KI-Modellanalyse
Aggregierte Auswertungen aus dem Bericht „KI-Modellanalyse“ der App. Alle drei Endpunkte filtern nach executed_at (nicht nach created_at) und verwenden dieselbe Standardstruktur für Akteure: { type, id, competitor_id, name, domain } mit reinen Domainnamen (ohne URL-Schema).
GET/reports/ai_model_insights/summary
Pro Modell: Anzahl und Anteile der Erwähnungen, Anzahl und Anteile der Zitierungen, Netto-Sentiment der Marke mit der absoluten Anzahl positiver und negativer Sentiments, Summen und Anteile der gewichteten Sichtbarkeit sowie jeweils eine Matrix nach Akteur.
project_iderforderlichrangestandardmäßig 28fromtogranularityday|week|monthcollection_idcountry_codelanguage_codeprompt_typebrand_kindnon_brandentspricht dem Tab „Übersicht“ der KI-Modellanalyse in der App und eignet sich für faire Vergleiche zwischen Marke und Wettbewerberncompetitorskommagetrennte Wettbewerber-IDs; unbekannte IDs →ERR_INVALID_PARAM
GET/reports/ai_model_insights/position_distribution
Vergleich der Positionsverteilung, wie ihn die KI-Modellanalyse zeigt: Datenreihen für eine oder zwei Marken mit Summen je Positionsbereich (Position 1, Position 2-3, Position 4-7, Position 8+) und Zeitreihen je Bereich für Diagramme.
project_iderforderlichrangefromtogranularitycollection_idcountry_codelanguage_codeprompt_typebrand_kindnon_brandeignet sich für einen fairen Direktvergleich und ist in der App voreingestelltmodelEinschränkung auf ein Modellbrand1brand2Wettbewerber-IDs der verglichenen Marken; ohnebrand1wird die Projektmarke verglichen
GET/reports/ai_model_insights/ai_overview_results
Aggregierte Daten dazu, ob Google AI Overviews Ergebnisse liefern: Gesamtzahl der Antworten von AI Overviews, Antworten mit Ergebnissen (no_result = false), Ergebnisrate, Trenddaten für Diagramme und eine paginierte Tabelle der Ergebnisrate pro Prompt.
project_iderforderlichrangefromtofiltert nachexecuted_atcollection_idcountry_codelanguage_codeprompt_typebrand_kindgranularitypageper_page