当需要评估品牌在 AI 搜索中的可见度时…

通过扫描 YouTube、Reddit、Wikipedia、LinkedIn 等平台上的品牌提及，量化品牌被 AI 引用和推荐的潜力，并给出针对性优化建议。

适用场景

解决思路

1. 从用户或网站收集品牌信息：品牌名（含官方变体）、创始人/CEO 姓名、域名 URL、行业/品类、前 3 个核心产品或服务、主要竞争对手（用于对比）。
2. 对每个平台用 WebFetch 搜索并评估存在度。YouTube 检查：搜索 `[brand name] site:youtube.com`；检查 `youtube.com/@[brand-name]` 或 `youtube.com/c/[brand-name]` 是否有官方频道；搜索 `"[brand name]" site:youtube.com` 精确匹配描述中的提及；记录订阅数、视频数、最近上传日期、第三方提及数。
3. Reddit 检查：搜索 `[brand name] site:reddit.com`；搜索 `"[brand name]" site:reddit.com` 精确匹配；检查 `reddit.com/r/[brand-name]` 是否有官方子版块；检查 `reddit.com/user/[brand-name]` 是否有官方账号；记录帖子数、主要子版块、情感倾向（正面/负面/中性）、被推荐频率。
4. Wikipedia 检查（重要——必须同时用两种方法避免漏判）：方法 1 先用 Python API 检查（最可靠，优先执行）：运行 `python3 -c "import requests, json; from urllib.parse import quote_plus; brand = '[Brand_Name]'; api_url = f'https://en.wikipedia.org/w/api.php?action=query&list=search&srsearch={quote_plus(brand)}&format=json'; r = requests.get(api_url, headers={'User-Agent': 'GEO-Audit/1.0'}, timeout=15); data = r.json(); results = data.get('query', {}).get('search', []); print(f'WIKIPEDIA PAGE EXISTS: {results[0][\"title\"]}' if results and brand.lower() in results[0].get('title', '').lower() else 'No direct Wikipedia page found'); wd_url = f'https://www.wikidata.org/w/api.php?action=wbsearchentities&search={quote_plus(brand)}&language=en&format=json'; r2 = requests.get(wd_url, headers={'User-Agent': 'GEO-Audit/1.0'}, timeout=15); wd = r2.json(); entities = wd.get('search', []); print(f'WIKIDATA ENTRY: {entities[0].get(\"id\", \"\")} — {entities[0].get(\"description\", \"\")}' if entities else 'No Wikidata entry')"`。
5. Wikipedia 方法 2 直接 URL 验证（备用）：WebFetch `https://en.wikipedia.org/wiki/[Brand_Name]` 检查页面是否加载（而非重定向到搜索页）；WebFetch `https://en.wikipedia.org/wiki/[Founder_Name]` 检查创始人条目。
6. Wikipedia 方法 3 搜索（最不可靠，仅用于补充信息）：搜索 `[brand name] site:wikipedia.org`；搜索 `[brand name] site:wikidata.org`。关键：仅靠网页搜索判断 Wikipedia 存在与否不可靠，必须优先运行 Python API 检查；如果 API 说页面存在，就以 API 为准，不要被搜索不到的结果推翻。
7. LinkedIn 检查：搜索 `[brand name] site:linkedin.com`；检查 `linkedin.com/company/[brand-name]` 是否有公司页面；记录关注者数、发帖频率、列出的员工数、互动水平。
8. 其他平台检查：搜索 `[brand name] site:quora.com`；搜索 `[brand name] site:stackoverflow.com`（技术品牌）；搜索 `[brand name] site:github.com`（技术品牌）；搜索 `[brand name] site:news.ycombinator.com`（Hacker News）；广泛搜索 `"[brand name]"` 获取新闻提及（过滤最近 6 个月）；记录各平台提及的有无和质量。
9. 对 Reddit 及其他讨论平台做情感评估，分析最近和最显著的提及：正面指标包括推荐语（"I love [brand]"、"We switched to [brand] and..."、"Highly recommend"）、被点赞的提及、与竞品的正面比较；中性指标包括事实性提及（"We use [brand] for..."、"[Brand] offers..."）、关于品牌的提问、平衡的比较；负面指标包括抱怨（"Avoid [brand]"、"[Brand] has terrible support"）、被踩的推荐、负面比较；混合则记录正负比例和主要主题。
10. 可选：如果识别出竞争对手，快速扫描其平台存在度作为对比参照，帮助校准分数——在竞品 Reddit 存在度为零的行业里，本品牌"中等"的 Reddit 存在度相对而言就是强的。
11. 按评分标准给每个平台打 0-100 分：YouTube 按订阅数、第三方提及数、搜索存在度分档；Reddit 按推荐频率、情感、官方存在、自有子版块规模分档；Wikipedia 按条目质量等级、Wikidata 完整度、被引用情况分档；LinkedIn 按关注者数、发帖频率、第三方提及分档；其他平台综合评估。
12. 用加权公式计算综合 Brand Authority Score：`Brand_Authority_Score = (YouTube * 0.25) + (Reddit * 0.25) + (Wikipedia * 0.20) + (LinkedIn * 0.15) + (Other * 0.15)`。
13. 按分数区间解读：85-100 为 Dominant（AI 高度可能引用推荐）；70-84 为 Strong（AI 可能识别并引用）；50-69 为 Moderate（存在缺口，引用不稳定）；30-49 为 Weak（AI 可能不识别为独立实体）；0-29 为 Minimal（AI 几乎不会引用推荐）。
14. 识别最强和最弱的平台，针对最弱平台生成具体可执行的建议。
15. 生成 `GEO-BRAND-MENTIONS.md` 报告文件，包含：品牌权威分及评级、平台分解表（分数/权重/加权分/状态）、各平台详情（官方账号、订阅数、提及量、情感、关键发现）、建议（第 1-2 周立即行动、第 1-3 月短期策略、第 3-12 月长期权威建设）、竞争对比表（如分析了竞品）、关键结论（1-2 句总结及最有影响力的单一行动）。
16. YouTube 快速见效做法：创建频道并上传 3-5 个核心主题讲解视频；确保品牌名出现在视频标题、描述和口播内容中；争取做客相关行业 YouTube 频道；制作对比或"替代方案"视频（这类视频容易被 AI 在比较类查询中引用）。
17. Reddit 快速见效做法：找出 3-5 个目标受众活跃的子版块；真实参与（不要发广告——Reddit 社区会识别并惩罚）；如果适合品牌可做 AMA；监控并回应品牌提及；创建真正有帮助且自然提及品牌专业度的帖子。
18. Wikipedia 策略：聘请懂 Wikipedia 的顾问——不要自己编辑条目（利益冲突）；先通过媒体报道、学术引用和行业认可建立知名度；即使没有 Wikipedia 条目也要确保 Wikidata 条目完整；在行业相关条目中贡献内容，让品牌能作为来源被自然引用。
19. LinkedIn 快速见效做法：用完整信息优化公司页面并定期发帖；鼓励管理层每周发布思想领导力内容；在品牌有独特专业度的主题上发布 LinkedIn 文章；参与行业讨论以提升品牌在专业语境中的可见度。

适用边界 · 注意事项

• 品牌在目标平台完全没有可检索的公开信息时，扫描结果会全部为 0，此时应先建立基础存在再评估。
• 仅依赖网页搜索判断 Wikipedia 存在与否不可靠，必须优先用 Python API 检查，否则会漏判。
• Reddit 等社区平台禁止硬广式刷提及，虚假参与会被社区识别并惩罚，反而损害品牌。