LLM Mention Tracking

固定したプロンプトセットに対して、ChatGPT および AI 検索エンジン全体で、ブランドとそのドメインがどれだけ頻繁に言及されるかを追跡します — そして、その共有率（シェアオブボイス）が、名前を挙げた競合とどう比較され、時間とともにどう動くかを追跡します。監査がスナップショットであるのに対し、これは繰り返しの読み取りです: パネルと競合リストは固定されたままなので、各実行は前回と比較可能です。

これは強化スキルです。UnifAPI を通じてライブの公開データを読み取ります。成果物は単一の数値ではなくトレンドであるため、価値は変わらないパネルに対して定期的に実行することから生まれます。

ライブの根拠には UnifAPI を使う

これは強化スキルです。UnifAPI を通じてライブの公開データを読み取ります。unifapi スキルを使って接続し（OAuth MCP）、その後、これらの GEO 操作を発見します。すべて POST です。engine（google / chatgpt）、location、language を毎回同一に渡し、トレンドが設定のドリフトではなく実際の動きになるようにします。

• ラベル付きグループ全体のシェアオブボイス — 中核の読み取り — geo/mentions/cross-aggregated-metrics は ラベル付きグループ間で言及を比較します: ブランドを 1 つのグループに、名前を挙げた各競合をそれぞれ独自のグループに入れると、この呼び出しは直接的に一騎打ちのシェアを返します。これがトラッカーのエンジンです — 各サイクルで同一に実行すれば、出力の差分が そのまま SoV のトレンドになります。
• パネルレベルの言及 — geo/mentions/search（target = 最大 10 エンティティの配列: ブランドドメイン + 各競合）は、プロンプトごとに、各エンティティが言及されているか、どの回答でかを捕捉します — 集計シェアの粒度の細かい裏付けです。
• ロールアップ — geo/mentions/aggregated-metrics は、ターゲットセット全体にわたって言及を 1 回の呼び出しでロールアップします（カウント、AI 検索ボリューム、引用されたドメイン）。合計だけが必要なときは、プロンプトごとの SERP より安価です。
• 引用 vs 名前出し — geo/serp（target = ブランドドメイン、is_target フラグ）は、言及が実際の 引用ソース（リンク）か、単なる本文中の名前出しかを確認します。引用の方が強いシグナルです。別の行で追跡します。
• 誰が上昇しているか — geo/mentions/top-domains は、セットに対して最も引用されたドメインをランク付けします。このリストを実行間で差分すると、「どの競合が伸びているか」を最も速く読み取れます。
• 需要で重み付けする — geo/keywords/search-volume は、各プロンプトを AI 検索の需要で重み付けし、SoV がトラフィックを運ぶプロンプトを反映するようにします。パネル作成時に一度取得し、実行間で再利用します（四半期ごとに再取得）。

UnifAPI は公開データのみを読み取ります。コスト行のために各 billing ブロックを保持します。

ワークフロー

（.agents/product-marketing.md / .claude/product-marketing.md が存在する場合は先に読みます — ブランド、ドメイン、競合セットを再利用し、パネルが他のすべてと一致するようにします。）

1. パネルを固定する — 一度だけ、その後は凍結する。 安定したプロンプトセット（10–30）、ブランド + ドメイン、名前を挙げた競合（合計 ≤10 エンティティ — mentions/search の target 上限）を固定し、各エンティティに cross-aggregated-metrics 用の固定された グループラベル を割り当てます。このパネルを一字一句そのまま保存します。実行間で変えてはなりません。変えるとトレンドが壊れます。今、プロンプトごとの AI 検索ボリュームを記録し（geo/keywords/search-volume）、それを再利用します。
2. シェアの読み取りを実行する。 固定したグループラベルで geo/mentions/cross-aggregated-metrics を呼び出し、ブランド対各競合のシェアを一度に取得します。粒度の細かいパネルには geo/mentions/search をプロンプトごとに、ロールアップには geo/mentions/aggregated-metrics を裏付けに使います。各（プロンプト × プラットフォーム × エンティティ）について記録します: 言及された（yes/no）と、ソースとして引用された（geo/serp/is_target 経由で yes/no）。
3. シェアオブボイスを計算する。 以下の SoV ルーブリックを、プラットフォームごとおよび全体に適用し、引用された枠を名前出しから分離します。
4. 前回の実行に対して差分する。 前回の実行で保存した数値を読み込み、デルタを計算します: どのプロンプトでブランドが増えた/減った、どの競合が上昇したか（geo/mentions/top-domains を差分）、純 SoV の変化。実行日をスタンプし、AI 回答はセッションによって変動することを注記します。
5. この実行を永続化する ので、次回の実行がこれに対して差分できます。トレンドテーブルは実行ごとに 1 列ずつ増えます。グループラベルとプロンプトは決して変わりません。

シェアオブボイスのスコアリング

SoV は 固定パネル に対して計算されるため、実行間で比較可能です。追跡対象の各エンティティについて:

mention SoV(entity)  = entity mentions / Σ mentions(all tracked entities)   [per platform + overall]
citation SoV(entity) = entity cited-slots / Σ cited-slots(all tracked entities)
weighted SoV(entity) = Σ_p [entity mentioned on p ? volume_p : 0] / Σ_p [any tracked entity mentioned on p ? volume_p : 0]

カウントルール（毎回同一に保つ）:

• 複数の参照で言及されても、エンティティは （プロンプト × プラットフォーム）ごとに 1 回 カウントします — 冗長な回答による水増しを避けます。
• 引用された枠 = is_target/引用リンクが存在。名前出し = 本文で名前を挙げられているがリンクなし。両方を追跡します。引用 SoV が見出し、言及 SoV が先行指標です。
• 両プラットフォームから AI 回答がレンダリングされなかった（プロンプト × プラットフォーム）セルは、分子と分母の両方から除外します。
• 重み付き SoV（AI 検索ボリュームによる）が主要な見出しです。重み付けなしを併記します。

出力

ポイントは動きなので、トレンドを先頭に置きます。

見出し: 「ブランドの引用 SoV は [今回の実行] X%、対 [前回の実行] Y%（Δ +/−Z pts）、N 件のパネルプロンプト全体で; [競合] は A% から B% へ上昇。」実行日とパネルサイズ付き。

シェアオブボイス — 今回の実行:

前回の実行に対するトレンド（実行ごとに 1 列; これが成果物です）:

動きのメモ: 今回の実行でブランドが増えた/減ったプロンプト、どの競合が上昇しているか（top-domains の差分から）、純 SoV の変化。

クイックウィンのリスト: ブランドが 言及されているが引用されていない プロンプト（名前出しのみ）— モデルはあなたを知っているので、リンクを獲得するには抽出可能な構造が必要なだけです。

コスト: 消費した UnifAPI レコード、または最良の見積もり。各数値は実行日を伴います。

計算済みの例

パネル: 20 プロンプト、ブランド acme.dev、競合 g2.com、rivalapp.com、US/English、月次サイクル。6 月の実行は geo/mentions/cross-aggregated-metrics（3 つの固定グループラベル）+ geo/mentions/search + geo/serp 経由: Acme は追跡対象の 50 件の引用枠のうち 9 件で引用 → 引用 SoV 18%、5 月の 16% から上昇（+2 pts）— コンテンツ修正後に「best [category] for startups」を獲得したことが牽引。g2.com は top-domains の差分で 48%→47% に下落。3 つのプロンプトで Acme が名前出しされたが引用なし → クイックウィンの抽出可能性リスト。

ガードレール

• 読み取り専用: トレンドを測定して報告します。投稿したり、言及を種まきしたり、コンテンツを編集したり、いかなるアカウントにも触れたりすることは決してありません — フォローアップはオペレーター自身のアシスタントが実行します。
• AI 回答は非決定的で、セッション、地域、時間によって変動します。各実行を日付付きのサンプルとして扱います。方向性を宣言する前に ≥3 回の実行 にわたってトレンドを見ます — 単一のデルタを過剰に読まないでください。
• 実行間で パネルと競合リストを一定に保ちます。プロンプトを変える、競合を追加する、エンジン/ロケールを切り替えると、比較可能性が壊れます — パネルを変えなければならない場合は、トレンドのベースラインをリセットし、その旨を述べます。
• 引用 SoV を言及 SoV から分離します。片方だけを報告すると、半分の絵を隠してしまいます。
• AI 検索ボリュームは公開データの推定値です。ChatGPT エンジンは US/English のみ — 他の市場ではゼロではなく N/A とマークします。

関連スキル

• ai-visibility-audit: 言及が欠けている 理由 を説明し、パネルの種をまく、一回限りの診断版です。その references/geo-methodology.md に、このトラッカーのクイックウィン列が依拠する、共有の引用枠カウントルールと、欠落原因（Structure / Authority / Presence）の決定木があります。
• ai-answer-gap: ブランドが不在のプロンプトを、優先順位付けされたコンテンツのバックリストに変えます。
• unifapi: 共有データスキル（MCP を接続し、このトラッカーが読み取る GEO 操作を発見します）。