这个 Skill 能做什么，适合哪些场景？
该技能用于比较品牌与指定竞品面板在不同平台、不同周期的提及量，并计算声量份额（SOV）。它要求竞品面板、查询词、平台集合和周期保持稳定；任何覆盖范围变化都会使趋势中断并重新开始。技能可提供未加权SOV、情感加权SOV，以及基于维基百科页面浏览量的注意力份额替代指标。它只使用公开计数和用户导出数据，不抓取封闭平台。
读取用户提供或已保存的竞品面板、品牌查询词、排除词、平台和历史面板记录；通过HN、Bluesky、Fediverse、Discourse、GDELT、Tavily和Wikipedia页面浏览量连接器获取或整理计数，并接受封闭平台的用户导出数据。它按品牌、平台和周期计算“品牌提及量 ÷（品牌提及量 + 竞品面板提及量）”，为每个单元标注Measured、User-provided、Estimated或proxy。输出包括锁定面板记录、逐平台逐周期SOV表、趋势序列、面板变更标记，以及按要求提供的情感加权SOV或注意力份额。
- 市场负责人想按月比较品牌与3至6个固定竞品在Hacker News、Bluesky和新闻回声中的声量份额。
- 社交分析师准备把新竞品加入面板，需要记录变更、重新锁定面板并重启趋势序列。
- 品牌团队希望用过去12个月的Wikipedia页面浏览量，比较品牌页面与竞品页面的注意力份额。
- 营销团队发现SOV变化可能来自提及激增，想把结果交给社交脉搏监测技能进一步调查。
如何安装这个 Skill？
- 本评估仅阅读源文件，未执行连接器、查询或写入流程；不要将静态文档视为已验证运行结果。
- 公共平台计数、GDELT/Tavily代理和Wikipedia注意力份额不可直接等同于完整社交对话声量；封闭平台依赖用户导出，并需核对as-of日期。
- 在中国大陆部署前，应单独验证所需公共服务和连接器的网络可达性、限流行为及数据合规性。
- 面板成员、查询词、平台集合或期间粒度变化会使趋势失效，必须记录断点并重新开始序列。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard library
在Claude Code中添加并安装仓库插件：先运行/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再运行/plugin install aaron-marketing@aaron。其他Agent Skills兼容主机可运行npx skills add aaron-he-zhu/aaron-marketing-skills，或直接克隆仓库。仓库没有为该技能单独提供不同的安装方式。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/social/observe/share-of-voice-tracker" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
提供品牌、已锁定的竞品面板、平台和周期，例如：Track share of voice for [brand] vs the locked panel [competitor A, B, C] on HN + Bluesky + news echo, monthly, this quarter. 若要变更面板，可提出：We want to add [competitor D] to the SOV panel — log the panel break, re-lock, and restart the series. 没有面板且记忆中也没有面板记录时，技能会返回NEEDS_INPUT，不会自行编造竞品。
这个 Skill 有哪些优点和局限？
- 计算公式、分母、平台和周期定义明确，便于复核趋势。
- 面板变更会被记录为断点，不会把不兼容的序列强行拼接。
- 区分Measured、User-provided、Estimated和proxy，且始终保留未加权SOV。
- 支持公开数据、用户导出数据、情感加权变体和Wikipedia注意力份额替代读数。
- 封闭平台不会被抓取，相关数据只能来自公开计数或带日期的用户导出。
- 情感加权结果在非人工编码时必须标为Estimated。
- 竞品面板、查询词、平台集合或覆盖范围变化会使趋势重启。
- 该技能只负责SOV数字，不负责竞品内容与策略监测、提及扫描或反向链接分析。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
FollowSkills 如何评估这个 Skill？
明确声明最小化数据范围、仅使用公开计数或用户导出、不抓取封闭平台，并将抓取内容视为不可信输入；写入记忆需用户确认，面板变更保留旧序列并记录断点。扣5分：依赖连接器和外部网络，具体权限、失败后的恢复边界及数据保留控制未在本技能内完整给出；发布者身份也未验证。
流程、公式、分母锁定、面板断点、缺失输入NEEDS_INPUT和数据标签均较一致，异常情况有明确停止规则。扣2分：关键连接器、共享引用和运行环境未在本文件中提供，静态阅读无法复现调用、限流和失败反馈，因此不超过静态上限10分。
触发条件、输入参数、预期输出、非适用范围和竞品面板规则清楚，并包含中文名称/错拼支持。扣4分：平台覆盖受公开数据和用户导出限制，geo-relevance标为low；未证明中国大陆网络下各公共连接器的可达性，且部分核心数据需要用户手工提供。
采用结构化前言、Quick Start、Contract、Sources、Instructions、Next Best Skill，版本18.0.0和Apache-2.0清晰，交接与保存规则明确。扣5分：维护责任人、变更日志和更新路径未在选定技能内明确，安装与故障排查主要依赖仓库外层文档。
定义了直接可用的SOV表、锁定面板记录、趋势断点、情感加权和注意力份额输出，并明确不混淆代理指标。扣9分：没有本技能关键路径的已执行示例或第三方结果证据，实际连接器可用性、查询覆盖和结果质量无法静态验证。
公式、分子分母、平台、期间、来源标签和代理/估计区分均支持审计追踪。扣6分：证据主要是作者编写的规范和引用的仓库内文件，缺少独立复现结果、第三方核验或覆盖关键路径的测试证据。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →