>

2025/11 ~ 現在

WellyGeo - AI 品牌能見度追蹤平台

前端開發
爬蟲系統
AI
SaaS
資料視覺化
進行中
精選

追蹤品牌在 ChatGPT、Google Gemini、Google AI Overview 等 AI 搜尋引擎中的能見度表現,提供競品分析與趨勢報告

WellyGeo - AI 品牌能見度追蹤平台

採用技術

React 19

前端框架,搭配 Vite 建構 SPA 數據分析儀表板

TypeScript

前後端統一型別系統,確保程式碼品質

shadcn/ui + Tailwind CSS

前端元件庫與樣式框架,建構資料視覺化介面

Recharts

圖表視覺化,呈現品牌能見度趨勢與分析

i18next

國際化框架,支援繁體中文與英文

Playwright

瀏覽器自動化引擎,爬取 ChatGPT 與 Gemini AI 回應

Express.js

Crawler 後端 API 伺服器,處理爬蟲任務佇列

SerpAPI

Google AI Overview 搜尋結果資料來源

Docker

容器化部署,整合 Playwright 瀏覽器環境

AWS Batch / Fargate

Serverless 容器執行環境,可擴展爬蟲任務

AWS S3

雲端儲存爬取結果(JSONL 格式)

AWS CDK

Infrastructure as Code,管理雲端基礎建設

專案介紹

WellyGeo 是 Solwen AI 開發的 AI 品牌能見度追蹤平台(GEO, Generative Engine Optimization),協助品牌監控自身在 AI 搜尋引擎中的曝光表現。

系統自動向 ChatGPT、Google Gemini、Google AI Overview 發送查詢,擷取 AI 回應內容並分析品牌被提及的頻率、引用來源與競品比較,產出視覺化的趨勢報告,幫助行銷團隊優化品牌在 AI 生態系中的能見度策略。

系統架構

WellyGeo 由兩大子系統組成,形成完整的資料採集與分析流程:

Frontend — 數據分析儀表板

以 React 19 + TypeScript + Vite 建構的 SPA 應用,整合 shadcn/ui 元件庫與 Recharts 圖表視覺化。包含專案管理、品牌能見度趨勢圖、AI 回應分析、引用來源追蹤、競品比較等功能模組,並支援 i18next 繁中/英文雙語介面。

Crawler — AI 回應爬蟲引擎

以 Playwright + Express.js 建構的爬蟲服務,透過瀏覽器自動化模擬使用者操作,擷取 ChatGPT 與 Google Gemini 的回應內容。Google AI Overview 則透過 SerpAPI 取得。爬取結果以 JSONL 格式上傳至 AWS S3,支援 AWS Batch/Fargate 大規模分散執行與 Webhook 回調通知。

核心功能

品牌能見度分析(Brand Visibility)

追蹤品牌在不同 AI 平台回應中被提及的趨勢變化,以折線圖、圓餅圖、長條圖呈現能見度分佈,並提供詳細數據表格。

AI 回應內容分析(AI Response)

解析 AI 回應中品牌出現的上下文、語意傾向與推薦排序,了解 AI 如何描述及推薦品牌。

引用來源追蹤(Citations)

分析 AI 回應所引用的網頁來源與類型分佈,掌握哪些內容被 AI 引用為品牌資訊依據。

競品比較

自動偵測或手動設定競爭對手,在同一查詢維度下比較品牌與競品的 AI 能見度差異。

AI 關鍵字產生

整合 AI 自動產生品牌相關搜尋主題與查詢語句,支援 CSV 批次匯入,加速專案建置。

多平台爬蟲排程

支援 ChatGPT、Google Gemini、Google AI Overview,可依任務需求選擇不同平台組合並安排執行。

我的角色與貢獻

前端全程建置

獨立負責 Frontend 儀表板的完整開發,包含專案管理流程、品牌能見度圖表(折線圖、圓餅圖、長條圖)、AI 回應分析頁面、引用來源追蹤、競品比較配置等功能模組,並整合 i18next 繁中/英文雙語切換。

爬蟲系統協助開發

參與 Crawler 後端開發,協助建置 Playwright 瀏覽器自動化爬蟲、Gemini 錯誤處理修復,以及文件與日誌系統的更新維護。

開發流程建置

導入 Husky + lint-staged 自動化 pre-commit 檢查,配置 ESLint + Prettier 統一程式碼風格,建立團隊開發規範。

Code Review

負責審查團隊成員的 Pull Request,確保程式碼品質與架構一致性。

技術亮點

跨平台瀏覽器自動化

針對不同 AI 平台建立可維護的瀏覽器自動化、錯誤處理與恢復流程,提升長時間任務的穩定性。

登入與工作階段管理

整理登入、工作階段保存與失效恢復流程,降低長時間自動化任務因驗證狀態中斷的情況。

基礎建設即程式碼

使用 AWS CDK(TypeScript)管理容器執行、儲存與權限等雲端資源,讓環境設定可以追蹤與重現。

CI/CD 自動化部署

以 GitHub Actions 串接前端與容器服務的建置、檢查及部署流程,減少人工操作並保留可追蹤的發布紀錄。