---
name: geobase-platform-scenarios
description: GEOBase AI 平台、业务主题、场景意图和监控问题的交叉分析。用于“豆包和 DeepSeek 有什么差异”“哪些用户购买场景表现较差”“哪个业务主题排名下降”“同一问题在不同 AI 平台出现位置如何”等请求。通过 llm.comparison、llm.trend、llm.topic、llm.intention、llm.prompt 等现有查询 API 按需下钻。
---

# GEOBase 平台与业务场景分析

## 目标

识别**哪个平台 × 哪个业务主题 × 哪类用户意图 × 哪条具体监控问题**出现可见度和排名差异，避免空泛的“某平台不喜欢我们”结论。

## 查询方法

1. 用 `geo.brand` 验证目标品牌监控了哪些 AI 平台及最新监控日。
2. **比较平台总体**：`llm.comparison` 读取曝光率、Top1/Top3/Top10、平均提及位次、口碑；**趋势**：`llm.trend` 查看按日期的变化。
3. **聚焦原因**：`llm.topic` 按业务主题分组，`llm.intention` 按选购、对比等意图分组。用 `brand.topic` 了解品牌已配置的主题。
4. **定位问题**：`llm.prompt` 按监控问题/平台检查 `visibilityRatePercent`、`position`、`rankLevel`、`sentimentScore`；必要时 `brand.prompt` 获取完整提问文本与状态。
5. 只有在用户要求“证据/具体回答是什么”时，才用 `prompt.analysis.detail` 获取 `resultContent`，保留 `promptId + llmName + queryDate`。
6. `prompt.analysis.overview` 可做问题级趋势交叉检查，但必须提供 `brandId` 和文档定义的目标品牌名 `competitorName`；如果无法可靠确定，不调用此接口。

## 解释方法

- 比较同周期、同一监控覆盖范围内的平台；不同平台样本基础缺失时不下统计显著性结论。
- 区分“整体曝光低”与“具体购买意图弱”；先定位平台，再看主题、意图，再到问题。
- `llm.topic` 返回“主题名→统计数组”；`llm.intention` 返回“意图名→数组”，**无数据时为 `[]`**；`llm.prompt` 返回“问题文本→平台数组”，不可按普通平铺列表误读。
- `llm.prompt` 的 `top1Count / top3Count / top10Count` 是重叠层级，不得当作互斥项相加；`hitCount` 是已有监控范围内的统计，不是消费者搜索量。

## 输出

按“差异的具体位置 → 证据指标 → 相关问题 → 可能的内容或认知缺口 → 可验证的行动方向”输出。对“为什么”的回答只提供证据支持程度，不断言真实平台算法原因。

## 用户问法

- “我们在豆包表现好，在 DeepSeek 差，哪些问题造成了差异？”
- “选购推荐和产品对比两类意图哪个更需要运营？”
- “哪三个问题值得我们先查看 AI 回答原文？”