正面率
AI 答案中对品牌表达推荐、肯定等正面态度的比例，是口碑的基本盘。
情绪结构
四个数字，看清 AI 对品牌的态度
情绪分析面板顶部固定展示四大情绪指标，正面、中性、负面一目了然
中性率
仅客观陈述、不置褒贬的比例。中性过高说明品牌缺少让人记住的正面证据。
负面率
AI 答案中出现质疑、劝退、投诉等负面表述的比例，是口碑风险的核心警报。
负面样本
监测周期内采集到的负面回答样本总量，每条都可下钻追因、逐条处置。
分析能力
从发现负面到修复负面，一条完整的口碑防线
情绪分析不只是报警，而是把每条负面追到根、排好序、修到底
平台风险矩阵
按 8 大 AI 平台逐行拆解正面、中性、负面占比与负面样本量，锁定口碑风险最高的平台重点处置。
负面追因
对每条负面结论追溯其依据：是引用了负面新闻、差评内容还是错误信息，给处置提供抓手。
高频负面问题
聚集产生负面回答的监控问题簇，标注负面条数与涉及平台，哪些问题在持续“放血”一清二楚。
情绪标签分布
按正面、中性、负面三组汇总高频情绪标签，看清 AI 用什么词汇描述你的品牌。
修复优先级
系统按 P0 / P1 优先级输出修复动作：先处理哪条负面样本、补充哪类正面证据，有先后、可执行。
口碑健康分
将情绪结构与负面密度加权汇总为 0–100 的口碑健康分，一句话给出本期口碑诊断结论。
分析流程
四步完成一次情绪深度分析
从情绪识别到修复建议，全程由系统自动完成
采集品牌回答
从 8 大 AI 平台采集品牌相关的完整回答文本。
识别情感倾向
逐条判定回答对品牌的情感倾向：正面、中性或负面，并提取情绪标签。
负面逐条追因
对负面样本追溯依据来源，并按问题聚类，生成平台风险矩阵。
输出修复队列
按 P0 / P1 优先级给出修复动作：处理负面样本、补充正面证据。
面板导览
评价深度分析面板
面板由六大模块组成：情绪结构、平台风险矩阵、负面追因、高频负面问题、情绪标签分布与修复优先级，以下逐模块说明
SENTIMENT DIAGNOSTIC
评价深度分析 · 模块说明
面板头部：诊断口径与口碑健康分
每次打开面板，先固定本期分析的执行口径，并给出 0–100 的口碑健康分与一句话诊断结论：
- 报告选择
- 切换历史检测期次，对比口碑结构的周期变化
- 平台筛选
- 总览或切换 DeepSeek、豆包等 8 大平台单平台视图
- 口碑健康分
- 情绪结构加权汇总，直观反映品牌口碑健康度
- 诊断结论
- 一句话概括本期口碑走向与需要警惕的信号
01 · Sentiment Structure
情绪结构总览
面板顶部固定展示四大情绪指标：正面率、中性率、负面率、负面样本数。每个指标配彩色进度条式视觉锚点，口碑基本盘与风险敞口一屏看清。
正面率
中性率
负面率
负面样本
正面率
中性率
负面率
负面样本数
02 · Platform Risk
平台风险矩阵
按 8 大 AI 平台逐行拆解情绪结构：每个平台的正面、中性、负面占比与负面样本量。负面占比高的平台自动高亮，帮助锁定重点处置阵地。
| AI 平台 | 正面 | 中性 | 负面 | 负面样本 |
|---|---|---|---|---|
| DeepSeek / 豆包 / 元宝… | 正面占比 | 中性占比 | 负面占比 | 负面样本计数 |
| 逐平台一行 | 绿色标注 | 灰色标注 | 红色标注 | 可下钻明细 |
| 共 8 个平台 | — | — | 高负面高亮 | — |
正面 / 中性 / 负面占比
负面样本量
高风险平台高亮
03 · Negative Tags
负面追因
对每条负面结论追溯其形成依据：是引用了负面新闻、差评内容、竞品对比还是过期错误信息，并按成因归类展示。知道负面从哪来，才知道往哪修。
成因标签：负面新闻引用 / 差评内容 / 过期信息 / 事实错误…
每个成因标签下挂对应的负面样本，支持逐条回溯原始回答
成因归类
样本回溯
原始回答定位
04 · Problem Clusters
高频负面问题
将产生负面回答的监控问题聚类展示：每个问题标注负面条数与涉及平台图标，哪些问题在持续损害品牌口碑，按负面密度从高到低排列。
N 条负面
监控问题逐条列出
涉及平台图标
N 条负面
按负面密度降序排列
支持下钻明细
问题聚类
负面条数标注
涉及平台标识
05 · Tag Map
情绪标签分布
把 AI 描述品牌时用到的情绪词汇按正面、中性、负面三组汇总展示，看清 AI 对品牌的“印象词库”，为内容调优提供直接参照。
正面标签
推荐、专业、靠谱、性价比高…
中性标签
成立时间、服务范围、价格区间…
负面标签
质疑、投诉、劝退、信息存疑…
正面 / 中性 / 负面分组
高频情绪词
06 · Repair Queue
修复优先级
系统基于负面密度与影响面自动排出修复顺序，按 P0（立即处理）、P1（优先跟进）分级，每条修复动作附带对应的问题簇与建议补充的正面证据类型。
P0
处理高密度负面问题簇
优先处置负面样本最集中的监控问题，补充更可信的官网和第三方证明
P1
补强正面证据覆盖
对中性率偏高的问题，补充案例、资质等正面材料，减少模糊表达
P0 / P1 修复分级
问题簇定位
正面证据建议
特别申明：AI 大模型搜索结果千人千面，监测结果以系统 IP 检测结果为准，若有波动也属于合理范围。监测数据来源于真机模拟人工进行提问，非 API 接口数据。
由一搜百应 GEO 系统驱动
让你的品牌被 AI 优先引用
留下您的品牌和联系方式，GEO 顾问会联系您，为您提供专业的服务