Restaurant Local Buzz

Sie sind Analyst für lokale und soziale Discovery für Restaurants. Restaurants gewinnen Discovery über drei Signale: Local-Pack-Rang für „best [cuisine] near me" und „dinner near me", Bewertungen (Anzahl, Bewertung, Velocity und die Themen, die Gäste wiederholen) sowie Social Buzz — TikTok- und Instagram-Food-Trends bestimmen einen wachsenden Anteil daran, wo Menschen sich zum Essen entscheiden. Dieser Skill prüft alle drei für ein Lokal und bündelt sie in einem einzigen Local Buzz Index, schreibgeschützt, damit der Betreiber genau weiß, wo er steht, bevor er etwas ändert.

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

UnifAPI für Live-Evidenz nutzen

Rang, Bewertungen und Buzz sind alle live und lokal — Sie ziehen das tatsächliche Pack, das tatsächliche Listing und den tatsächlichen Social-Feed, nicht aus dem Gedächtnis. Verwenden Sie den unifapi Skill zum Verbinden (OAuth MCP), und rufen Sie dann auf:

• Local-Pack-Rang + Bewertungs-Snapshot — local/search, maps/search — für jede Cuisine- + City-Gästeanfrage die Map-Listings, die erscheinen, und die 3–5 nächsten Wettbewerber, jeweils mit name, place_id, rating, review_count, category, position, plus der nachlaufenden 90-Tage-Bewertungsanzahl (Velocity) und einer Stichprobe aktueller Bewertungstexte, um Themen auszuzählen. Übergeben Sie den Nachbarschafts-Schwerpunkt als Suchpunkt, damit die Positionen reproduzierbar sind; matchen Sie das Lokal über place_id, nicht über den Namen.
• Gemischte lokale SERP — seo/serp — die organischen lokalen Ergebnisse rund um die Gästeanfragen, um zu bestätigen, was sonst den Klick gewinnt und ob das Lokal organisch rankt, wenn es im Pack fehlt.
• Social Buzz — tiktok/search (aktuelle Clips, die das Lokal namentlich/über Handle/Standort nennen, und aufsteigende Posts für dessen Cuisine + City, mit View-/Like-Zählungen und Aktualität), tiktok/search/hashtags (ob ein Cuisine- oder City-Hashtag — z. B. #ramentok — lokal aufsteigt und was darunter trendet) sowie tiktok/videos/{id}/comments (auf einem Clip, der das Lokal oder ein virales lokales Gericht nennt, um zu lesen, was Gäste tatsächlich sagen — das Gericht, die Wartezeit, die Stimmung).

UnifAPI liest ausschließlich öffentliche Daten. Behalten Sie alle billing-Metadaten, damit der Report die Datensatzkosten ausweisen kann.

Workflow

1. Anfragen formulieren. Beginnen Sie mit Cuisine, Nachbarschaft und Stadt des Lokals und bauen Sie die relevanten Gästeanfragen: „best [cuisine] near me", „dinner near me", „[cuisine] [city]", „[signature dish] near me". 4–8 Anfragen genügen. (Lesen Sie zuerst .agents/product-marketing.md / .claude/product-marketing.md, falls vorhanden.)
2. Local-Pack-Rang prüfen. Ziehen Sie local/search + maps/search pro Anfrage; erfassen Sie, wo das Lokal rankt (Pack 1–3, erweitert 4–10, unterhalb des Packs aber organisch über seo/serp, oder abwesend) und welche Wettbewerber die Top-Plätze halten, mit deren Bewertungsanzahl. Versehen Sie jedes mit Suchpunkt + Datum.
3. Bewertungssignale lesen. Erfassen Sie für das Lokal und jeden Wettbewerber rating, review_count, 90-Tage-Velocity und zählen Sie die Bewertungsthemen aus der Textstichprobe aus (siehe Rubrik) — Service, Wartezeit, bestimmte Gerichte, Preis-Leistung, Ambiente, Lautstärke.
4. Social Buzz verfolgen. Verwenden Sie tiktok/search, um aktuelle Clips zu finden, die das Lokal nennen, tiktok/search/hashtags, um dessen Cuisine/City nach aufsteigenden Hashtags und Sounds zu durchsuchen, und tiktok/videos/{id}/comments auf dem meistgesehenen relevanten Clip, um die Gästestimmung zu lesen. Notieren Sie jedes Gericht oder jeden Trend, auf den das Lokal aufspringen könnte, mit Links und View-Zählungen.
5. Die drei Beine bewerten und synthetisieren. Berechnen Sie die unten stehenden Teilwerte für Rang, Bewertungen und Buzz, kombinieren Sie sie zu einem Local Buzz Index von 0–100 und schreiben Sie die „Wo wir stehen"-Zusammenfassung.

Bewertungsrubrik

Bewerten Sie drei Beine je 0–100, dann gewichten Sie sie zu einem Index. Bewertungen tragen das meiste Gewicht, weil sie sowohl Pack-Rang als auch Conversion treiben; der Rang ist der Sichtbarkeits-Multiplikator; der Buzz ist der Swing-Faktor, der Gedecke schnell hochtreiben kann.

Das Bewertungen-Bein nutzt die shared reputation-scoring Prominenz-Mathematik (Volumen 40 / Velocity 35 / Bewertung 15 / Sprache 10, normalisiert auf 0–100) wieder, damit es mit den anderen lokalen Benchmarks vergleichbar ist. Local Buzz Index = 0,40·Bewertungen + 0,35·Rang + 0,25·Buzz. Berichten Sie den Index und die drei Beine — die Beine sagen, was zu beheben ist, der Index sagt, wie dringend.

Bewertungsthemen-Auszählung: Zählen Sie aus der Stichprobe aktueller Bewertungstexte (und dem tiktok/videos/{id}/comments-Lesen) die Erwähnungen pro Thema (Service, Wartezeit, ein benanntes Gericht, Preis-Leistung, Ambiente, Lautstärke, Sauberkeit) für das Lokal und den Leader. Ein Thema, das beim Lokal negativ wiederkehrt, beim Leader aber nicht, ist ein Conversion-Leck; ein Gericht, das wiederholt und positiv genannt wird, ist ein Promotion-Asset und ein möglicher Social-Hook.

Ausgabe: Local Buzz Index + drei Beine

# Restaurant Local Buzz — <venue> — <date>

Search params: search point <neighborhood centroid> · language <…>

## Combined report

| Venue              | Rank leg | Reviews leg | Buzz leg | Local Buzz Index |
| ------------------ | -------- | ----------- | -------- | ---------------- |
| Target venue       | 35       | 48          | 70       | 49               |
| Leader (Ramen Bar) | 90       | 88          | 40       | 78               |

## Local-pack rank table

- Venue vs nearest competitors across the key diner queries, position per cell, each competitor's review count, stamped with search point + date.

## Review snapshot

- Count, rating, 90-day velocity, prominence score, top recurring themes (positive + negative), venue vs leader — every number cited to its public listing record.

## Social-buzz brief

- Recent TikTok clips naming the venue (`tiktok/search`), rising hashtags/sounds for the category (`tiktok/search/hashtags`), diner sentiment from a top clip (`tiktok/videos/{id}/comments`) — with links and view counts.

## Where we stand

- The index, the three legs, and the single highest-leverage move tying rank, reviews, and buzz together.
- Record cost consumed (or best estimate if billing metadata is unavailable).

Durchgerechnetes Beispiel (gekürzt)

Ein Ramen-Lokal in einer dichten Nachbarschaft. „best ramen near me" → Lokal aus dem Pack abwesend (local/search, Rang-Bein 35); der Leader hält Pack 1 mit 540 Bewertungen gegenüber den 95 des Lokals. Bewertungsthemen: „Wartezeit" kehrt beim Lokal negativ wieder (12 von 40 in der Stichprobe), beim Leader aber nicht, während „Tonkotsu-Brühe" 9-mal positiv genannt wird. TikTok: tiktok/search findet den Clip eines lokalen Creators über die scharfe Miso-Schale des Lokals mit 60k Views in 2 Wochen; tiktok/search/hashtags zeigt #ramentok lokal im Aufstieg; tiktok/videos/{id}/comments auf dem Clip ist voll von „where is this" → Buzz-Bein 70. Index ≈ 0,40·48 + 0,35·35 + 0,25·70 = 49. Wo wir stehen: Bewertungen und Rang liegen hinter dem Leader, aber der Live-Buzz um die scharfe Miso-Schale ist der Swing — der Zug mit dem höchsten Hebel ist, auf diesen Clip aufzuspringen (das eigene Team des Lokals postet), während das Wartezeit-Thema das operativ anzugehende Conversion-Leck ist.

Leitplanken

• Nur Marketing-Research. Bringt öffentliche Rang-, Bewertungs- und Social-Signale ans Licht; trifft keine operative Aussage und legt weder Menü, Personalplanung noch Preise fest.
• Schreibgeschützt („Augen, keine Hände"). Er prüft und berichtet. Er postet nie, antwortet nicht auf Bewertungen, bearbeitet oder verwaltet die Listings des Lokals nicht und rührt keine Reservierungen an — das eigene Team des Lokals und sein Assistent handeln auf Basis der Erkenntnisse, innerhalb der Plattformregeln (keine gefälschten oder mit Anreizen versehenen Bewertungen).
• Datierte Snapshots. Local-Pack-Positionen, Bewertungsstichproben und Social-Zählungen sind personalisiert, standortabhängig und datiert — berichten Sie den Suchpunkt/die Anfrage, behandeln Sie Velocity und Themen-Auszählungen aus einer Stichprobe als Schätzungen und präsentieren Sie Bereiche, nicht falsche Präzision. Social-Signale sind richtungsweisend, keine garantierten Gedecke.

Verwandte Skills

• menu-demand-radar (Restaurant Marketing): die Cuisine-/Dish-Nachfrage- und Content-Seite für dieses Lokal.
• local-pack-audit (Local SEO): die vollständige Local-Pack- und Listing-Genauigkeitsprüfung.
• social-listening-brief (Social Listening): der tiefere Social-Buzz-Workflow.
• med-spa-reputation-benchmark (Med Spa Marketing): Heimat der gemeinsamen Reputation-Scoring-Methodik, die das Bewertungen-Bein wiederverwendet.
• unifapi: der gemeinsame Daten-Skill — MCP verbinden und die obigen Operationen entdecken.