Posso vibecodare Profound?

Cosa costruisci

Far girare ogni giorno un set fisso di prompt attraverso le API degli answer engine, dare un punteggio alle menzioni di brand e concorrenti e alle fonti citate, e fare il parsing dei log del server per il traffico da crawler AI e da referral AI.

cosa ti serve

• API key di OpenAI, Anthropic, Gemini e Perplexity
• lo strumento di ricerca web o di grounding di ciascun provider
• i log di accesso del server
• uno storage durevole per ogni run
• uno scheduler per le esecuzioni giornaliere
• un budget API che scala con prompt x engine x giorni

La dashboard è un progetto da un weekend. Il dataset sul volume dei prompt che ci sta dietro no.

Il prompt

Un weekend con un agente di coding. I buchi che restano sono qui sotto, in «cosa perdi».

Build me a local AI answer engine visibility tracker for one brand. Requirements:

- Node 22, TypeScript, SQLite via better-sqlite3, a CLI, and a plain server-rendered
  dashboard. Local only, no accounts, no telemetry.
- brand.json holds my brand name, aliases, domain, and competitor names. prompts.json
  holds up to 40 buyer questions.
- `track run` sends every prompt through OpenAI, Anthropic, Gemini, and Perplexity with
  each provider's web search or grounding tool enabled. Keys live in .env.
- Store one immutable row per run, prompt, and provider: raw answer, cited URLs, model
  id, latency, and error text. Never overwrite an existing run.
- Cap concurrency at 3 per provider, retry twice on 429 and 5xx with backoff, and keep
  failed cells visible in the report instead of dropping them.
- Detect brand and competitor mentions case-insensitively using the alias list, and
  record the first-mention character offset as a crude prominence proxy.
- Score the sentiment of each brand mention in one cheap structured pass over stored
  answers, after the run, never inline.
- Normalize citations to hostname plus canonical path, strip tracking parameters, then
  compute owned-domain citation share and a top 25 sources table.
- `track serve` renders visibility per provider over time, share of voice against each
  competitor, the sources table, and the prompts where competitors appear and I do not.
- `track crawlers --log access.log` parses server logs for GPTBot, OAI-SearchBot,
  ClaudeBot, PerplexityBot, Google-Extended and friends, plus referral hits from
  chatgpt.com and perplexity.ai, and reports which URLs they touched.
- Keep the bot user agent list in an editable JSON file. Log lines matching nothing get
  counted as unknown agents, not silently discarded.
- `track export` writes runs, mentions, and citations to CSV.
- Fixture tests for mention detection, URL normalization, and log parsing.
- Out of scope: real consumer surface answers, prompt volume estimates, content
  generation agents, teams, and hosted scheduling. Do not scrape the consumer web UIs.
- README: setup, per-run cost estimate, a cron line for daily runs, and a plain note
  that API answers only approximate what users actually see.

Cosa perdi

• i dati sul volume dei prompt: quello che le persone chiedono davvero all'AI non è misurabile dall'esterno
• le superfici consumer vere, visto che le AI Overviews e l'app ChatGPT non hanno una API che corrisponda a quello che vedono gli utenti
• mesi di storico e i baseline dei concorrenti, senza i quali il numero di visibilità di una singola settimana non significa niente
• la manutenzione, mentre engine, user agent dei crawler e formati delle citazioni continuano a cambiare
• i livelli di visibilità su agent, raccomandazioni e prodotto, impilati sopra il tracciamento

Perché pagano ancora

Perché il tracciamento è la metà a buon mercato. Profound vende le due cose che uno script personale non può produrre: i dati sul volume dei prompt, ricavati da conversazioni vere, così sai per quali domande valga davvero la pena posizionarsi, e un panel mantenuto su nove answer engine, comprese le superfici consumer che non hanno una API utilizzabile. I team marketing vogliono anche un numero di cui risponda qualcun altro, prima di metterlo in una presentazione per il board.

moat: Dati proprietari Integrazioni Qualità di esecuzione cos’è un moat

il dataset sul volume dei prompt, più la manutenzione di nove answer engine e dei loro crawler

Alternative gratuite

Non hai voglia di costruirtelo? Queste esistono già, sono gratis o open source, e le abbiamo controllate una per una.

Chi l’ha già costruito

Partire da qui è vibecoding lo stesso: il prompt serve quando lo vuoi esattamente a modo tuo.

• Elmo (si apre in una nuova scheda) — MIT-licensed self-hosted AEO/GEO tracker: runs your prompts across the major answer engines and records mentions, competitors, and cited sources (alive)
• llm-brand-tracker (si apre in una nuova scheda) — Small research-grade toolkit for monitoring brand visibility in LLM search; useful as a starting point, last commit mid-2025 (alive)

Sei d’accordo?

App correlate

100 Questions 9 $ QUASI Ahrefs 29 $ NON PROPRIO Semrush 140 $ NON PROPRIO