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。
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.
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
- 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。 - 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。 - 挖掘社区 + AI 问题。 通过
seo/serpsite: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。 - 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。
- 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。
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
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。
查看 口腔营销 Agent 中的每一个 skill