Attorney Reputation Benchmark
Bewertungen und Google-Unternehmensprofil einer Kanzlei mit den Kanzleien vergleichen, die für ihre Anwaltssuchen ranken, und die Lücke beziffern.
Agent-nativ
Führen Sie ihn in Claude, ChatGPT-eigenen MCP-Apps, OpenClaw, Hermes, Codex, Claude Code, Cursor, VS Code oder einem anderen MCP-fähigen Client aus. Kein dedizierter GUI-Flow und kein separater LLM-API-Schlüssel.
Gestützt auf öffentliche Live-Daten
Jeder Schritt ist in öffentlichen Live-Datensätzen verankert, die UnifAPI zurückgibt, sodass das Ergebnis zitiert, was tatsächlich rankt, gepostet oder gesagt wird — keine generische Best-Practice-Liste.
Kombinierbar & Open Source
Skills verweisen aufeinander und liegen in einem öffentlichen Repo im MIT-Stil. Lesen Sie die vollständige SKILL.md auf GitHub, forken Sie sie oder führen Sie sie unverändert in Ihrem Agent aus.
Fügen Sie dies in Codex oder Claude Code ein
Der Prompt ist bewusst bearbeitbar. Ersetzen Sie die Handles, den Markt, das Budget und das Kampagnenziel und lassen Sie dann den Agent UnifAPI MCP aufrufen, wenn er öffentliche Live-Daten benötigt.
Benchmark my law firm in Chicago against competing firms for "personal injury lawyer near me": review count, rating, 90-day velocity, and profile completeness, plus the net-new-reviews target to catch the leader.
Der vollständige Skill, gerendert aus seiner SKILL.md
Sie sind ein Analyst für lokale Reputation für eine Kanzlei. Für Kanzleien sind Bewertungen und ein vollständiges Google Business Profile die größten Hebel auf die lokale Prominenz — Googles Ranking-Signal für den Map-Pack — und auf die Conversion: Interessenten, die nach „personal injury lawyer near me" oder „family law attorney [city]" suchen, lesen Bewertungen, bevor sie überhaupt anrufen, und eine Kanzlei mit 120 starken, aktuellen Bewertungen gewinnt den Klick gegenüber einer mit 15 veralteten. Dieser Skill benchmarkt eine Kanzlei gegen konkurrierende Kanzleien und quantifiziert die Lücke an netto-neuen Bewertungen zum Leader, schreibgeschützt.
Dies ist ein enhanced Skill: Er liest öffentliche Live-Daten über UnifAPI.
Nutzen Sie UnifAPI für Live-Evidenz
Jede Lücke ist an einen echten öffentlichen Eintrags-Datensatz verankert. Nutzen Sie den unifapi-Skill zum Verbinden (OAuth MCP), und rufen Sie dann auf:
- Local Pack + Map-Einträge —
local/search,maps/search— führen Sie die Rechtsgebiet-+-Stadt-Queries der Kanzlei aus („personal injury lawyer [city]", „DUI attorney [city]", „family law attorney [city]"). Jede gibt die Kanzleien im 3-Pack zurück mitname,place_id,rating,review_count,category, Adresse, Öffnungszeiten, Attributen/Fotos undposition— die Kanzlei plus ihre 3–5 Wettbewerber in einem Aufruf. Matchen Sie die Kanzlei überplace_id, nicht über den Namen; nutzen Sie die Felder Öffnungszeiten/Attribute/Fotos für das Google-Business-Profile-Vollständigkeitssignal. - Local-SERP-Präsenz —
seo/serp— bestätigen Sie, ob die Kanzlei im lokalen Block für jede Rechtsgebiet-+-Stadt-Query auftaucht (gerankte Elemente + SERP-Features), sodass einabsent-Befund Evidenz ist, keine Annahme. - Aktuelle Bewertungskadenz —
local/search,maps/search— lesen Sie die aktuellsten Bewertungen pro Kanzlei und zählen Sie jene innerhalb der zurückliegenden ~90 Tage, sodass eine hohe Lifetime-Gesamtzahl keine veraltete Basis verdeckt. Wenn nur eine Stichprobe sichtbar ist, behandeln Sie die Velocity als Untergrenzen-Schätzung und sagen Sie das. - Bewertungssprach-Stichprobe —
local/search— entnehmen Sie öffentlichem Bewertungstext eine Stichprobe für den Anteil der Bewertungen, die die Stadt/das Viertel und das spezifische Rechtsgebiet nennen.
UnifAPI liest ausschließlich öffentliche Daten — es berührt niemals das Google Business Profile der Kanzlei. Bewahren Sie alle billing-Metadaten auf, damit der Bericht die Datensatzkosten ausweisen kann.
Workflow
- Das Feld auflösen. Lesen Sie zuerst
.agents/product-marketing.md/.claude/product-marketing.md, falls es existiert. Führen Sie von der Stadt der Kanzlei und den wichtigsten Rechtsgebiet-+-Stadt-Querieslocal/search/maps/searchaus, um die Local-Pack-Einträge zu ziehen und die 3–5 konkurrierenden Kanzleien zu identifizieren, die ranken. Nutzen Sieseo/serp, um die Local-Pack-Position jeder Kanzlei pro Query zu bestätigen (oderabsent). - Öffentliche Bewertungssignale ziehen. Lesen Sie für die Kanzlei und jeden Wettbewerber
rating,review_count, die Bewertungszahl der zurückliegenden 90 Tage (Velocity), wie vollständig jedes Google Business Profile aussieht (Öffnungszeiten, Kategorien, Attribute, Fotos) und eine Bewertungstext-Stichprobe. - Das Feld mit der gemeinsamen Methodik bewerten. Berechnen Sie
volume_gap,velocity_per_quarter,rating_gap, den Sprachanteil und den 0–100-prominence-Score, sodass die Tabelle sortiert; identifizieren Sie den Local-Pack-Leader. Die exakte Mathematik — Velocity der zurückliegenden 90 Tage, netto-neue-Bewertungen-bis-Parität und netto-neue-5-Sterne-bis-lokaler-Durchschnitt — ist die gemeinsame Reputation-Scoring-Methodik, die von allen vier Reputation-Benchmarks für lokale Unternehmen verwendet wird. Wenden Sie sie wortgetreu an, statt sie neu herzuleiten. - Den Aufholbedarf quantifizieren. Geben Sie die Volumenlücke zum Leader an und die
target_per_quarternetto-neuen Bewertungen, die nötig sind, um sie im aktuellen relativen Tempo aufzuholen, plus die netto-neuen 5-Sterne-Bewertungen, um das lokale Durchschnitts-Rating zu erreichen. Wenn der Leader sich unrealistisch schnell absetzt, setzen Sie das Ziel auf die nächste schlagbare Kanzlei zurück und sagen Sie das. Schichten Sie ein, wo die Profil-Vollständigkeit der Kanzlei hinter den Wettbewerbern zurückbleibt.
Ausgabe
Eine Benchmark-Tabelle, Leader bis Nachzügler, plus ein Aufholplan. Die kanzleispezifische Spalte ist Google-Business-Profile-Vollständigkeit.
| Kanzlei | Bewertungen | Rating | Neu/90T | Profil vollständig? | Prominenz /100 |
|---|---|---|---|---|---|
| Kanzlei (Sie) | 70 | 4.6 | 4 | hours + 6 photos | 41 |
| Leader (Smith PI) | 612 | 4.8 | 22 | full | 93 |
Dann:
- Lücke zum Leader in konkreten Zahlen: Volumenlücke, Rating-Lücke, Velocity-Lücke.
- Netto-neue-Bewertungen/Quartal-Ziel, um den Leader (oder die nächste schlagbare Kanzlei) aufzuholen, und netto-neue 5-Sterne-Bewertungen, um das lokale Durchschnitts-Rating zu erreichen.
- Profil-Vollständigkeits-Notizen — wo die Eintragsdetails der Kanzlei (Öffnungszeiten, Attribute, Fotos) dünner oder inkonsistenter aussehen als bei den Wettbewerbern.
- Jede Zahl zitiert auf den öffentlichen Eintrags-Datensatz (
place_id) und gestempelt mit der Query/dem Suchpunkt.
Durchgespieltes Beispiel (gekürzt)
Kanzlei hat 70 Bewertungen bei 4,6, ~4/Quartal. Der „personal injury lawyer Austin"-Pack-Leader hat 612 bei 4,8, ~22/Quartal; lokales Durchschnitts-Rating 4,7. Volumenlücke 542; der Leader überholt um ~18/Quartal, also braucht die Kanzlei über einen 4-Quartals-Horizont ~542/4 + 22 ≈ 158 netto-neue Bewertungen/Quartal, um Parität zu erreichen — unrealistisch, also Reset auf die #3-Kanzlei (210 Bewertungen, ~9/Quartal), wo Parität ~44/Quartal braucht. Rating: um 4,6 → 4,7 anzuheben, braucht es ⌈70 × 0,1 / 0,3⌉ ≈ 24 netto-neue 5-Sterne-Bewertungen. Profil-Lücke: Leader hat 40+ Fotos und 9 Attribute; Kanzlei hat 6 Fotos und keine Attribute.
Leitplanken
- Nur Marketing-Recherche — keine Rechtsberatung. Dieser Skill liest öffentliche Reputationssignale; er macht keine rechtlichen Aussagen.
- Die Kanzlei besitzt die Einhaltung der Anwaltswerbungsvorschriften. Sie bleibt für State-Bar- und Anwaltswerbungsregeln verantwortlich — einschließlich jener rund um das Einholen, Incentivieren, Gaten und Beantworten von Bewertungen und Testimonials, die je nach Gerichtsbarkeit variieren. Die Aufhol-Ziele sind Velocity-Ziele, keine Methode; wie Bewertungen verdient werden, muss den Bar- und Plattformregeln folgen.
- Schreibgeschützt („Augen, keine Hände"): Es postet, holt ein, gatet oder beantwortet niemals Bewertungen im Namen der Kanzlei und bearbeitet niemals das Google Business Profile. Das eigene Team der Kanzlei betreibt jede Bewertungsgenerierung innerhalb der Plattform- und Bar-Regeln — keine incentivierten oder gefälschten Bewertungen.
- Local-Pack-Positionen und Bewertungsstichproben sind personalisiert, standortsensitiv und datiert — berichten Sie die Query/den Suchpunkt, behandeln Sie die Velocity als Schätzung, wenn sie stichprobenbasiert ist, und präsentieren Sie Bereiche, keine falsche Präzision.
Verwandte Skills
- practice-area-rank-audit (Law Firm Marketing): die Rechtsgebiet-+-Stadt-Rank- und Content-Tiefe-Seite für diese Kanzlei, sobald die Reputation das Ranking stützen kann.
- med-spa-reputation-benchmark (Med Spa Marketing): die Heimat der gemeinsamen Reputation-Scoring-Methodik.
- dental-reputation-benchmark / agent-reputation-benchmark: Geschwister-Benchmarks, die dieselbe Scoring-Methodik teilen.
- unifapi: der gemeinsame Daten-Skill — MCP verbinden und die
local/search-,maps/search- undseo/serp-Operationen entdecken, die dieser Skill liest.
Quelle: attorney-reputation-benchmark/SKILL.md auf GitHub — öffnen Sie dort einen PR, um sie zu verbessern.
Die Live-APIs, die dieser Skill aufruft
Jede Operation, die der Skill benennt, gehört zu einer dieser UnifAPI-Plattformen — weiterhin sichtbar und aufrufbar für Produktcode, Debugging und individuelle Agent-Flows.
- Benchmark-Tabelle: Kanzlei vs. Wettbewerber bei Bewertungen, Rating, Geschwindigkeit, Profilvollständigkeit
- Die Lücke zum Local-Pack-Spitzenreiter in konkreten Zahlen
- Ein Ziel für neue Bewertungen pro Quartal sowie inkonsistente Eintragsangaben
- Jede Zahl mit Quelle des öffentlichen Eintragsdatensatzes
Weitere Skills im Kanzlei-Marketing-Agent
Verketten Sie diese im selben Agent, um von einem Entscheidungsartefakt zum nächsten zu gelangen — jeder hat seinen eigenen Run-Prompt, Workflow und sein eigenes erwartetes Ergebnis.
Rechtsgebiet-Ranking
Prüfen Sie das Ranking einer Kanzlei für jede Rechtsgebiet-+-Stadt-Suchanfrage und kennzeichnen Sie, wo dünner Content der Grund für den Rückstand ist.
Rechtsgebiet-Ranking öffnen