RRepoGEO

REPOGEO 报告 · LITE

pymc-labs/pymc-marketing

默认分支 main · commit 56d6d34b · 扫描时间 2026/6/21 15:46:45

星标 1,172 · Fork 382

本仓库扫描历史

下方为分数趋势（含全部就绪扫描；左旧右新，可横向滚动）。表格明细默认折叠，展开后每页 10 条，最新在上。

分数趋势（左 → 右：旧 → 新）

共 2 条就绪扫描。点击下方按钮展开表格（每页 10 条，可翻页）。

AI 可见性总分
67 /100
需要改进
品类召回
1 / 2
被推荐时的平均排名 #1.0
规则结果
通过 2 · 警告 0 · 失败 0
客观元数据检查
AI 认识你的名字
2 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 pymc-labs/pymc-marketing 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Clarify CLV capabilities in README to explicitly include "prediction" and "churn probability"

    原因：

    当前
    Unlock the power of **Marketing Mix Modeling (MMM)**, **Customer Lifetime Value (CLV)** and **Customer Choice Analysis (CSA)** analytics with PyMC-Marketing.
    复制粘贴的修复
    Unlock the power of **Marketing Mix Modeling (MMM)**, **Customer Lifetime Value (CLV)** (including **prediction** and **churn probability**), and **Customer Choice Analysis (CSA)** analytics with PyMC-Marketing.
  • mediumreadme#2
    Add a clear differentiator statement to the README's introduction

    原因：

    当前
    This open-source marketing analytics tool empowers businesses to make smarter, data-driven decisions for maximizing ROI in marketing campaigns.
    复制粘贴的修复
    PyMC-Marketing provides **pre-built, opinionated, and robust Bayesian models** specifically for common marketing problems, making advanced probabilistic marketing analytics accessible within the PyMC framework.
  • lowtopics#3
    Add more specific topics related to CLV prediction and churn

    原因：

    当前
    btyd, buy-till-you-die, clv, customer-lifetime-value, data-science, marketing, marketing-mix-modeling, media-mix-modeling, mmm, python
    复制粘贴的修复
    btyd, buy-till-you-die, clv, customer-lifetime-value, clv-prediction, customer-churn-prediction, data-science, marketing, marketing-mix-modeling, media-mix-modeling, mmm, python

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
1 / 2
50% 的问题里出现了 pymc-labs/pymc-marketing
平均排名
#1.0
越小越好。#1 表示首位推荐。
声量占比
7%
在所有被点名的工具中，你占了多少？
头号对手
microsoft/LightGBM
在 2 个问题中被推荐 2 次
竞品排行
  1. microsoft/LightGBM · 被推荐 2 次
  2. stan-dev/stan · 被推荐 2 次
  3. pymc-devs/pymc · 被推荐 2 次
  4. paul-buerkner/brms · 被推荐 1 次
  5. facebookexperimental/Robyn · 被推荐 1 次
  • 品类问题
    How can I build a Bayesian marketing mix model to optimize ad spend?
    你：第 1 位
    AI 推荐顺序：
    1. pymc-marketing (pymc-labs/pymc-marketing) ← 你
    2. LightGBM (microsoft/LightGBM)
    3. Stan (stan-dev/stan)
    4. PyMC (pymc-devs/pymc)
    5. brms (paul-buerkner/brms)
    6. Robyn (facebookexperimental/Robyn)
    7. Lightweight MMM (google/lightweight_mmm)
    查看 AI 完整回答
  • 品类问题
    What Python library helps predict customer lifetime value and churn probability?
    你：未被推荐
    AI 推荐顺序：
    1. lifetimes (CamDavidsonPilon/lifetimes)
    2. scikit-learn (scikit-learn/scikit-learn)
    3. XGBoost (dmlc/xgboost)
    4. LightGBM (microsoft/LightGBM)
    5. CatBoost (catboost/catboost)
    6. PyMC (pymc-devs/pymc)
    7. Stan (stan-dev/stan)

    AI 推荐了 7 个替代方案，却始终没点名 pymc-labs/pymc-marketing。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    pass

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of pymc-labs/pymc-marketing?
    pass
    AI 未点名 pymc-labs/pymc-marketing —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts pymc-labs/pymc-marketing in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 pymc-labs/pymc-marketing

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo pymc-labs/pymc-marketing solve, and who is the primary audience?
    pass
    AI 明确点名了 pymc-labs/pymc-marketing

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 pymc-labs/pymc-marketing 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/pymc-labs/pymc-marketing.svg)](https://repogeo.com/zh/r/pymc-labs/pymc-marketing)
HTML
<a href="https://repogeo.com/zh/r/pymc-labs/pymc-marketing"><img src="https://repogeo.com/badge/pymc-labs/pymc-marketing.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

pymc-labs/pymc-marketing — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3