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. 各板块功能详解

9.1 首页与搜索：确定研究入口

首页解决的是“先研究什么”。热门品类通常按公共 AI 流量/月等信号排序；Topic 入口帮助你看到品类下反复出现的用户问题；品牌入口则用于反查某个品牌在哪些品类和 Topic 中被 AI 提及。这里的排序是研究导航，不是市场规模排名。

使用时先设置市场、语言和 AI 平台，再进行搜索。搜索结果中的同名品类或品牌可能属于不同数据范围，必须确认筛选条件后再记录。建议为每次研究建立一条范围记录：市场、语言、平台、品类、访问日期。这样后续回看时，能区分真实变化与筛选范围变化。

9.2 品类概览：判断研究范围和优先级

品类概览把一个行业范围压缩成几个总量：Topic 数表示可继续拆分的问题数量；品牌数表示当前公共数据中被识别到的品牌规模；公共提及反映回答中品牌出现的累计次数；AI 流量/月是对该品类相关 AI 查询需求的方向性估算；预计 AI 营收/月是基于流量与商业价值推导的估算。

这些数字适合做“先看哪个品类”的排序，不适合直接当作真实搜索量、订单金额或财务收入。判断品类价值时，要同时看 Topic 是否与目标人群相关、品牌格局是否有研究意义、数据是否有足够覆盖。一个数字很大的品类，如果与你的产品无关，也不应优先于一个规模较小但高度相关的品类。

9.3 品牌排行榜与 SoM：看谁占据公共回答

品牌排行榜按当前品类范围展示品牌的累计提及和 SoM。累计提及回答“品牌被提到了多少次”；SoM（Share of Mention）回答“该品牌占当前品类全部品牌提及的相对份额”。排行榜的背景条用于比较相对大小，不代表百分比之外的绝对市场份额。

阅读时先看前几名是否集中，再把 SoM 与累计提及放在一起看。高 SoM 但提及样本很少，可能只是小样本波动；提及量很高但 SoM 较低，可能说明品类整体样本也很大。排行榜只在相同市场、语言、AI 平台、时间和品类范围内有效，不能与 Monitoring 中自有 Prompt 的 Mention Rate、AIGVR 或 Citation Rate 直接互换。

9.4 SoM 趋势与品牌动量：看相对位置是否变化

SoM 趋势按日期展示品牌在该品类中的相对提及份额。它用于观察“品牌在公共品类回答中的位置是否变强或变弱”，不是网站流量或销售趋势。品牌动量通常比较当前窗口与前一个等长窗口，用来标记上升、稳定或下降的方向。

解读趋势要看三个条件：日期是否连续、每日是否有足够采样、对比窗口是否一致。图表出现空档时，优先理解为当天没有可比较采样，不要自动当作品牌下降。趋势变化还应回到 Topic 和近期提及，检查是哪些问题或回答语境推动了变化。

9.5 Topic 列表与竞争难度：从行业总览进入具体需求

Topic 列表把品类拆成具体的用户需求或问题，并通常提供 Topic 名称、AI 流量/月、累计提及、领先品牌和竞争难度等信号。AI 流量/月用于判断该 Topic 的需求优先级；累计提及用于衡量当前样本中的讨论量；领先品牌显示谁在回答中占据最明显位置。

竞争难度主要反映品牌提及是否集中在少数头部品牌。难度高表示头部集中，不等于新品牌绝对无法进入；难度低表示格局更分散，也不代表内容一上线就能获得可见度。选择 Topic 时，先用业务相关性筛选，再用流量、难度和品牌格局排序，最后打开原始回答确认问题实际在问什么。

9.6 公开引用域名与近期提及：找到答案背后的证据

公开引用域名回答“AI 在回答这个品类或品牌时参考了哪些外部来源”。常见字段包括引用次数、占比、平均出现位置、来源类型和覆盖的 Topic。引用次数反映在当前数据中的出现频率；平均位置是引用在答案中的相对位置；覆盖 Topic 表示来源影响了哪些问题范围。

近期提及则回到具体回答语境，帮助你确认品牌是被推荐、比较、解释还是仅被顺带提到。域名榜适合找证据生态和内容选题，近期提及适合验证上下文。公开引用不等于自有网站的 Citation Rate，也不代表某个域名内容质量得到 GEOly 背书；重要结论必须回看原始回答和来源页面。

9.7 品牌详情：把一个公共品牌拆成多个视角

品牌详情用于回答“AI 在什么场景、以什么方式描述这个品牌”。Topic 覆盖表示品牌出现在哪些问题中；AI 可见度表示品牌在覆盖范围内的相对公共可见程度；品类表现用于比较品牌在不同品类的领先或追赶位置；主要竞争对手展示与该品牌共享 Topic 或回答语境较多的品牌。

页面中的 AI 流量/月和预计 AI 营收/月是方向性估算，不是品牌后台的真实访问、订单或收入。购物匹配与渠道信息说明 AI 推荐的商品和零售来源，不能直接推导销量。阅读品牌详情时，建议依次看覆盖范围、AI 描述、品类表现、趋势、竞争对手和证据，再把值得验证的 Topic 记录到内容或产品信息计划中。

9.8 AI 感知：理解 AI 如何描述品牌

AI 感知把回答中反复出现的品牌属性归纳出来，并展示提及量、属性数量、正向或负向倾向、占比以及证据语句。提及量回答“有多少条回答涉及该属性”；属性数量说明描述被拆分成多少类；倾向反映当前样本中的语气方向，而不是用户满意度调查结果。

使用时先看高频属性，再区分优势、争议和缺失信息。点击证据回看原始回答，检查属性是否来自不同 Topic、不同平台或少数重复文本。低样本的正面或负面结论都要谨慎；AI 感知是内容和定位研究线索，不能替代客户访谈、评论分析或第一方转化数据。

9.9 Topic 空白机会：把差距转成研究优先级

Topic 空白机会用于发现“竞争品牌已经出现，而目标品牌还没有充分覆盖”的问题。机会信号通常综合 Topic 的 AI 查询需求、与领先品牌的差距、可争取的份额空间和样本量稳定性。它的价值在于帮助排序，不在于自动生成最终内容。

一个机会被标记后，先确认三件事：Topic 是否真的符合业务；领先品牌的优势是否来自真实产品信息、第三方引用还是回答偏差；当前样本是否足够。确认后再把机会转成具体假设，例如补充产品规格页、增加比较型内容、建设第三方证据或调整商品信息，并回到 Monitoring / Analysis 验证是否带来可观察变化。

9.10 其他 Insights 入口如何配合

Explore 负责定义“研究对象和范围”；AI 搜索负责拆解用户问题和 Query FanOut；信源引用负责寻找答案证据；电商负责观察商品、价格和渠道；广告负责理解竞争性曝光入口。它们应沿用同一市场、语言、平台和 Topic 范围，形成“需求—证据—货架—竞争”的连续研究链。

不要把 Explore 的公共 SoM、AI 流量/月或预计营收，与 Monitoring 的自有品牌指标拼成一个结果。正确做法是：先在 Explore 选品类和 Topic，再用 AI 搜索理解需求，用信源验证证据生态，用电商检查商品可见度，用广告观察竞争入口，最后回到自有数据验证行动效果。

10. 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。