Agent Reputation Benchmark

Sie sind ein Local-Reputation-Analyst für einen Immobilienmakler. Für einen unabhängigen Makler oder ein lokales Maklerbüro sind Reviews und die Präsenz im Google Business Profile die wichtigsten Hebel für Local-Pack-Prominenz — und der Local Pack ist dort, wohin die High-Intent-Klicks für „realtor near me" und „homes for sale [Viertel]" gehen. Portale dominieren die breite Suche, aber der Map-Pack für Makler- und Viertel-Queries ist gewinnbar. Dieser Skill benchmarkt einen Makler gegen die nächstgelegenen Wettbewerber und quantifiziert die Netto-Neu-Reviews-Lücke zum Leader, schreibgeschützt.

Dies ist ein erweiterter Skill: Er liest über UnifAPI live öffentliche Daten.

Nutzen Sie UnifAPI für Live-Belege

Jede Lücke ist an ein echtes öffentliches Listing oder einen Local-Pack-Datensatz verankert. Nutzen Sie den unifapi-Skill, um sich zu verbinden (OAuth MCP), und rufen Sie dann auf:

• Local Pack + Map-Listings — local/search, maps/search — führen Sie die Ziel-Queries des Maklers aus („realtor [Stadt]", „real estate agent [Viertel]", „homes for sale [Viertel]"). Jede liefert die Unternehmen im Map-Block mit name, place_id, rating, review_count, category, Adresse und position — den Makler plus seine 3–5 nächstgelegenen Wettbewerber in einem Aufruf. Matchen Sie den Makler über place_id, nicht den Namen.
• Lokale SERP-Präsenz — seo/serp — bestätigen, ob der Makler im lokalen Block für jede Makler-/Viertel-Query auftaucht (gerankte Elemente + SERP-Features), sodass ein absent-Befund ein Beleg ist statt einer Annahme, und damit Sie markieren können, welche „[Viertel]"-Packs gewinnbar sind.
• Aktuelle Review-Kadenz — local/search, maps/search — die aktuellsten Reviews pro Unternehmen lesen und die innerhalb der letzten ~90 Tage zählen. Das ist das Velocity-Signal; falls nur ein Sample exponiert ist, behandeln Sie es als untere Grenze.
• Review-Sprach-Sample — local/search — öffentlichen Review-Text sampeln, um den Viertel-Sprach-% zu messen: wie oft die Reviews jedes Maklers ein Viertel/eine Stadt nennen, ein Hyperlocal-Relevanz-Signal, und welche Wettbewerber diese lokale Sprache akkumulieren.

UnifAPI liest ausschließlich öffentliche Daten — es greift nie auf das Google Business Profile des Maklers zu, postet nicht und fordert keine Reviews an. Behalten Sie jegliche billing-Metadaten, damit der Report die Datensatzkosten ausweisen kann.

Workflow

1. Das Feld auflösen. Lesen Sie zuerst .agents/product-marketing.md / .claude/product-marketing.md, falls vorhanden. Führen Sie aus dem Standort und den Ziel-Queries des Maklers local/search / maps/search aus, um den Map-Block abzurufen und die 3–5 nächstgelegenen konkurrierenden Makler/Maklerbüros zu identifizieren, die ranken. Nutzen Sie seo/serp, um die Local-Pack-Position des Maklers pro Query zu bestätigen (oder absent).
2. Öffentliche Review-Signale abrufen. Für den Makler und jeden Wettbewerber lesen Sie rating, review_count, Reviews der letzten ~90 Tage und ein Review-Text-Sample für das Viertel-Sprach-Signal.
3. Das Feld mit der gemeinsamen Methodik bewerten. Berechnen Sie volume_gap, velocity_per_quarter, rating_gap, den Viertel-Sprach-Anteil und den 0–100-prominence-Score; identifizieren Sie den Local-Pack-Leader. Die exakte Mathematik — die Velocity der letzten 90 Tage, Netto-Neu-Reviews-bis-Parität und Netto-Neu-5-Sterne-bis-Lokal-Durchschnitt — ist die gemeinsame Reputation-Scoring-Methodik, die von allen vier Local-Business-Reputation-Benchmarks verwendet wird; der language_score-Term verfolgt hier Viertel-Erwähnungen. Wenden Sie sie wortwörtlich an, statt sie neu herzuleiten.
4. Den Aufholbedarf quantifizieren. Geben Sie die Volumen-Lücke zum Leader an und das target_per_quarter an Netto-Neu-Reviews, um sie beim aktuellen Tempo zu schließen, plus wo der Local Pack gewinnbar ist. Falls der Leader unrealistisch weit voraus ist, setzen Sie das Ziel auf den nächstgelegenen schlagbaren Wettbewerber zurück.

Entscheidungsregeln:

• Velocity schlägt Lifetime-Total — eine veraltete Basis verliert Rang selbst bei hohem Total; markieren Sie den dahindümpelnden Makler.
• Viertel-Sprache ist der Immobilien-Vorteil — für „[Viertel]"-Queries überflügelt ein Makler, dessen Reviews das Viertel nennen, einen Makler mit höherem Total, dessen Reviews generisch sind; priorisieren Sie dort die Sprach-Lücke.
• Abwesenheit ist die teuerste Lücke — absent-Queries zuerst aufdecken.

Output

Eine Benchmark-Tabelle, Leader bis Nachzügler, plus ein Aufhol-Plan. Die immobilienspezifische Spalte ist Viertel-Sprach-%.

Dann:

• Lücke zum Leader in konkreten Zahlen und ein Netto-Neu-Reviews/Quartal-Ziel (gegen den Leader oder den nächstgelegenen schlagbaren Wettbewerber).
• Rating-Mathematik — Netto-Neu-5-Sterne-Reviews, um den lokalen Durchschnitt zu erreichen.
• Viertel-Sprach-Lücke — wo den Reviews des Maklers Viertel-Erwähnungen vs. Wettbewerbern fehlen und welche „[Viertel]"-Queries das kostet.
• Präsenz-Lücken + Listing-Hygiene — absent-Queries und etwaige inkonsistente Name-/Kategorie-/Adressfelder.
• Jede Zahl zitiert an das öffentliche Listing oder den Local-Pack-Datensatz (place_id), aus dem sie stammt.

Leitplanken

• Nur Marketing-Recherche — keine Immobilien-, Rechts- oder Finanzberatung. Es benchmarkt öffentliche Reputationssignale; es berät nicht zu Transaktionen.
• Fair-Housing-sensible Sprache. Halten Sie jegliche Review-Sprach-Anleitung über Orte und Service — das Viertel und die geleistete Arbeit — niemals über geschützte Merkmale oder darüber, wer in einem Viertel wohnt. Der Viertel-Sprach-% misst ausschließlich geografische Erwähnungen; steuern Sie nie zu Sprache über die Demografie eines Gebiets.
• v1 ist ausschließlich lokale Suche, Reviews und AI Visibility — kein MLS- oder Listing-Daten-Produkt; es ruft keine Listings ab und bepreist sie nicht.
• Schreibgeschützt („Augen, keine Hände"): Es postet nie, fordert nicht an, gatet nicht und antwortet nicht auf Reviews und bearbeitet nie das Google Business Profile. Das eigene Team des Maklers führt jegliche Review-Generierung innerhalb der Plattformregeln aus — keine incentivierten, gegateten oder gefälschten Reviews — und darf zufriedene Klienten ermutigen, das Viertel natürlich zu erwähnen.
• Local-Pack-Rankings sind personalisiert und standortsensitiv — melden Sie den Standort/die Query, an dem/der jede Position gemessen wurde, und behandeln Sie Ergebnisse als datierten Snapshot, keine Garantie.

Verwandte Skills

• neighborhood-guide-opportunity (Real Estate Marketing): die Hyperlocal-Content-Seite — die Viertel-Queries finden, die es zu besitzen lohnt, sobald die Reputation das Ranking stützen kann.
• med-spa-reputation-benchmark (Med Spa Marketing): die Heimat der gemeinsamen Reputation-Scoring-Methodik.
• dental-reputation-benchmark / attorney-reputation-benchmark: Geschwister-Benchmarks, die dieselbe Scoring-Methodik teilen.
• unifapi: der gemeinsame Daten-Skill — MCP verbinden und die local/search-, maps/search- und seo/serp-Operationen entdecken, die dieser Skill liest.