AI Answer Gap

找出品牌本应在 AI 回答中被引用却没有被引用的那些提示，指出每个答案究竟被谁占据，并按 AI 搜索量对这些缺口排序——这样内容团队就能率先攻克最大、最可赢的失分点。这是从「我们在 AI 中不可见」通往一份具体、有序的内容待办清单的桥梁。

这是一个增强版 skill：它通过 UnifAPI 读取实时公开数据。「缺口」从来不是一种直觉——它是一段真实的、未被引用的 AI 回答，有明确的占据者，并按真实的 AI 搜索需求加权。

用 UnifAPI 获取实时证据

这是一个增强版 skill：它通过 UnifAPI 读取实时公开数据——「缺口」从来不是一种直觉，而是一段真实的、未被引用的 AI 回答，有明确的占据者，并按真实的 AI 搜索需求加权。使用 unifapi skill 来连接（OAuth MCP），然后发现这些 GEO 操作。它们全部是 POST；在整次运行中保持 engine（google / chatgpt）、location 和 language 不变。

• 找出缺口 —— geo/serp（query = 候选提示，target = 品牌域名，view: "full"）。只有当渲染出了回答、品牌没有被作为引用参考（is_target 为 false）、且该回答引用了别人时，才存在缺口。把被引用的域名记为占据者。
• 规模化确认缺失 —— geo/mentions/search（target = 品牌 + 竞品数组）确认品牌在 LLM-mentions 索引中确实缺失，而不只是在某一次拉取中未被引用。
• 按需求对缺口排序——主排序键 —— geo/keywords/search-volume 返回每个提示的生成式 AI 需求。这驱动整个排序；先为整个候选集合拉取它，并在花费 SERP 调用成本之前剔除接近零的提示。
• 谁占据了每个答案 —— geo/mentions/top-pages 和 geo/mentions/top-domains 对该集合赢得引用的具体页面和域名排序，这样待办清单说明的是要超越什么内容，而不只是存在缺口。
• 哪个竞品占据得最多 —— geo/mentions/cross-aggregated-metrics 跨带标签的分组（品牌 vs 每个具名竞品）对比份额，让你知道是某个对手主导了这些缺口（直接攻击它），还是它们分散在众多第三方之中（这是一个存在度问题）。
• 快速胜点交叉读取 —— seo/serp（target = 品牌）。凡是品牌已经在自然搜索中排名却未被引用的地方，修复的是可提取性，而非新内容——把它们标记为 quick。

UnifAPI 只读取公开数据。保留每个 billing 块用于成本行。

工作流

（如果存在 .agents/product-marketing.md / .claude/product-marketing.md，先读它——它带有候选提示所源自的品类、用例和竞品集合。）

1. 构建候选集合。 从品牌的品类、用例和竞品名称出发；生成那些品牌有正当理由被引用的提示。如果已有一次 ai-visibility-audit 运行，复用其提示集合和已诊断的失分点，而不是重新生成。
2. 先为需求定价。 在所有候选上运行 geo/keywords/search-volume，并在为每个提示花费 SERP 调用成本之前剔除需求接近零的提示。
3. 确认每个缺口。 对每个存活的候选，运行 geo/serp（target = 品牌）+ geo/mentions/search。只保留那些有回答、品牌缺失、且品牌能够可信地回答它的提示（不要把产品没有正当理由占据的缺口放进待办清单）。
4. 识别占据者与切入角度。 记录被引用的域名（geo/mentions/top-pages / geo/mentions/top-domains），并运行 geo/mentions/cross-aggregated-metrics 看哪个竞品占据了最多缺口。对照三大支柱归类每个来源胜出的原因——结构（可提取性）、权威性（存在信号），或第三方存在度。完整的决策树和普林斯顿实测的权威性杠杆见 ai-visibility-audit/references/geo-methodology.md（在同级的审计文件夹中）。
5. 打分并排序。 应用下面的缺口优先级评分准则：AI 搜索量是主轴，可赢性对其进行调整，而 quick/net-new 标签设定构建路径。输出排好序的待办清单。

缺口优先级评分

每个已确认的缺口都得到一个缺口优先级分数。AI 搜索量是主导因素；可赢性和工作量对其进行调节。

GapPriority = (Volume×0.55 + Winnability×0.30 + RightToWin×0.15) × 10   (0–100)

然后标记构建路径：

• quick —— 品牌已在自然搜索中排名（seo/serp），或被提到名字但未被引用：修复结构/可提取性，无需新建页面。这些无论分数如何都插队，因为工作量低。
• net-new —— 没有页面或没有自然搜索存在：完整的内容构建。
• third-party —— 占据者是品牌未入驻的榜单文/评论/Reddit 面：外联/投放，而非站内内容。

输出

先给出快速胜点（成本低），然后是按搜索量排序的新建待办清单。

表格之后跟上：

• 快速胜点块 —— 把 quick 行提到顶部，并列出每行需要的那一个结构性修复（增加一个 FAQ 块、一张对比表、一个定义标题）。
• 每个缺口： 把要超越的制胜角度（结构 / 权威性 / 存在度）重述为一个动作——对于权威性，点明具体杠杆（加统计数据、引语或引用）。
• 证据： 每个缺口都引用到展示它的那段 geo/serp 回答，附上运行日期。
• 成本： UnifAPI 消耗的记录数，或最佳估算。

已演算示例

品牌 acme.dev，美国/英语，来自先前一次审计的 18 个候选提示。geo/keywords/search-volume 剔除了 4 个接近零的提示。geo/serp 确认了 11 个真实缺口；geo/mentions/cross-aggregated-metrics 显示 competitorB 占据了其中 6 个（一个可被击败的单一对手，而非分散的第三方）。「how to [problem]」（2.7k AI 搜索量）被 competitorB 的文档占据，但 seo/serp 显示 Acme 自然搜索排名第 6、只是未被引用 → 支柱为结构，标记 quick，优先级 (9×0.55 + 9×0.30 + 10×0.15) × 10 = 88 → 第 1。「best [category] for startups」（1.9k）是一篇 Acme 未入驻的 g2 榜单文 → third-party，可赢性较低，优先级 71。

护栏

• 只读：它识别并排定缺口优先级。它不写内容、不编辑站点、也不在任何地方发帖——它把排好序的待办清单交给运营方自己的助手和内容团队。
• AI 回答是非确定性的，会随会话和时间而变化。一个已确认的缺口是一份带日期的快照；在投入一次大型内容构建之前重新核对。
• 只把品牌有可信制胜资格的缺口放进待办清单（制胜资格因素正是为筛除这些而存在）——不要用产品无法诚实回答的提示来凑数。
• AI 搜索量是公开数据估算——呈现区间，绝不承诺填补某个缺口就一定能换来引用。
• 保持「被引用 vs 提到名字」的区分：提到名字是一个 quick 可提取性胜点，而不是一个已闭合的缺口。

相关 Skills

• ai-visibility-audit：上游的诊断工具，暴露并解释本 skill 所排序的失分点。其 references/geo-methodology.md 提供了第 4 步使用的三支柱失分原因决策树和普林斯顿权威性杠杆。
• llm-mention-tracking：内容上线后重新运行，确认缺口正随时间闭合
• unifapi：共享的数据 skill（连接 MCP，发现本 skill 读取的 GEO/SEO 操作）