Geo Analyzer

🚀 GEO Analyzer

GEO Analyzer可對內容進行分析，以提升其在AI搜索中的可見性。它能衡量對被ChatGPT、Claude、Perplexity和Google AI Overviews引用真正重要的因素。

🚀 快速開始

GEO Analyzer會檢查內容是否包含AI系統在選擇引用來源時所依據的信號。

✨ 主要特性

• 聲明密度：每100個單詞中可提取的事實數量。
• 信息密度：單詞數量與預測的AI覆蓋範圍之比。
• 答案前置：關鍵信息出現的速度。
• 語義三元組：結構化的（主語、謂語、賓語）關係。
• 實體識別：AI可以引用的命名實體。
• 句子結構：適合AI解析的最佳長度。

分析過程在本地使用Claude Sonnet 4.5進行語義提取，無需外部服務，數據不會離開你的設備。

📦 安裝指南

Claude桌面版

將以下內容添加到claude_desktop_config.json文件中：

{
  "mcpServers": {
    "geo-analyzer": {
      "command": "npx",
      "args": ["-y", "@houtini/geo-analyzer@latest"],
      "env": {
        "ANTHROPIC_API_KEY": "sk-ant-..."
      }
    }
  }
}

配置文件位置：

• Windows：%APPDATA%\Claude\claude_desktop_config.json
• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Linux：~/.config/Claude/claude_desktop_config.json

保存後重啟Claude桌面版。

要求

• Node.js 20+
• Anthropic API密鑰（console.anthropic.com）

💻 使用示例

分析已發佈的URL

Analyse https://example.com/article for "topic keywords"

主題上下文有助於評估相關性，但不是必需的：

Analyse https://example.com/article

直接分析文本

粘貼要分析的內容（最少500個字符）：

Analyse this content for "sim racing wheels":

[Your content here]

摘要模式

獲取精簡輸出，不包含詳細建議：

Analyse https://example.com/article with output_format=summary

📚 詳細文檔

輸出

分數（0 - 10）

關鍵指標

• 信息密度：
  • 帶有覆蓋範圍預測的單詞數量。
  • 最佳範圍：800 - 1500個單詞。
  • 少於1000個單詞的頁面：約61%的AI覆蓋範圍。
  • 超過3000個單詞的頁面：約13%的AI覆蓋範圍。
• 答案前置：
  • 前100/300個單詞中的聲明和實體。
  • 第一個聲明的位置。
  • 表示答案即時性的分數。
• 聲明密度：
  • 目標：每100個單詞中有4個以上的聲明。
  • 可提取的事實、統計數據、測量值。
• 句子長度：
  • 目標：平均15 - 20個單詞。
  • 與Google約15.5個單詞的提取塊相匹配。

建議

按優先級排序的建議，包括：

• 內容中的具體位置。
• 前後示例。
• 基於研究的理由。

工具

analyze_url

獲取並分析已發佈的網頁。

analyze_text

直接分析粘貼的內容。

故障排除

• "ANTHROPIC_API_KEY is required"：將API密鑰添加到配置文件的env部分。
• "Cannot find module" after config change：完全重啟Claude桌面版。
• "Content too short"：進行有意義的分析最少需要500個字符。
• Paywalled content returns errors：分析器只能訪問公開可用的頁面。

性能

• URL分析：約8 - 10秒。
• 文本分析：約5 - 7秒。
• 成本：每次分析約0.14美元（Sonnet 4.5）。

從v1.x遷移

v2.0版本移除了外部依賴項。更新你的配置： 舊版（v1.x）：

{
  "env": {
    "GEO_WORKER_URL": "https://...",
    "JINA_API_KEY": "jina_..."
  }
}

新版（v2.x）：

{
  "env": {
    "ANTHROPIC_API_KEY": "sk-ant-..."
  }
}

開發

git clone https://github.com/houtini-ai/geo-analyzer.git
cd geo-analyzer
npm install
npm run build

研究基礎

分析方法基於同行評審的研究和實證研究：

MIT GEO論文（2024）

Aggarwal等人的 "GEO: Generative Engine Optimization" - ACM SIGKDD 應用的關鍵發現：

• 每100個單詞的聲明密度目標為4個以上。
• 最佳句子長度為15 - 20個單詞。
• 專注於可提取性可使AI引用率提高40%。 arxiv.org/abs/2311.09735

Dejan AI基礎研究（2025）

對7060個查詢和2275個頁面的實證分析 應用的關鍵發現：

• 每個查詢的總基礎預算約為2000個單詞。
• 排名第1的來源獲得531個單詞（佔預算的28%）。
• 排名第5的來源獲得266個單詞（佔預算的13%）。
• 平均提取塊：15.5個單詞。
• 少於1000個單詞的頁面：61%的覆蓋範圍。
• 超過3000個單詞的頁面：13%的覆蓋範圍。 dejan.ai/blog/how-big-are-googles-grounding-chunks
  dejan.ai/blog/googles-ranking-signals

📄 許可證

本項目採用MIT許可證 - Houtini.ai