elmohq/elmo

解决的问题

Elmo 提供了一种追踪和优化品牌在 AI 回答引擎（如 ChatGPT、Claude、Perplexity 和 Gemini）中被提及和引用的方式。它解决了 "AI 可见性" 问题（通常称为 Answer Engine Optimization (AEO) 或 Generative Engine Optimization (GEO)），使用户能够将品牌在 AI 生成响应中的存在感与竞争对手进行基准对比。

如何工作

Elmo 使用后台工作进程，按计划对各种 AI 引擎运行一组预定义的提示（潜在客户可能提出的问题）。它通过爬虫服务或直接模型 API 获取响应，然后解析文本以识别品牌名称、别名和域名。系统将原始输出和引用的 URL 存储在 PostgreSQL 数据库中，从而能够计算可见性分数、声量份额和随时间变化的引用趋势。

适用人群

• 自托管团队：希望完全掌控 AI 可见性数据和基础设施的团队。
• 代理机构：通过白标部署向客户提供 AEO 服务的机构。
• 开发者和分析师：需要可审计的指标和通过 REST API 进行程序化访问的人员。
• 企业：正在寻找企业级 AI 可见性平台免费开源替代方案的公司。

主要亮点

• 可见性与提及追踪：衡量品牌在每个提示和每个模型中被提及的频率。
• 引用分析：追踪 AI 模型在特定行业中信任并引用的 URL 和域名。
• 查询泛化分析：记录 AI 引擎为支撑其回答而执行的网络搜索，展示查询如何被重写。
• 竞争对手基准对比：提供排行榜和 "声量份额" 指标，用于比较品牌与竞争对手的存在感。
• 机会生成：将可见性数据转化为内容创作和种子投放的优先级建议，以获取更多引用。
• 开放且可审计：所有评分和聚合代码均公开，确保指标不是 "黑箱"。