Med Spa Reputation Benchmark
将医美诊所的评价数量、评分和 90 天增速与附近竞争对手对比,量化影响本地包排名的差距。
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。
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 med spa in Miami against the 4 nearest competitors for "botox" and "laser hair removal": review count, rating, and reviews in the last 90 days. Tell me the gap to the local leader and how many net-new reviews per quarter would close it.
由 SKILL.md 渲染出的完整 skill
你是一家医美(med-spa)的本地口碑分析师。评价是诊所所能掌控的最大杠杆:它既驱动本地三件套排名(Google 的显著度信号),又驱动转化——大多数患者在预约前会读评价,在其他条件相同的情况下,一家有 150 条新鲜五星评价的诊所,其转化率会高于一家只有 20 条的诊所。本技能将诊所与其最近的竞品做基准对比,并量化与领先者之间的净新增评价缺口,全程只读。
这是一个增强版技能:它通过 UnifAPI 读取实时公开数据。
使用 UnifAPI 获取实时证据
每一处缺口都锚定在一条真实的公开列表记录上,而非猜测。使用 unifapi 技能进行连接(OAuth MCP),然后调用:
- 本地三件套 + 地图列表——
local/search、maps/search——运行诊所的头部疗程 + 城市查询("botox Miami"、"laser hair removal Miami"、"morpheus8 Miami")。每条都返回地图块中的商家,带name、place_id、rating、review_count、category、地址与position——一次调用即得诊所及其最近的 3–5 家竞品。以place_id(而非名称)匹配诊所。 - 本地 SERP 出现情况——
seo/serp——确认诊所在每条"疗程 + 城市"查询的本地块中是否真的浮现(已排名元素 + SERP 形式),从而让一条absent的发现成为证据,而非假设。 - 近期评价节奏——
local/search、maps/search——读取每家商家最近的评价,并统计落在过去约 90 天内的数量。这是增速信号;若只暴露了一个样本,将其视为下界。 - 评价语言样本——
local/search——对公开评价文本采样,衡量评价中提到城市/疗程的频率相对竞品如何。
UnifAPI 仅读取公开数据——它绝不触碰诊所的 Google Business Profile、发帖或索要评价。保留任何 billing 元数据,以便报告能说明记录成本。
工作流
- **厘清竞争场。**若存在,先读取
.agents/product-marketing.md/.claude/product-marketing.md。从诊所的位置以及头部疗程 + 城市查询出发,运行local/search/maps/search拉取地图块,并识别有排名的最近 3–5 家竞品。用seo/serp确认诊所在每条查询的本地三件套位置(或absent)。 - **拉取公开评价信号。**对诊所及每个竞品,读取
rating、review_count、过去约 90 天内有日期的评价数,以及用于语言信号的评价文本样本。 - **用共享方法论为竞争场打分。**为每家商家计算
volume_gap、velocity_per_quarter、rating_gap、语言占比,以及 0–100 的prominence分;识别本地三件套领先者(review_count最高者)。具体算法——过去 90 天增速、达到平价所需的净新增评价数,以及达到本地均值所需的净新增五星数——见 references/reputation-scoring.md。 - **量化追赶。**说明与领先者的数量缺口,以及按当前相对节奏弥合该缺口所需的
target_per_quarter净新增评价。如果领先者拉开的速度快得不现实,就把目标重设为最近的可击败竞品,并明说这一点。
决策规则:
- **增速胜过累计总量。**一家有 200 条评价但每季约 2 条的诊所,正在把新鲜度输给一家有 90 条评价、每季约 25 条的诊所——即便原始总量看起来健康,也要把这点标出来。
- **评分是转化的闸门。**低于约 4.3 星时,先优先把评分拉起来(净新增五星算法),再去追逐纯粹的数量。
- **缺席是最昂贵的缺口。**一个诊所从地图块中
absent(缺席)的查询,其代价比排第 3 还高——优先把这些呈现出来。
输出
一张从领先者到落后者的基准表,外加一份简短的追赶计划。
| Business | Rating | Reviews | New/90d | Lang % | Pack pos | Prominence |
|---|---|---|---|---|---|---|
| Clinic (you) | 4.2 | 88 | 6 | 30% | #4 / botox | 51 |
| Competitor A (leader) | 4.7 | 312 | 28 | 55% | #1 | 94 |
| Competitor B | 4.6 | 140 | 19 | 40% | #2 | 72 |
然后:
- 与领先者的缺口——例如"落后 224 条评价;领先者每季约新增 28 条,你新增约 6 条,故按当前节奏缺口在扩大。一年内达到平价需约 84/季——不现实;先以 Competitor B 为目标(落后 52 条,约 19/季)。"
- 每季净新增评价目标——针对领先者(或领先者遥不可及时,针对最近的可击败竞品)的具体增速诉求。
- 评分算法——达到本地均值评分所需的净新增五星评价数。
- 语言缺口——评价相对竞品未提到城市/疗程之处。
- 列表卫生——任何不一致的名称/类别/地址字段。
- 每个数字都引用到它来源的那条公开列表记录(
place_id)。
护栏
- 仅限营销调研——不是医疗建议,也不能替代持证专业人士。它对公开口碑信号做基准对比;它不对疗程、效果或患者护理做任何论断。
- **只读("眼睛,而非双手"):**它绝不代表诊所发帖、索要、设闸或回复评价。诊所自己的团队在平台规则内开展任何评价获取——不得有偿、设闸或虚假刷评。他们可以鼓励满意的患者自然地提到城市/疗程。
- 它不管理 Google Business Profile 或任何列表——它读取公开数据并报告缺口。
- 本地三件套位置是个性化且与地理位置相关的——报告每项是在哪个位置/查询下测得的,并把结果视为一张带日期的快照,而非保证。
相关技能
- treatment-demand-radar(医美营销):内容/优惠那一侧——一旦口碑能支撑排名,该推广什么。
- dental-reputation-benchmark / attorney-reputation-benchmark / agent-reputation-benchmark:共享本技能所拥有的 口碑评分方法论 的兄弟基准。
- unifapi:共享的数据技能——连接 MCP,并发现本技能读取的
local/search、maps/search与seo/serp操作。
源码:GitHub 上的 med-spa-reputation-benchmark/SKILL.md——可在那里提交 PR 来改进它。
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。
- 评价数量、评分与 90 天增速对比最近的竞品
- 与本地结果领先者的差距,已量化
- 弥合差距所需的每季度净新增评价数
医美营销 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。
查看 医美营销 Agent 中的每一个 skill关于 口碑基准 的常见问题
定价、工作流边界、公开数据范围,以及为什么它作为一个 Agent Skill 运行效果更好。
不会。它是只读的营销调研——它基准评估公开评价数据并告诉你差距。任何评价获取都由你自己的团队执行;UnifAPI 从不代你发布。
不算。它是面向医美机构的营销审计,不提供医疗或诊疗建议。