# Scrunch CLI：AI搜索时代的品牌可见性分析工具 > Scrunch CLI 是一个开源命令行工具，为 Scrunch AI API 提供完整接口，帮助企业在 ChatGPT、Claude 等 AI 搜索平台监控品牌可见性、分析竞品表现、追踪用户画像与提示词效果。 - 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo) - 发布时间: 2026-03-30T15:37:47.000Z - 最近活动: 2026-03-30T15:48:30.664Z - 热度: 156.8 - 关键词: Scrunch, CLI, AI搜索, 品牌可见性, 生成式引擎优化, GEO, 竞品分析, ChatGPT, Claude, 数字营销, 开源工具 - 页面链接: https://www.zingnex.cn/forum/thread/scrunch-cli-ai - Canonical: https://www.zingnex.cn/forum/thread/scrunch-cli-ai - Markdown 来源: ingested_event --- # Scrunch CLI：AI搜索时代的品牌可见性分析工具\n\n## 引言：当搜索引擎变成AI助手\n\n我们正处在一个搜索行为剧变的时代。越来越多的用户不再打开 Google 输入关键词，而是直接向 ChatGPT、Claude、Perplexity 等 AI 助手提问。这种转变对企业营销和品牌管理提出了全新挑战：你的品牌在 AI 回答中的"可见性"如何？竞争对手是否比你的品牌更频繁地被提及？用户在询问什么类型的问题时会想到你的行业？\n\nScrunch CLI 正是为应对这些挑战而生的开源工具。作为 Scrunch AI API 的命令行接口，它让企业能够以编程方式监控和分析品牌在 AI 搜索生态中的表现，将原本需要手动追踪的碎片化信息整合为可量化的数据洞察。\n\n## 项目概览：Scrunch CLI 是什么\n\nScrunch CLI 是由 Adam Bertram 开发的一个 Python 命令行工具，它为 Scrunch AI 平台提供了完整的 API 访问能力。Scrunch AI 本身是一家专注于"生成式引擎优化"（Generative Engine Optimization，简称 GEO）的 SaaS 服务商，帮助企业理解和优化它们在 AI 搜索和对话系统中的品牌表现。\n\n这个 CLI 工具的设计哲学非常清晰：让数据分析师、营销团队和技术人员能够在熟悉的终端环境中，高效地完成品牌监控、竞品分析、用户画像管理和数据导出等任务。它采用 Typer 框架构建，支持类型安全的 Pydantic 模型，输出格式可选 JSON（便于脚本自动化）或表格（便于人工阅读）。\n\n## 核心功能模块解析\n\n### 1. 品牌管理（Brands）\n\n品牌是 Scrunch 分析体系的核心单元。通过 CLI，用户可以列出所有监控的品牌、查看特定品牌的详情、创建新品牌档案，或更新现有品牌的属性（如名称、网站、描述、关键主题等）。每个品牌档案都关联着后续所有的分析数据——竞品对比、提示词效果、AI 响应追踪等。\n\n### 2. 竞品追踪（Competitors）\n\n在 AI 搜索环境中，竞品分析有了新的维度。Scrunch CLI 允许用户为每个品牌定义竞争对手，并追踪这些竞品在相同提示词和场景下的表现。通过对比品牌与竞品在 AI 回答中的出现频率、位置排序和情感倾向，企业可以识别自身在 AI 搜索生态中的竞争地位。\n\n### 3. 用户画像与提示词（Personas & Prompts）\n\n这是 Scrunch 方法论中最具特色的部分。用户可以定义不同的"用户画像"（Personas）——代表不同类型的潜在客户或用户群体，例如"软件开发者"、"市场营销人员"或"企业决策者"。\n\n基于这些画像，用户可以创建和管理"提示词"（Prompts），即模拟真实用户可能向 AI 助手提出的问题。这些提示词可以标注所处的购买旅程阶段（认知、比较、决策等），并指定针对哪些 AI 平台（ChatGPT、Claude 等）进行测试。Scrunch 会定期用这些提示词查询 AI 系统，记录回答中品牌被提及的情况。\n\n### 4. AI 响应监控（Responses）\n\n当提示词被提交给 AI 平台后，Scrunch 会捕获并存储 AI 的完整响应。CLI 提供了查询这些响应数据的能力，支持按平台、时间段、购买阶段、特定提示词或用户画像进行筛选。这让营销团队能够深入分析 AI 是如何描述他们的品牌的——语气是正面还是负面？品牌信息是否准确？与竞品相比处于什么位置？\n\n### 5. 页面审计（Page Audits）\n\n除了监控品牌在 AI 回答中的表现，Scrunch 还提供页面审计功能。用户可以提交任意网页 URL，Scrunch 会分析该页面的内容质量、结构优化程度，以及它在 AI 搜索场景中的潜在表现。这为内容团队提供了具体的优化建议。\n\n### 6. 代理流量分析（Agent Traffic）\n\n这是一个面向未来的功能。随着 AI 代理（如浏览代理、研究代理）开始访问网站，传统的网站分析工具可能无法准确识别这些非人类访问者。Scrunch 的代理流量功能帮助用户区分和理解来自 AI 代理的访问模式。\n\n### 7. 数据查询与指标（Query Metrics）\n\nCLI 提供了强大的数据查询接口，支持按多种维度（日期、AI 平台、提示词、用户画像、国家等）和指标（响应数量、品牌出现百分比、品牌位置评分、情感评分等）进行聚合分析。数据可以导出用于进一步分析或报告生成。\n\n## 技术实现与使用方式\n\nScrunch CLI 基于 Python 3.9+ 开发，依赖包括 Typer（CLI 框架）、Pydantic（数据验证）、Requests（HTTP 客户端）和 python-dotenv（配置管理）。安装非常直接：\n\n```bash\npip install -e .\n```\n\n认证通过 API 密钥完成，支持多配置文件切换，便于管理多个客户或项目。所有命令都遵循一致的命名模式（`scrunch <模块> <动作>`），并支持丰富的过滤和输出选项。\n\n一个典型的工作流可能是：\n1. 使用 `scrunch auth login` 配置 API 密钥\n2. 使用 `scrunch brands create` 创建要监控的品牌\n3. 使用 `scrunch personas create` 定义目标用户画像\n4. 使用 `scrunch prompts create` 设置测试提示词\n5. 定期使用 `scrunch query metrics` 和 `scrunch responses list` 获取分析报告\n\n## 为什么这很重要\n\n传统的 SEO（搜索引擎优化）关注的是在 Google、Bing 等搜索引擎结果页（SERP）中的排名。但在 AI 搜索时代，用户获得的不再是链接列表，而是直接的答案。这意味着品牌需要关注全新的优化维度：\n\n- **AI 可见性**：品牌在 AI 生成的回答中被提及的频率\n- **位置优势**：品牌是在回答的开头、中间还是末尾被提及\n- **情感倾向**：AI 对品牌的描述是正面、中性还是负面\n- **竞品对比**：与主要竞争对手相比，品牌的相对表现如何\n\nScrunch CLI 提供的正是量化这些指标的工具。对于希望在 AI 驱动的搜索环境中保持竞争力的企业来说，这类工具将从"锦上添花"变成"必备基础设施"。\n\n## 结语：开源工具与 SaaS 服务的结合\n\nScrunch CLI 采用 MIT 许可证开源，这意味着企业可以自由使用、修改和扩展这个工具。它展示了现代 SaaS 服务的一个趋势：核心平台提供数据和计算能力，而开源 CLI 工具则让高级用户能够以编程方式访问这些能力，实现自动化工作流和自定义集成。\n\n对于数据驱动的营销团队、需要批量处理品牌数据的技术团队，或者希望将 AI 搜索分析整合到现有数据管道的组织来说，Scrunch CLI 提供了一个强大而灵活的起点。随着 AI 搜索继续重塑用户获取信息的方式，理解和优化品牌在 AI 生态中的表现将成为数字营销的核心能力之一。