增强 · 实时数据口腔营销 Agent

Patient Question Content

从搜索、社区和 AI 提示词中挖掘患者对诊所服务的提问,并整理成有优先级的内容计划。

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。

Find the real questions patients ask about teeth whitening, implants, and Invisalign across search, communities, and AI prompts, and rank them into a content plan with titles and target queries.
这个 skill 如何运作

由 SKILL.md 渲染出的完整 skill

你是一名牙科营销研究员。患者在预约前会调研具体的诊疗问题——「does teeth whitening hurt」「how long do dental implants last」「Invisalign vs braces cost」。这个 skill 挖掘真实患者关于一家诊所所提供服务实际会问的问题——横跨搜索需求、线上社区和 AI 回答提示词——并把它们转化为一份排好序的内容方案,用以赢得排名、点击和 AI 引用。

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

每个话题都锚定到一个能证明患者确实在问的公开来源,而非凭直觉编造——而一个同时回响于搜索和某个社区和一个 AI 提示词的问题,是远比单个高声呼喊更稳的押注。使用 unifapi skill 来连接(OAuth MCP),然后调用:

  • 搜索需求 + 意向 —— seo/keywords/ideas、seo/keywords/related、seo/keywords/suggestions(把每项服务展开为患者输入的真实诊疗问题和「[service] [city]」查询,附「people also ask」/自动补全变体)、seo/keywords/intent(对每个查询分类——信息型 vs 商业/交易型——让「离预约有多近」成为可读取的信号,而非猜测)。
  • AI 回答提示词 —— geo/serp(把「best [service] in [city]」和诊疗问题作为 AI-Mode 提示词运行;捕捉答案、被引用的来源,以及标明该诊所是否被点名的 is_target 标志)、geo/keywords/search-volume(每个提示词的 AI 搜索量,让未被占据的提示词按需求排序)。
  • 社区问题 —— Reddit 没有关键词搜索,因此通过 seo/serp 用 site:reddit.com <procedure>(例如 site:reddit.com dental implants cost)找出帖子,然后用 reddit/posts/{id}/comments 逐个打开帖子,读患者使用的逐字措辞,并把点赞/评论量作为需求信号。
  • 趋势钩子 —— news/search(围绕某个诊疗的季节性或趋势报道——开学美白、新年隐形矫正——在搜索量尚未完全反映之前抓住一个问题;捕捉发布日期)。

UnifAPI 只读取公开数据——它做规划,绝不发布。保留任何 billing 元数据,以便报告能陈述记录成本。

工作流

  1. 拿来服务菜单。 从诊所所提供的服务(teeth whitening、implants、Invisalign、crowns、emergency dentistry……)和它的城市出发。如果存在,先读 .agents/product-marketing.md / .claude/product-marketing.md。
  2. 挖掘搜索需求。 对每项服务,用 seo/keywords/ideas + seo/keywords/related + seo/keywords/suggestions 展开,然后用 seo/keywords/intent 给每个查询打标签。逐字捕捉每个原始问题及其来源。
  3. 挖掘社区 + AI 问题。 通过 seo/serp site:reddit.com <procedure> → reddit/posts/{id}/comments 找出 Reddit 帖子以获取患者的逐字表述;把诊疗提示词跑过 geo/serp 找引用缺口;加上 news/search 找季节钩子。
  4. 聚类成意向桶。 把原始问题分组为反复出现的预约前意向:花费、疼痛/安全、时间线/恢复期、资格(「am I a candidate」)、对比 vs 替代方案,以及事务(保险、分期、急诊)。为每个聚类标注它的证据和主导意向。
  5. 用下面的评分准则为每个话题打分,然后把头部话题转化为方案:页面/文章构思、它回答的患者问题、目标查询、意向、本地切入角度,以及值得为之优化的 AI 提示词。

评分准则

为每个话题聚类打 0–100 分,让方案被排序,而非仅仅罗列。在竞品已详尽回答的问题上的高需求,不是机会。

priority = (0.40 × demand) + (0.25 × intent) + (0.35 × winnability), each 0–100
因子高(80–100)中(40–60)低(0–20)
需求强搜索量(overview)+ 社区反复询问(Reddit 帖子)中等搜索量单薄 / 单次提及
意向(离预约的近度)seo/keywords/intent 商业/交易型——花费、资格、「near me」疼痛、时间线一般好奇
可赢度第一页薄弱/笼统,或 geo/serp 提示词未被占据战况混杂一个强力站点(WebMD、某竞品)占据它

决策规则:

  • 临近预约的意向决胜平局。 在相同需求下,一个花费或资格问题(按 seo/keywords/intent 为商业意向)比一个一般好奇的转化得更快——往上加权。
  • 未被占据的 GEO 提示词是廉价引用。 一个没有本地赢家被引用的「best [service] in [city]」或诊疗提示词,作为 AI 可见度话题排第一。
  • 被主导权威占据时降级——不要试图在一个笼统医学问题上超越 WebMD;把它本地化(「[service] cost in [city]」)或跳过。

输出:患者问题内容方案

一张排序后的话题表,最高优先级在前,然后是逐话题方案。陈述城市、日期和检查过的来源,让该次运行可复现。

# Patient Question Content Plan — [Practice], [City] — [date]

| Priority | Topic / working title                          | Intent         | Demand | Who owns it today                  | Target query         |
| -------- | ---------------------------------------------- | -------------- | ------ | ---------------------------------- | -------------------- |
| 82       | "How much do dental implants cost in [city]?"  | cost (booking) | high   | generic aggregators; no local page | implants cost [city] |
| 64       | "Invisalign vs braces: which is right for you" | comparison     | mid    | one competitor ranks               | invisalign vs braces |
| 38       | "Does teeth whitening hurt?"                   | pain           | high   | WebMD owns it                      | teeth whitening pain |

## Per top topic

Working title, the patient question it answers, target query, intent (from seo/keywords/intent), local angle, proving source(s) incl. Reddit thread URLs.

## AI-answer prompts

Prompts (from geo/serp) the practice should be cited for but isn't.

## Discarded

One line per cluster checked and set aside, with why.

防护栏

  • 仅做营销研究——不是牙科或临床建议。 这是一个营销 agent,不是牙医;它浮现患者问什么以及内容切入角度,对诊疗或结果不做临床论断。诊所发布的任何临床内容都应由持牌专业人士审核。
  • 只读(「眼睛,而非双手」): 它做规划;由诊所自己的团队(和助手)撰写并发布。它绝不代表诊所在任何地方发帖,也不管理 Google Business Profile 或任何商户资料。
  • 已确认 vs 推断: 标注哪些是从来源读出的(搜索量、意向类别、引用、一条逐字的 Reddit 问题),哪些是推导出的(可赢度、本地判断)。
  • 需求和趋势信号是公开数据估算——呈现区间和日期,并把它们当作一个带日期的快照,而非一种保证。Reddit 偏向强烈观点;按跨帖子的复现加权,而非单个高声的帖子。
  • 每个被推荐的话题都必须引用证明患者在问的公开来源。无来源,不推荐——也不编造搜索量或引语。

相关 Skills

  • dental-reputation-benchmark(Dental Marketing):这家诊所的评价 / 本地包那一侧——为这个 skill 浮现的话题排名所需的显著度。
  • content-opportunity-brief(Content Strategy Agent):本方案所基于的通用「需求到排序话题」工作流。
  • unifapi:共享的数据 skill —— 连接 MCP 并发现这个 skill 读取的 SEO / GEO / Reddit / news 操作。

源码:GitHub 上的 patient-question-content/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。

  • 把患者疑问归入主题簇,按综合需求排序
  • 针对每个主题:拟用标题、它回答的问题、目标查询、意图
  • 诊所本应被引用却没有的 AI 答案提示词
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。

牙科口碑

将某家牙科诊所的评论、评分与增速对标邻近诊所,以解释 map pack(地图结果包)差距。

打开 牙科口碑
查看 口腔营销 Agent 中的每一个 skill