度变化和下一步动作。 重点看代理商工作台、行业洞察、多品牌能力、Sidekick、MCP 和报告工作流；需要 API 或复杂集成时再评估 Enterprise。Plus 或 Enterprise 不会自动提供代理商工作台，代理商权限须单独申请并开通。代理商工作台能管理什么？
GEOly 为已开通代理商权限的账号提供独立的代理商工作台。代理商可以在品牌工作台与代理商工作台之间切换，用同一套账户管理多个已绑定的客户组织。- 代理商总览：查看已绑定组织、订阅组织、近 30 天新增、成员总数、近期绑定和当前余额。
- 邀请链接与注册线索：生成带来源标签的商家注册链接、绑定链接或绑定码，并跟进客户注册、品牌创建和代理商绑定进度。
- 已绑定组织管理：按组织、品牌、Owner 邮箱或套餐搜索客户，查看组织内的品牌、成员、套餐和绑定时间。
- 套餐分配与余额：为已绑定组织选择套餐档位和计费周期，并使用代理商余额完成套餐分配。
数据 / 技术 / AI Ops 团队：关注“如何接入系统”
当组织希望把 GEOly 数据放进内部 BI、自动报告、AI 助手、飞书/Slack/Notion、客户工作台或自有系统时，数据和技术团队就会成为关键角色。 重点看 MCP、Sidekick、权限能力和 API。MCP 让 AI 助手用自然语言读取 GEOly 数据；已开通的 API 可用于支持的系统接入，Enterprise 则根据方案提供定制 API、Webhooks、配额和服务保障；具体接口范围和实施方式以套餐与实际开通内容为准。Sidekick 用于在当前页面上下文中继续分析。管理层：关注“这是不是值得投入的新增长层”
管理层不需要一开始就看所有细节，但需要快速判断三件事：品牌在 AI 搜索里有没有风险、竞品是否已经领先、投入 GEO 是否能影响内容、广告、电商和品牌认知。 重点看 AIGVR、提及率、引用率、行业位置、竞品差距和套餐路线。验证阶段可从 Basic 或 Grow 建立基线；若公司已将 AI 搜索作为长期渠道，应更早考虑 Advanced、Plus 或 Enterprise 的跨团队协作和自动化能力。不同客户应该重点看哪些模块？
一条推荐的使用路径
如果你是第一次把 GEOly 纳入业务流程，可以按下面路径理解和推进。第一步：建立品牌和业务范围
先明确要监控的品牌、官网、产品线、重点市场、语言和核心竞品。不要一开始就铺太广，优先覆盖最影响收入和认知的场景。第二步：设计高价值 Prompt
Prompt 不只是关键词，而是用户真实会问 AI 的问题。建议覆盖五类：品牌认知、品类推荐、竞品对比、购买决策、售后信任。第三步：查看监控结果和关键指标
先看总体 AIGVR、提及率、引用率和趋势，再进入具体 Prompt 查看 AI 原始回答。不要只看一个总分，要回到具体问题里理解原因。第四步：进入行业洞察和竞品分析
当品牌基线建立后，再看行业、子品类、竞品榜单、AI 行为模式、引用来源和主题覆盖。这样团队不会只围绕自己做判断，而是能看到整个市场的机会和风险。第五步：把电商、广告和内容动作拆开
如果问题出在商品推荐，就优先看 SKU、商品卡、价格带和 Catalog；如果问题出在品牌自然可见度，就优先看内容和引用来源；如果问题出在高意图问题的曝光不足，就让广告团队一起评估投放补位。第六步：用 Sidekick、MCP 或 API 固化流程
当复盘变成固定节奏，就可以把 GEOly 数据接入报告、飞书/Slack/Notion、BI、内部智能体或客户交付系统。这个阶段的目标是减少人工整理，让团队更快从信号进入动作。常见误区
误区一：只看 AI 有没有提到品牌
提到只是第一步。更关键的是：AI 把你放在什么位置、怎么描述你、有没有引用你、是否推荐竞品、回答是否接近购买决策。误区二：把 GEO 当成传统 SEO 的换皮
GEO 和 SEO 有交集，但不完全一样。SEO 更关注搜索结果页，GEO 更关注 AI 答案里的语义、证据和推荐逻辑。一个页面排名高，不代表它一定会被 AI 引用。误区三：只看排名，不看绝对分数
排名是相对概念。如果所有品牌的分数都很低，排名第一也可能说明整个品类在 AI 中还没有被充分建设。复盘时要同时看 AIGVR、提及率、引用率和具体回答证据。误区四：以为套餐只是功能多少的差别
套餐差异会影响监控覆盖面、平台广度、分析深度、可连接的工作流、支持节奏和组织协作方式。一个刚起步的单品牌团队，和一个管理多品牌多市场的团队，需要的不是同一种 GEO 工作流。误区五：把电商和广告交给单独团队孤立处理
AI Shopping、广告、内容和引用来源其实是同一条用户决策链路。商品没有进入购物卡，可能不只是商品运营问题；广告需要补位，也可能是自然可见度和页面证据不足导致的。误区六：只做一次诊断
AI 平台、网页内容、竞品动作、商品信息和用户问题都会变化。GEO 更适合做持续监控，而不是一次性审计。什么时候说明 GEOly 已经开始产生价值？
你可以从这些信号判断 GEOly 是否真正进入业务流程：- 团队知道哪些高价值问题中品牌没有被 AI 提到。
- 团队能解释为什么某些竞品更容易被 AI 推荐。
- 团队知道哪些页面、域名和第三方信源正在影响 AI 回答。
- 电商团队能看到哪些 SKU 进入购物卡，哪些商品信息需要补齐。
- 广告团队能把高意图 AI 问题纳入投放和落地页评估。
- 内容、SEO、PR、电商和产品团队能围绕同一批 AI 证据做优化。
- 月报或周报不只展示分数，还能给出明确下一步动作。
- 随着套餐升级，团队可以从“看数据”逐步进入跨平台监控，并在对应报告、MCP 或 API 能力已开通和完成配置后，将洞察接入 Sidekick、外部 AI 助手或系统工作流。