GEO-MVP：生成式引擎优化（GEO）的AI可见性分析原型系统

一个基于React和TypeScript构建的GEO（Generative Engine Optimization）MVP原型，专注于帮助品牌分析和优化在AI对话平台（如ChatGPT、Claude、Gemini等）中的可见性表现。

随着生成式AI技术的快速发展，用户获取信息的方式正在发生根本性转变。传统搜索引擎优化（SEO）主要关注网页在搜索结果中的排名，而新一代的**生成式引擎优化（Generative Engine Optimization，简称GEO）**则专注于品牌和产品在AI对话系统中的可见性。

当用户向ChatGPT、Claude、Gemini或Perplexity等AI助手询问"最佳替代数据提供商"或"推荐消费数据分析工具"时，AI的回复内容直接决定了哪些品牌能够获得用户关注。GEO-MVP项目正是针对这一新兴需求而开发的原型分析系统，旨在帮助企业追踪和优化其在各大AI平台上的品牌曝光表现。

GEO-MVP采用现代化的前端技术栈构建，核心架构包括：

• 框架：React 19 + TypeScript，提供类型安全与组件化开发能力
• 构建工具：Vite，实现快速的开发体验与优化的生产构建
• 样式方案：Tailwind CSS 4.x，提供原子化CSS工具类
• UI组件库：Radix UI primitives + 自定义组件，确保可访问性与一致性
• 图表可视化：Recharts，用于展示趋势数据与对比分析
• 路由：React Router DOM 7.x，支持多页面导航

项目采用清晰的分层架构：

src/
├── components/          # 可复用组件
│   ├── charts/         # 图表组件（可见性趋势图）
│   ├── competitors/    # 竞品分析组件
│   ├── dashboard/      # 仪表板核心组件
│   ├── layout/         # 布局组件（侧边栏、页头）
│   ├── prompts/        # 提示词管理组件
│   ├── recommendations/# 优化建议组件
│   └── ui/             # 基础UI组件
├── context/            # React Context（认证、客户端、日期范围）
├── data/               # 模拟数据与类型定义
├── pages/              # 页面级组件
├── types/              # TypeScript类型定义
└── utils/              # 工具函数

系统设计了多维度的可见性评估体系：

整体可见性评分（0-100分）

• 综合衡量品牌在六大AI平台（ChatGPT、Gemini、Perplexity、Claude、Copilot、AI Overviews）中的表现
• 基于提示词覆盖度、提及位置、引用频率等指标计算

平台细分数据

• 各平台的独立评分与趋势分析
• 支持跨平台表现对比

关键指标追踪

• 提及率（Mention Rate）：品牌在相关查询中被提及的比例
• 引用率（Citation Rate）：AI回复中直接链接到品牌官网的比例
• 推荐率（Recommendation Rate）：品牌被AI明确推荐的比例
• 平均位置（Avg. Position）：品牌在回复中的平均出现顺序

系统预设了六类典型的用户查询场景：

1. 信息型（Informational）："什么是替代数据？"
2. 对比型（Comparison）："Earnest Analytics vs Bloomberg Second Measure"
3. 推荐型（Recommendation）："推荐消费支出趋势追踪工具"
4. 交易型（Transactional）：购买意向明确的查询
5. 品牌型（Brand）：直接搜索特定品牌
6. 问题解决型（Problem Solving）：寻求解决方案的查询

每类提示词都关联预估月搜索量，帮助用户识别高价值查询场景。

系统支持添加多个竞争对手进行横向对比：

• 竞品提及率对比：直观展示各品牌在AI回复中的出现频率
• 可见性评分排名：整体与分平台的竞争力评估
• 趋势分析：追踪竞品可见性的上升或下降趋势
• 竞争缺口识别：发现竞品覆盖但自身缺失的提示词机会