LLM 提及最多的品牌类别（实时）

POST /v3/ai_optimization/llm_mentions/top_mentioned_brand_categories/live

本接口使用 POST 方法，路径为：

/v3/ai_optimization/llm_mentions/top_mentioned_brand_categories/live

本接口用于统计指定目标在大语言模型（LLM）回答中被提及的品牌类别，并品牌类别聚合展示提及次数、AI 搜索量、来源域名、搜索结果域名及品牌实体等指标。结果受平台、地区和语言参数影响。

> 注意：品牌实体数据支持 platform: chat_gpt。

接口信息

请求方法：POST
请求地址：https://api.seermartech.cn/v3/ai_optimization/llm_mentions/top_mentioned_brand_categories/live
请求格式：application/json，使用 UTF-8 编码
请求体格式：JSON 数组，且每次请求只能一个任务
执行时间：最长约 120 秒平台限流以认证说明中的 30/60/120 次/分钟规则为准- 参考价：约 ¥0.7272 / 次
计费说明：扣费以响应头 X-SeerMarTech-Charge-CNY 为准

请求参数

顶层参数

参数	类型	填	说明
`target`	array	是	目标实体数组，最多 10 个实体。每个实体一个 `domain` 或 `keyword`
`location_name`	string	否	搜索地区的完整名称。指定后无需再传 `location_code`
`location_code`	integer	否	搜索地区代码。默认值为 `2840`
`language_name`	string	否	搜索语言的完整名称。指定后无需再传 `language_code`
`language_code`	string	否	搜索语言代码。默认值为 `en`
`platform`	string	否	目标平台，可选 `chat_gpt`、`google`
`filters`	array	否	对聚合后的结果进行过滤，最多 8 个条件
`initial_dataset_filters`	array	否	在聚合前对原始提及数据进行过滤，最多 8 个条件
`limit`	integer	否	`items` 数组最多返回的结果数量，范围 `1-1000`，默认 `100`
`internal_list_limit`	integer	否	限制数组的最大数量，范围 `1-10`，默认 `5`
`order_by`	array	否	结果排序规则，最多设置 3 条
`offset`	integer	否	结果偏移量，默认 `0`，最大值为 `1000000`
`include_brand_categories`	array	否	返回指定的品牌类别
`exclude_brand_categories`	array	否	排除指定的品牌类别
`tag`	string	否	自定义任务标识，最长 255 个字符。响应中的 `data` 对象会返回该值

`target`

target 最多可 10 个目标实体。每个实体可使用以下两种结构之一。

域名实体：`domain_entity`

参数	类型	填	说明
`domain`	string	条件填	目标域名，最多 63 个字符；不得 `https://` 或 `www.`
`search_filter`	string	否	`include` 或 `exclude`，默认 `include`
`search_scope`	array	否	搜索范围，可选 `any`、`sources`、`search_results`，默认 `any`
`include_subdomains`	boolean	否	是否目标域名的子域名，默认 `false`

示例：

json

{
  "domain": "en.wikipedia.org",
  "search_filter": "exclude",
  "search_scope": ["sources"],
  "include_subdomains": false
}

实体：`keyword_entity`

参数	类型	填	说明
`keyword`	string	条件填	目标，最多 250 个字符
`search_filter`	string	否	`include` 或 `exclude`，默认 `include`
`search_scope`	array	否	搜索范围，可选 `any`、`question`、`answer`、`brand_entities`、`fan_out_queries`，默认 `any`
`match_type`	string	否	匹方式，可选 `word_match`、`partial_match`，默认 `word_match`

match_type 说明：

word_match：进行匹，可匹种子前后或中间词的。
partial_match：匹中出现的或片段。

示例：

json

{
  "keyword": "bmw",
  "search_filter": "include",
  "search_scope": ["answer"],
  "match_type": "partial_match"
}

> 请求中的 target 至少需要一个 domain_entity 或 keyword_entity，且 search_filter须为 include。

地区与语言参数

参数	类型	默认值	说明
`location_name`	string	-	地区完整名称
`location_code`	integer	`2840`	地区代码
`language_name`	string	-	语言完整名称
`language_code`	string	`en`	语言代码

chat_gpt 平台目前支持：

地区：United States，代码 2840
语言：English，代码 en

可通过以下接口获取可用的地区和语言：

/v3/ai_optimization/llm_mentions/locations_and_languages

`filters`

用于过滤聚合后的结果。最多支持 8 个过滤条件，多个条件之间需要使用逻辑运算符 and 或 or。

支持的运算符：

=、<>、in、not_in、like、not_like、ilike、not_ilike、match、not_match

使用 like 或 not_like 时，可以使用 % 匹任意长度的字符串。

示例：

json

[
  ["total.mentions", ">", 100],
  "and",
  ["brand_category", "like", "%business%"]
]

`initial_dataset_filters`

用于在聚合前过滤原始 LLM 提及数据，从而限制参与统计的记录。最多支持 8 个过滤条件，条件之间使用 and 或 or 连接。

支持的运算符：

=、<>、in、not_in、like、not_like、ilike、not_ilike、match、not_match

示例：

json

[
  ["ai_search_volume", ">", 10]
]

分页、排序与类别过滤

`limit`

限制 items 数组返回的品牌类别数量：

最小值：1
最大值：1000
默认值：100

`internal_list_limit`

限制以下数组的返回数量：

sources_domain
search_results_domain
brand_entities_title
brand_entities_category

取值范围为 1-10，默认值为 5。

`order_by`

使用与 filters 相同的字段和表达式进行排序。排序类型为：

asc：升序
desc：降序

排序字段与排序方向使用逗号分隔，例如：

json

[
  "total.mentions,desc",
  "brand_category,asc"
]

单次请求最多设置 3 条排序规则，多条规则之间使用逗号分隔。

`offset`

跳过前 N 条结果。例如设置为 10 时，将跳过结果数组中的前 10 条记录。

最大值为 1000000，默认值为 0。

`include_brand_categories`

返回指定品牌类别：

json

["company", "brand", "local_business"]

`exclude_brand_categories`

排除指定品牌类别：

json

["vehicle", "organization"]

请求示例

cURL

bash

curl --location --request POST \
  "https://api.seermartech.cn/v3/ai_optimization/llm_mentions/top_mentioned_brand_categories/live" \
  --header "Authorization: Bearer smt_live_YOUR_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '[
    {
      "language_code": "en",
      "location_code": 2840,
      "platform": "chat_gpt",
      "target": [
        {
          "keyword": "bmw",
          "search_scope": ["answer"]
        },
        {
          "keyword": "auto",
          "search_scope": ["question"],
          "match_type": "partial_match"
        }
      ],
      "initial_dataset_filters": [
        ["ai_search_volume", ">", 10]
      ],
      "limit": 5,
      "internal_list_limit": 2
    }
  ]'

Python

python

import requests

url = "https://api.seermartech.cn/v3/ai_optimization/llm_mentions/top_mentioned_brand_categories/live"

headers = {
    "Authorization": "Bearer smt_live_YOUR_KEY",
    "Content-Type": "application/json",
}

post_data = [
    {
        "language_code": "en",
        "location_code": 2840,
        "platform": "chat_gpt",
        "target": [
            {
                "keyword": "bmw",
                "search_scope": ["answer"],
            },
            {
                "keyword": "auto",
                "search_scope": ["question"],
                "match_type": "partial_match",
            },
        ],
        "initial_dataset_filters": [
            ["ai_search_volume", ">", 10],
        ],
        "limit": 5,
        "internal_list_limit": 2,
    }
]

response = requests.post(url, headers=headers, json=post_data, timeout=120)
response.raise_for_status()

result = response.json()
if result.get("status_code") == 20000:
    print(result)
else:
    print(
        f"请求失败，错误码：{result.get('status_code')}，"
        f"错误信息：{result.get('status_message')}"
    )

TypeScript

typescript

import axios from "axios";

const url =
  "https://api.seermartech.cn/v3/ai_optimization/llm_mentions/top_mentioned_brand_categories/live";

const requestBody = [
  {
    language_code: "en",
    location_code: 2840,
    platform: "chat_gpt",
    target: [
      {
        keyword: "bmw",
        search_scope: ["answer"],
      },
      {
        keyword: "auto",
        search_scope: ["question"],
        match_type: "partial_match",
      },
    ],
    initial_dataset_filters: [["ai_search_volume", ">", 10]],
    limit: 5,
    internal_list_limit: 2,
  },
];

axios
  .post(url, requestBody, {
    headers: {
      Authorization: "Bearer smt_live_YOUR_KEY",
      "Content-Type": "application/json",
    },
    timeout: 120000,
  })
  .then((response) => {
    // 处理接口响应
    console.log(response.data);
  })
  .catch((error) => {
    // 处理网络或接口错误
    console.error(error.response?.data || error.message);
  });

响应结构

接口返回 JSON 对象 tasks 数组。

顶层响应字段

字段	类型	说明
`version`	string	当前 API 版本
`status_code`	integer	请求级状态码。`20000` 表示成功
`status_message`	string	请求级状态信息
`time`	string	执行耗时，单位为秒
`cost`	float	平台原始 USD 成本兼容字段；人民币实扣以 `X-SeerMarTech-Charge-CNY` 为准。
`tasks_count`	integer	`tasks` 数组中的任务总数
`tasks_error`	integer	返回错误的任务数量
`tasks`	array	任务结果数组

`tasks` 字段

字段	类型	说明
`id`	string	任务唯一标识，UUID 格式
`status_code`	integer	任务状态码，通常位于 `10000-60000` 范围
`status_message`	string	任务状态信息
`time`	string	任务执行耗时
`cost`	float	平台原始 USD 成本兼容字段；人民币实扣以 `X-SeerMarTech-Charge-CNY` 为准。
`result_count`	integer	`result` 数组中的数量
`path`	array	请求路径
`data`	object	本次任务使用的请求参数
`result`	array	任务结果数组

完整状态码和错误信息请参考错误码文档。

`result` 字段

字段	类型	说明
`total_count`	integer	与请求条件匹的结果总数
`offset`	integer	已从 `items` 中跳过的结果数量
`items_count`	integer	`items` 数组返回的结果数量
`aggregated_metrics`	object	所有品牌类别的聚合提及指标
`items`	array	各品牌类别的详细结果

`aggregated_metrics` 字段

aggregated_metrics 汇总所有符合条件的品牌类别，并按地区、语言、平台、来源域名、搜索结果域名和品牌实体等维度进行分组。

分组字段

以下字段均为对象数组，每个：

字段	类型	说明
`key`	string / integer	分组标识。地区通常为整数，维度通常为字符串
`mentions`	integer	与该分组的 LLM 提及次数
`ai_search_volume`	integer	该分组对应的聚合 AI 搜索量

支持的分组字段如下：

字段	说明
`location`	按地理位置分组
`language`	按语言分组
`platform`	按 AI 平台分组
`sources_domain`	LLM 回答中作为引用来源的热门域名
`search_results_domain`	与 LLM 查询、出现在搜索结果中的热门域名
`brand_entities_title`	与目标的品牌实体标题
`brand_entities_category`	与目标的品牌实体类别

internal_list_limit 会限制 sources_domain、search_results_domain、brand_entities_title 和 brand_entities_category 数组的数量。

`aggregated_metrics.total`

字段	类型	说明
`mentions`	integer	与目标的 LLM 提及总次数
`ai_search_volume`	integer	所有提及对应的 AI 搜索量总值

`items` 字段

items 数组中的每个代表一个品牌类别。

字段	类型	说明
`brand_category`	string	LLM 提及中识别出的品牌类别
`location`	array	按地理位置统计的该品牌类别指标
`language`	array	按语言统计的该品牌类别指标
`platform`	array	按 AI 平台统计的该品牌类别指标
`sources_domain`	array	与该品牌类别、被 LLM 回答引用的来源域名
`search_results_domain`	array	与该品牌类别、出现在搜索结果中的域名
`brand_entities_title`	array	与该品牌类别的品牌实体标题
`brand_entities_category`	array	与该品牌类别的品牌实体类别
`total`	object	该品牌类别的聚合指标摘要

除 brand_category 和 total 外，上述分组数组中的均：

字段	类型	说明
`key`	string / integer	分组标识；域名维度中为域名，品牌实体维度中为实体名称或类别
`mentions`	integer	与该分组的 LLM 提及次数
`ai_search_volume`	integer	该分组对应的聚合 AI 搜索量

`items[].total`

字段	类型	说明
`mentions`	integer	与该品牌类别的 LLM 提及总次数
`ai_search_volume`	integer	与该品牌类别的 AI 搜索量总值

响应示例

json

{
  "version": "0.1.20251208",
  "status_code": 20000,
  "status_message": "Ok.",
  "time": "1.9150 sec.",
  "cost": 0.7272,
  "tasks_count": 1,
  "tasks_error": 0,
  "tasks": [
    {
      "id": "01234567-89ab-cdef-0123-456789abcdef",
      "status_code": 20000,
      "status_message": "Ok.",
      "time": "1.9000 sec.",
      "cost": 0.7272,
      "result_count": 1,
      "path": [
        "v3",
        "ai_optimization",
        "llm_mentions",
        "top_mentioned_brand_categories",
        "live"
      ],
      "data": {
        "api": "ai_optimization",
        "function": "top_mentioned_brand_categories",
        "language_code": "en",
        "location_code": 2840,
        "platform": "chat_gpt",
        "target": [
          {
            "keyword": "bmw",
            "search_scope": ["answer"]
          },
          {
            "keyword": "auto",
            "search_scope": ["question"],
            "match_type": "partial_match"
          }
        ],
        "initial_dataset_filters": [
          ["ai_search_volume", ">", 10]
        ],
        "limit": 5,
        "internal_list_limit": 2
      },
      "result": [
        {
          "total_count": 4,
          "offset": 0,
          "items_count": 4,
          "aggregated_metrics": {
            "location": [
              {
                "key": 2840,
                "mentions": 9999,
                "ai_search_volume": 99999
              }
            ],
            "language": [
              {
                "key": "en",
                "mentions": 9999,
                "ai_search_volume": 99999
              }
            ],
            "platform": [
              {
                "key": "chat_gpt",
                "mentions": 9999,
                "ai_search_volume": 99999
              }
            ],
            "sources_domain": [],
            "search_results_domain": [],
            "brand_entities_title": [],
            "brand_entities_category": [],
            "total": {
              "mentions": 9999,
              "ai_search_volume": 99999
            }
          },
          "items": [
            {
              "brand_category": "company",
              "location": [],
              "language": [],
              "platform": [],
              "sources_domain": [],
              "search_results_domain": [],
              "brand_entities_title": [],
              "brand_entities_category": [],
              "total": {
                "mentions": 600,
                "ai_search_volume": 6000
              }
            },
            {
              "brand_category": "local_business",
              "location": [],
              "language": [],
              "platform": [],
              "sources_domain": [],
              "search_results_domain": [],
              "brand_entities_title": [],
              "brand_entities_category": [],
              "total": {
                "mentions": 600,
                "ai_search_volume": 6000
              }
            },
            {
              "brand_category": "brand",
              "location": [],
              "language": [],
              "platform": [],
              "sources_domain": [],
              "search_results_domain": [],
              "brand_entities_title": [],
              "brand_entities_category": [],
              "total": {
                "mentions": 600,
                "ai_search_volume": 6000
              }
            },
            {
              "brand_category": "vehicle",
              "location": [],
              "language": [],
              "platform": [],
              "sources_domain": [],
              "search_results_domain": [],
              "brand_entities_title": [],
              "brand_entities_category": [],
              "total": {
                "mentions": 600,
                "ai_search_volume": 6000
              }
            }
          ]
        }
      ]
    }
  ]
}

实用场景

识别目标在 LLM 回答中最常出现的品牌类别，定位用户认知中的竞争领域与品牌属性。
比较不同品牌类别的提及次数和 AI 搜索量，评估品牌在生成式搜索结果中的强度。
筛选特定来源域名、搜索结果域名或品牌实体类别，定位影响 LLM 推荐结果的来源。
监测不同时间段或不同目标的品牌类别变化，为选题和品牌定位优化提供依据。
拆分地区、语言和 AI 平台维度的聚合数据，发现不同市场中的品牌认知差异。

LLM 提及最多的品牌类别（实时） ​

接口信息 ​

请求参数 ​

顶层参数 ​

target ​

域名实体：domain_entity ​

实体：keyword_entity ​

地区与语言参数 ​

filters ​

initial_dataset_filters ​

分页、排序与类别过滤 ​

limit ​

internal_list_limit ​

order_by ​

offset ​

include_brand_categories ​

exclude_brand_categories ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应结构 ​

顶层响应字段 ​

tasks 字段 ​

result 字段 ​

aggregated_metrics 字段 ​

分组字段 ​

aggregated_metrics.total ​

items 字段 ​

items[].total ​

响应示例 ​

LLM 提及最多的品牌类别（实时）

接口信息

请求参数

顶层参数

`target`

域名实体：`domain_entity`

实体：`keyword_entity`

地区与语言参数

`filters`

`initial_dataset_filters`

分页、排序与类别过滤

`limit`

`internal_list_limit`

`order_by`

`offset`

`include_brand_categories`

`exclude_brand_categories`

请求示例

cURL

Python

TypeScript

响应结构

顶层响应字段

`tasks` 字段

`result` 字段

`aggregated_metrics` 字段

分组字段

`aggregated_metrics.total`

`items` 字段

`items[].total`

响应示例