洞察-探索：用公共 AI 数据完成品类、品牌与 Topic 研究

入口路径： 左侧导航 Insights → Explore（探索）。

Explore 是 GEOly 的公共行业研究入口。它把公开 AI 搜索数据中的品类、Topic 与品牌放在同一个范围内，帮助你从“我应该研究哪个市场”逐步走到“用户在问什么、AI 推荐谁、下一步该验证什么”。

1. Explore 的数据边界

Explore 研究的是公共行业数据，不是自有品牌的 Monitoring 或 Analysis。

• 可以回答： 在当前市场、语言与 AI 平台范围内，哪些品类、Topic、品牌和公开引用更值得研究。
• 不能直接回答： 自有品牌在已监测 Prompt 中的 AIGVR、Mention Rate、Citation Rate，或实际流量、订单、广告花费与收入。
• 正确用法： 用 Explore 形成市场与内容假设，再回到 Actions 的 Monitoring / Analysis 验证自有品牌是否发生变化。

2. 先固定研究范围

每次开始前，先固定三项条件：

1. 市场与语言：相同品牌、品类在不同国家或语言下的 Topic、品牌格局与来源可能不同。
2. AI 平台：只选择当前数据范围内有可用数据的平台；不要把不同平台的数据混成同一份排名。
3. 研究对象：明确本次从品类、Topic 还是品牌开始，并记录时间范围。

跨市场、跨语言或跨平台的 SoM、提及、AI 流量/月等指标不应直接横向比较。

3. 首页：发现品类、Topic 与品牌

Explore 首页提供热门品类、热门 Topic 与搜索入口。

品类

品类卡片会显示 Topic 数量、品牌数量和 AI 流量/月等公共信号。用它筛选研究方向，而不是把数值直接当作真实市场规模或销售额。

优先选择同时满足以下条件的品类：

• 与产品、目标受众和内容主题直接相关；
• Topic 足够丰富，能继续拆解需求；
• 品牌格局值得研究，而非只因数字大；
• 在选定市场和平台有足够的数据。

Topic

Topic 是某个品类下重复出现的用户问题、需求或讨论方向。进入 Topic 后可以研究品牌表现、用户问题、公开引用与竞争集中度。

品牌

品牌是公共 AI 回答中被识别到的实体。进入品牌页后，可以查看其 Topic 覆盖、AI 描述、品类表现和相对可见度，用来理解 AI 如何把品牌放进消费决策语境。

4. 品类页：研究竞争格局

进入品类页后，建议按以下顺序阅读：

1. 品类概览：先确认 Topic、品牌与公共提及的覆盖范围。
2. 品牌排行榜与 SoM：识别头部、追赶者和长尾品牌。
3. SoM 趋势：在相同的市场、语言、平台和时间范围内观察相对份额变化。
4. Topic 排行：找到与业务最相关、值得继续深挖的问题。
5. 公开引用域名与近期提及：回看 AI 参考什么、如何描述品牌。

SoM（Share of Mention） 只表示当前公共品类范围内品牌的相对提及份额；它不是总体市场份额，也不等同于自有监测中的 AIGVR 或提及率。SoM 变化应与提及量和可比较的数据周期一起解读。

5. 品牌页：理解 AI 如何描述一个品牌

品牌详情适合回答：

• 品牌出现在哪些 Topic 与品类语境中？
• AI 反复把它与哪些产品特征、场景或人群联系在一起？
• 它是跨多个品类获得可见度，还是只在少数 Topic 中突出？
• 与同品类品牌相比，它的相对位置如何？

品牌感知和 AI 描述是研究线索，不是人工访谈或客户调研结论。重要定位判断应结合原始回答、官网信息和第一方业务数据验证。

6. Topic：从宏观品类走到用户问题

在 Topic 中重点检查：

• 这个问题是否与目标受众和业务目标高度相关；
• 品牌格局是集中还是分散；
• 哪些品牌反复出现，出现在哪种回答语境；
• AI 常引用哪些域名与页面；
• 是否有足够样本支撑竞争难度或趋势的判断。

竞争难度高通常表示头部品牌在当前品类内部更集中；难度低可能意味着格局更分散。样本不足或可比较品牌过少时，不应把缺少结果解读为“没有竞争”。

7. 从 Explore 连接其他 Insights 页面

Explore 用来选定研究对象；之后按研究目标进入相邻模块：

• 想知道 AI 如何展开用户问题：进入 AI 搜索，查看 Query FanOut 与需求主题。
• 想知道答案参考什么：进入 信源引用，研究类型、域名、位置与 Topic 覆盖。
• 想知道推荐货架与渠道：进入 电商，查看商品卡片、价格段与零售渠道。
• 想观察竞争入口：进入 广告，查看广告主、创意与 Topic 覆盖。

不要在 Explore 中把这些页面的细节重复解读；应让 Explore 负责定义品类、Topic 和品牌范围，再把同一范围传递给后续研究。

8. 推荐研究流程

1. 固定市场、语言和 AI 平台。
2. 选择高度相关的品类，而不是只选数值最大的品类。
3. 从品类页筛选重点 Topic 与竞争品牌。
4. 打开品牌页，验证其 Topic 覆盖和 AI 描述。
5. 深入高价值 Topic，查看品牌、引用与实际回答。
6. 进入 AI 搜索、信源引用、电商或广告补足需求、证据、货架和竞争信号。
7. 形成内容、产品信息或竞争研究假设。
8. 回到 Monitoring / Analysis 用自有品牌数据验证结果。

9. 常见误区

• 把公共 AI 流量/月或营收估算当作真实经营数据；
• 跨市场、语言或平台比较排名和 SoM；
• 将公开引用替代自有品牌的 Citation 明细；
• 将品牌出现或商品卡片数理解为广告、点击、销量或因果关系；
• 数据为空时直接判定品牌不存在，而不检查数据范围与可用性。

Explore 的价值在于把公共 AI 市场变成可追溯的研究对象；真正的优化效果仍需要在自有品牌的 Monitoring 与 Analysis 中验证。