LLM Mention Tracking

브랜드와 그 도메인이 고정된 프롬프트 집합에 걸쳐 ChatGPT와 AI 검색 엔진에서 얼마나 자주 언급되는지 — 그리고 그 점유율(share of voice)이 지명된 경쟁사와 어떻게 비교되고 시간에 따라 어떻게 움직이는지 — 를 추적하세요. 감사가 스냅샷이라면, 이것은 반복 판독입니다: 패널과 경쟁사 리스트가 동결된 채로 유지되어 각 실행이 지난번과 비교 가능합니다.

이것은 향상된 스킬입니다: UnifAPI를 통해 실시간 공개 데이터를 읽습니다. 산출물은 단일 숫자가 아니라 트렌드이므로, 가치는 변하지 않는 패널에 대해 주기적으로 실행하는 데서 나옵니다.

실시간 근거를 위해 UnifAPI를 사용하세요

이것은 향상된 스킬입니다: UnifAPI를 통해 실시간 공개 데이터를 읽습니다. unifapi 스킬을 사용해 연결(OAuth MCP)한 다음, 이 GEO 작업들을 발견하세요. 모두 POST입니다; 트렌드가 설정 드리프트가 아니라 실제 움직임이 되도록 모든 실행에서 engine(google / chatgpt), location, language를 동일하게 전달하세요.

• 라벨링된 그룹에 걸친 점유율 — 핵심 판독 — geo/mentions/cross-aggregated-metrics는 라벨링된 그룹에 걸쳐 언급을 비교합니다: 브랜드를 한 그룹에, 각 지명된 경쟁사를 자체 그룹에 넣으면, 호출이 직접적인 정면 대결 점유율을 반환합니다. 이것이 트래커의 엔진입니다 — 매 주기 동일하게 실행하면 출력 차이(diff) 가 SoV 트렌드입니다.
• 패널 수준 언급 — geo/mentions/search (target = 최대 10개 엔티티의 배열: 브랜드 도메인 + 각 경쟁사)는 프롬프트별로 각 엔티티가 언급되었는지와 어떤 답변에서인지 — 집계된 점유율의 세밀한 뒷받침 — 을 캡처합니다.
• 롤업 — geo/mentions/aggregated-metrics는 한 번의 호출로 전체 타깃 집합에 걸쳐 언급을 롤업합니다(개수, AI 검색 볼륨, 인용된 도메인), 총합만 필요할 때 프롬프트별 SERP보다 저렴합니다.
• 인용 대 이름 언급 — geo/serp (target = 브랜드 도메인, is_target 플래그)는 언급이 실제 인용된 소스(링크)인지 아니면 단지 본문 내 이름 언급인지 확인합니다. 인용이 더 강한 신호입니다; 별도 라인에서 추적하세요.
• 누가 오르고 있는가 — geo/mentions/top-domains는 집합에 대해 가장 많이 인용된 도메인의 순위를 매깁니다; 이 리스트를 실행 간 diff하는 것이 "어느 경쟁사가 얻고 있는가"의 가장 빠른 판독입니다.
• 수요로 가중 — geo/keywords/search-volume는 각 프롬프트를 AI 검색 수요로 가중하여 SoV가 트래픽을 운반하는 프롬프트를 반영하도록 합니다. 패널 생성 시 한 번 풀하고 실행에 걸쳐 재사용하세요(분기별 재풀).

UnifAPI는 공개 데이터만 읽습니다. 비용 라인을 위해 각 billing 블록을 보관하세요.

워크플로

(있으면 .agents/product-marketing.md / .claude/product-marketing.md를 먼저 읽으세요 — 패널이 나머지 모든 것과 일치하도록 브랜드, 도메인, 경쟁사 집합을 재사용하세요.)

1. 패널을 고정하세요 — 한 번, 그다음 동결. 안정적인 프롬프트 집합(10–30개), 브랜드 + 도메인, 그리고 지명된 경쟁사(총 ≤10개 엔티티 — mentions/search의 target 상한)를 잠그고, 각 엔티티에 cross-aggregated-metrics를 위한 고정 그룹 라벨을 할당하세요. 이 패널을 그대로 저장하세요; 실행 사이에 변해서는 안 되며 그렇지 않으면 트렌드가 깨집니다. 지금 프롬프트별 AI 검색 볼륨을 기록하고(geo/keywords/search-volume) 재사용하세요.
2. 점유율 판독을 실행하세요. 잠긴 그룹 라벨로 geo/mentions/cross-aggregated-metrics를 호출해 브랜드 대 각 경쟁사 점유율을 한 번에 얻으세요. 세밀한 패널을 위해 프롬프트별 geo/mentions/search로, 롤업을 위해 geo/mentions/aggregated-metrics로 뒷받침하세요; 각 (프롬프트 × 플랫폼 × 엔티티)에 대해 기록하세요: 언급됨(예/아니오)과 소스로 인용됨(예/아니오, geo/serp/is_target 통해).
3. 점유율(Share-of-Voice)을 계산하세요. 아래 SoV 루브릭을, 플랫폼별과 전체에 적용하여, 인용 슬롯을 이름 언급에서 분리하세요.
4. 이전 실행과 diff하세요. 지난 실행의 저장된 수치를 로드하고 델타를 계산하세요: 어느 프롬프트가 브랜드를 얻거나 잃었는지, 어느 경쟁사가 올랐는지(geo/mentions/top-domains diff), 순 SoV 변화. 실행 날짜를 찍고 AI 답변이 세션마다 다르다는 점을 명시하세요.
5. 이 실행을 영속화하여 다음 실행이 이것과 diff할 수 있도록 하세요. 트렌드 표는 실행마다 한 열씩 늘어납니다; 그룹 라벨과 프롬프트는 절대 변하지 않습니다.

점유율(Share-of-Voice) 점수

SoV는 실행 간 비교 가능하도록 고정된 패널에 걸쳐 계산됩니다. 각 추적 엔티티에 대해:

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]

계수 규칙(매 실행 동일하게 유지):

• 엔티티가 여러 참조로 언급되어도 (프롬프트 × 플랫폼)당 한 번 계수하세요 — 장황한 답변 인플레이션을 피합니다.
• 인용 슬롯 = is_target/인용 링크 존재. 이름 언급 = 본문에 명명, 링크 없음. 둘 다 추적하세요; 인용 SoV가 헤드라인이고, 언급 SoV는 선행 지표입니다.
• 두 플랫폼 모두에서 AI 답변이 렌더링되지 않은 (프롬프트 × 플랫폼) 셀은 분자와 분모 모두에서 제거하세요.
• 가중 SoV(AI 검색 볼륨 기준)가 주요 헤드라인입니다; 비가중을 나란히 보고하세요.

출력

핵심은 움직임이므로 트렌드로 이끄세요.

헤드라인: "브랜드 인용 SoV [이번 실행] X% 대 [지난 실행] Y% (Δ +/−Z pts), N개 패널 프롬프트에 걸쳐; [경쟁사]가 A%에서 B%로 올랐다." 실행 날짜와 패널 크기 포함.

점유율(Share-of-Voice) — 이번 실행:

이전 실행 대비 트렌드(실행마다 한 열; 이것이 산출물입니다):

움직임 노트: 이번 실행에 브랜드가 얻거나 잃은 프롬프트, 어느 경쟁사가 오르고 있는지(top-domains diff에서), 그리고 순 SoV 변화.

빠른 성과 리스트: 브랜드가 언급되었으나 인용되지 않은(이름 언급만) 프롬프트 — 모델은 당신을 알고 있고, 링크를 얻기 위한 추출 가능한 구조만 필요합니다.

비용: 소비된 UnifAPI record, 또는 최선의 추정치. 각 수치는 자체 실행 날짜를 지닙니다.

풀이된 예시

패널: 20개 프롬프트, 브랜드 acme.dev, 경쟁사 g2.com, rivalapp.com, US/English, 월간 주기. geo/mentions/cross-aggregated-metrics(세 개의 동결된 그룹 라벨) + geo/mentions/search + geo/serp를 통한 6월 실행: Acme가 추적된 50개 인용 슬롯 중 9개에서 인용됨 → 인용 SoV 18%, 5월의 16%에서 상승(+2 pts) — 콘텐츠 수정 후 "best [category] for startups"를 얻은 데 기인. g2.com이 top-domains diff에서 48%→47%로 미끄러짐. 세 개 프롬프트에서 Acme가 이름 언급되었으나 인용되지 않음 → 빠른 성과 추출 가능성 리스트.

가드레일

• 읽기 전용: 트렌드를 측정하고 보고합니다. 절대 게시하거나, 언급을 심거나, 콘텐츠를 편집하거나, 어떤 계정도 건드리지 않습니다 — 운영자 본인의 어시스턴트가 어떤 후속 작업이든 실행합니다.
• AI 답변은 비결정론적이며 세션, 지역, 시간에 따라 다릅니다. 각 실행을 날짜가 찍힌 샘플로 다루세요; 방향을 선언하기 전에 ≥3회 실행에 걸쳐 트렌드를 보세요 — 단일 델타를 과도하게 해석하지 마세요.
• 패널과 경쟁사 리스트를 실행 사이에 일정하게 유지하세요. 프롬프트를 변경하거나, 경쟁사를 추가하거나, 엔진/로케일을 바꾸면 비교 가능성이 깨집니다 — 패널을 바꿔야 한다면, 트렌드 기준선을 리셋하고 그렇게 했다고 말하세요.
• 인용 SoV를 언급 SoV와 분리하세요; 하나만 보고하면 그림의 절반을 숨깁니다.
• AI 검색 볼륨은 공개 데이터 추정치입니다; ChatGPT 엔진은 US/English 전용입니다 — 다른 시장에는 0이 아니라 N/A로 표시하세요.

관련 스킬

• ai-visibility-audit: 언급이 빠진 이유 를 설명하고 패널을 시드하는 일회성 진단 버전. 그 references/geo-methodology.md는 공유 인용 슬롯 계수 규칙과 이 트래커의 빠른 성과 열이 의존하는 누락 원인(Structure / Authority / Presence) 의사결정 트리를 담고 있습니다.
• ai-answer-gap: 브랜드가 부재한 프롬프트를 우선순위화된 콘텐츠 백리스트로 전환합니다
• unifapi: 공유 데이터 스킬(MCP를 연결하고, 이 트래커가 읽는 GEO 작업을 발견합니다)