Wepr Geo Intent Miner

WEPR GEO Intent Miner

使用场景

• 把种子词、品牌、产品、竞品、区域、人群和业务材料扩展成 AI 搜索问题集。
• 先于内容生产建立问题底座，输出意图簇、追问链路、查询重写、内容选题、FAQ、知识库和监测 Prompt。
• 面向 DeepSeek、豆包、千问、Kimi、元宝适配国内 AI 平台的口语、多轮、场景和复杂决策问法。

必读资料

• references/research-foundation.md
• references/intent-mining-method.md
• references/structured-expansion-workbook-logic.md
• references/cn-platform-adaptation.md
• references/scoring-and-mapping.md
• references/real-data-ingestion.md
• references/report-module-contract.md
• references/four-format-output.md
• references/quality-gates.md

执行流程

1. 归一化输入对象：主对象、品牌、产品线、行业、竞品、区域、人群、预算、场景、痛点、资质、规模、时效和材料来源。
2. 判断真实数据模式：未接入 / 用户提供 / 工具或连接器导入 / 已采样校准。没有真实数据时，必须输出数据缺口和采样计划，不能伪造真实平台回答、搜索量或转化数据。
3. 做事实与证据校准：品牌、产品、价格、合规、竞品和行业事实必须标注来源状态，未校准信息只能作为假设或待确认项。
4. 建立双层意图：先映射到信息、导航/验证、交易/行动任务层，再扩展为九类 GEO 操作意图。
5. 按角色、场景、决策阶段、约束条件、证据需求和内容资产用途生成完整自然语言问题，不能只堆短关键词。用户要求“核心词+拓展词”、每词固定数量或参考拓词表格时，读取 references/structured-expansion-workbook-logic.md，先用槽位组合扩充候选池，再做语义筛选；若要求拓展词完整包含核心词，逐条做字符串与语义双重校验。
6. 输出五段式重写：口语问法、独立重写、检索短语、证据查询、标题输入。
7. 保留多轮追问链路：root_question_id / parent_question_id / standalone_rewrite / context_dependency / platform_fit。
8. 聚类去重，按问题目标、用户角色、约束条件、资产用途和合规等级合并同义问题。
9. 十维评分：商业价值、AI 答案触发概率、内容缺口、品牌植入空间、证据可得性、竞争难度、对话延展价值、决策阶段价值、平台覆盖度、合规风险。若有真实数据，按搜索量、AI 采样、客服/销售频次和转化信号校准分数。
10. 映射资产：文章、页面模块、FAQ、知识库条目、监测 Prompt、标题生成输入包、证据补采任务和 30/60/90 天落地路线。
11. 报告正文必须覆盖 references/report-module-contract.md 的系统模块；允许按项目删减，但删减原因要写入质检说明。
12. 输出 Word/PDF/HTML/Markdown 时必须遵守 references/four-format-output.md。HTML 使用 kami 长文档排版语言：暖纸底、油墨蓝、暖灰边框、serif 标题、sticky 菜单；Word 宽表必须横向 A4、固定表格布局、表格总宽不超过页面可用宽度；PDF 默认横向 A4，宽表自动换行且不向右溢出。
13. 自 review：检查四个报告是否存在、格式是否有效、内容是否一致、HTML/Word/PDF 是否符合 kami 版式且表格不溢出。

输出契约

• AI 搜索问题集与意图地图。
• 问题聚类、追问链路和查询重写清单。
• 评分矩阵与优先级排序。
• 内容选题、FAQ 题库、知识库条目建议。
• 监测 Prompt 库。
• 证据缺口、合规边界和落地路线。
• 真实数据接入状态、AI 平台采样计划、数据校准动作。
• 默认四件套：Markdown、HTML、Word、PDF。