增强 · 实时数据口腔营销 Agent

Dental Reputation Benchmark

将牙科诊所的评价与本地包表现同附近诊所对比,算出追上第一名还需要多少条新评价。

Agent 原生

在 Claude、ChatGPT 自定义 MCP 应用、OpenClaw、Hermes、Codex、Claude Code、Cursor、VS Code 或其他支持 MCP 的客户端中运行它。无需专门的 GUI 流程,也无需单独的 LLM API 密钥。

由实时公开数据支撑

每一步都建立在 UnifAPI 返回的实时公开数据记录之上,因此输出会引用真正在排名、在发布或正在被讨论的内容——而不是一份泛泛的最佳实践清单。

可组合且开源

Skills 相互交叉引用,并存放在一个公开的、MIT 风格的仓库中。在 GitHub 上阅读完整的 SKILL.md、fork 它,或原样在你的 Agent 中运行它。

运行提示词

把它粘贴进 Codex 或 Claude Code

这段提示词有意可自由编辑。替换其中的用户名、市场、预算与活动目标,然后让 Agent 在需要实时公开数据时调用 UnifAPI MCP。

Benchmark my dental practice in Denver against the nearest competitors for "dentist near me": review count, rating, and 90-day velocity, and tell me the gap to the local-pack leader and the reviews/quarter to close it.
这个 skill 如何运作

由 SKILL.md 渲染出的完整 skill

你是一家牙科诊所的本地声誉分析师。诊所的存亡系于 local pack——那个捕获大多数「dentist near me」和服务查询点击的地图区块。本地排名由临近度和显著度驱动,而诊所能掌控的最大显著度杠杆就是评论:它们的数量、评分,尤其是它们的增速(即便总量很高,陈旧的基数也会丢失排名)。这个 skill 把一家诊所与其最近的竞争对手做基准对比,并量化追平领先者所需的净新增评论缺口,全程只读。

这是一个增强版 skill:它通过 UnifAPI 读取实时公开数据。

用 UnifAPI 获取实时证据

每个缺口都锚定到一条真实的公开列表记录。使用 unifapi skill 来连接(OAuth MCP),然后调用:

  • Local pack + 地图列表 —— local/search、maps/search —— 运行该诊所的核心服务 + 城市查询(「dentist near me」「teeth whitening [city]」「Invisalign [city]」「dental implants [city]」)。每次返回地图区块中的商户,附 name、place_id、rating、review_count、category、地址和 position——一次调用即得该诊所及其 3–5 个最近竞争对手。用 place_id(而非名称)匹配该诊所。
  • 本地 SERP 存在 —— seo/serp —— 确认该诊所是否在每个服务 + 城市查询的本地区块中浮现(排名元素 + SERP 特性),这样一个 absent 发现就是证据而非假设,并按可能的点击成本对存在缺口排序。
  • 近期评论节奏 —— local/search、maps/search —— 读取每个商户的最近评论,并统计其中位于近 ~90 天内的数量。这是增速信号;如果只暴露了一个样本,把它当作下限。
  • 评论语言样本 —— local/search —— 抽样公开评论文本,衡量评论提及城市/服务相对竞争对手的频率。

UnifAPI 只读取公开数据——它绝不触碰该诊所的 Google Business Profile、不发帖、也不索取评论。保留任何 billing 元数据,以便报告能陈述记录成本。

工作流

  1. 确定竞争场。 如果存在 .agents/product-marketing.md / .claude/product-marketing.md,先读它。从该诊所的位置和核心服务 + 城市查询出发,运行 local/search / maps/search 拉取地图区块,并识别排名靠前的 3–5 家最近诊所。用 seo/serp 确认该诊所在每个查询中的 local-pack 位置(或 absent)。
  2. 拉取公开评论信号。 对该诊所和每个竞争对手,读取 rating、review_count、近 ~90 天内的评论数,以及用于语言信号的评论文本样本。
  3. 用共享方法论为竞争场打分。 计算 volume_gap、velocity_per_quarter、rating_gap、语言份额,以及 0–100 的 prominence 分数;识别 local-pack 领先者。确切的算法——近 90 天增速、追平所需净新增评论、追上本地平均所需净新增 5 星——是所有四个本地商户声誉基准共用的声誉评分方法论。逐字应用它,而不要重新推导。
  4. 量化追赶。 陈述与领先者的数量差距,以及按当前节奏追平它所需的 target_per_quarter 净新增评论,外加本地区块存在缺口正在损失最多点击的那些服务查询。如果领先者遥不可及,把目标重设为最近的可被击败竞争对手。

决策规则:

  • 增速胜过终身总量 —— 即便总量很高,陈旧的基数也会丢失排名;把那家在吃老本的诊所标记出来。
  • 评分把控转化 —— 低于约 4.3 星时,先提升评分再去追量。
  • 缺席是最昂贵的缺口 —— 把 absent 查询排在中游位置之前浮现。

输出

一张基准表,从领先者到落后者,外加一份追赶计划。

BusinessRatingReviewsNew/90dLang %Pack posProminence
Practice (you)4.4110725%absent / implants49
Competitor A (leader)4.82902450%#192
Competitor B4.61301635%#268

然后:

  • 与领先者的差距,用具体数字,以及一个净新增评论/季度目标(对照领先者,若领先者遥不可及则对照最近的可被击败竞争对手)。
  • 评分算法 —— 达到本地平均所需的净新增 5 星评论。
  • 存在缺口 —— 该诊所从地图区块中缺失的那些服务查询,按可能的点击成本排序。
  • 语言 + 列表整洁度 —— 缺失的城市/服务提及,以及任何不一致的名称/类别/地址字段。
  • 每个数字都引证到它所源自的公开列表记录(place_id)。

护栏

  • 仅限营销调研——并非牙科或临床建议。 这是一个营销 Agent,而非牙医;它不对操作、结果或患者护理做任何论断。
  • 只读(「眼睛,而非双手」): 它绝不代表该诊所发布、索取、设门槛或回复评论。该诊所自己的团队在平台规则内开展任何评论获取——不得有诱导、设门槛或虚假评论。他们可以鼓励满意的患者自然地提及城市/服务。
  • 它不管理 Google Business Profile 或任何列表——它读取公开数据并报告缺口。
  • Local-pack 位置因人而异、对位置敏感——报告每项是在哪个位置/查询下测得的,并把结果当作带日期的快照。

相关 Skills

  • patient-question-content(Dental Marketing):内容侧——一旦声誉能支撑排名,挖掘患者就该诊所服务所问的问题。
  • med-spa-reputation-benchmark(Med Spa Marketing):共享声誉评分方法论的所在地。
  • attorney-reputation-benchmark / agent-reputation-benchmark:共用同一评分方法论的同级基准。
  • unifapi:共享的数据 skill —— 连接 MCP 并发现本 skill 读取的 local/search、maps/search 和 seo/serp 操作。

源码:GitHub 上的 dental-reputation-benchmark/SKILL.md——可在那里提交 PR 来改进它。

公开数据工具

这个 skill 调用的实时 API

这个 skill 提到的每个操作都属于这些 UnifAPI 平台之一——它们对于产品代码、调试与自定义 Agent 流程仍然可见、可调用。

  • 对标表:诊所 vs 竞品,比对评论、评分、90 天增速
  • 用具体数字呈现与 local pack 领先者的差距
  • 「每季度净新增评论」目标,外加缺失的服务类查询结果包存在感
  • 每个数据都引用到公开商户信息记录
相关 skills

口腔营销 Agent 中的更多 skills

在同一个 Agent 中把它们串联起来,从一个决策成果走向下一个——每个都有各自的运行提示词、工作流与预期输出。

患者疑问

挖掘患者就某家诊所服务真正会问的问题,并将它们排成一份内容方案。

打开 患者疑问
查看 口腔营销 Agent 中的每一个 skill