Pine/ChouJuGEO
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 1 Wiki Activity
Files
8f7f082c3d5b5403dd1916ef6d8941cd2ddc6cc8
ChouJuGEO/docs/features/ROI_ANALYSIS_FEATURE.md
T
刘国栋 8f7f082c3d feat: 重构项目结构并添加平台同步基础架构 
- 重构项目目录结构，将功能模块移至 modules/ 目录
- 创建平台同步基础架构，包括发布器基类和 GitHub 发布器
- 新增 UI 状态管理模块 (modules/ui/state.py) 统一管理会话状态
- 更新依赖配置，添加平台同步所需依赖 (httpx, pyperclip)
- 整理文档结构，将所有文档分类移至 docs/ 目录
- 添加 .cursorrules 文件定义项目开发规范
- 清理根目录重复文件，保持项目结构整洁
2026-01-30 10:21:29 +08:00

7.4 KiB
Raw Blame History

ROI 分析与成本优化功能说明

📋 功能概述

ROI 分析与成本优化模块是 GEO 工具的核心功能之一，用于量化 GEO 投入产出比，优化成本结构，帮助用户数据驱动决策。

核心价值

  • 量化价值：帮助用户了解 GEO 投入产出比，清楚看到投入产出
  • 优化成本：识别哪些关键词/平台 ROI 最高，优化预算分配
  • 数据驱动：基于数据分析提供成本优化建议
  • 预算管理：成本预警和未来成本预测

🎯 功能位置

Tab6（AI 数据报表）- ROI 分析与成本优化模块

在 Tab6 中，ROI 分析与成本优化模块位于话题集群分析之后、关键词效果排名之前。

🔄 工作流程

1. 自动成本记录

系统会自动记录所有 API 调用成本：

  1. 内容生成：生成关键词、内容时自动记录成本
  2. 内容验证：验证品牌提及率时自动记录成本
  3. 内容优化：优化文章时自动记录成本
  4. 其他操作：语义扩展、话题聚类等操作也会记录成本

2. 查看成本分析

  1. 成本概览：查看总成本、总 Token 数、API 调用次数
  2. 成本趋势：查看每日成本趋势图
  3. 成本分布：按提供商、操作类型、关键词、平台统计成本
  4. ROI 分析：查看 ROI 比率、估算价值、关键词 ROI 排名

3. 获取优化建议

系统会根据成本数据自动生成优化建议：

  • 高成本提供商替代建议
  • 负 ROI 关键词识别
  • 操作类型成本优化建议

4. 未来成本预测

基于历史数据预测未来成本：

  • 预计日均成本
  • 预计 30 天总成本
  • 预测置信度

📊 功能模块

成本概览

显示关键成本指标：

  • 总成本(CNY)：人民币总成本
  • 总成本(USD)：美元总成本
  • 总Token数：累计使用的 Token 数量
  • API调用次数：累计 API 调用次数

成本趋势图

可视化展示每日成本趋势：

  • 折线图显示每日成本变化
  • 帮助识别成本波动模式
  • 支持时间范围筛选

成本分布分析

按提供商统计

  • 饼图展示各提供商的成本占比
  • 识别高成本提供商
  • 提供替代建议

按操作类型统计

  • 柱状图展示各操作类型的成本分布
  • 识别高成本操作
  • 优化操作策略

按关键词统计

  • 统计每个关键词的成本
  • 识别高成本关键词
  • 优化关键词策略

按平台统计

  • 统计各内容平台的成本
  • 识别高成本平台
  • 优化平台选择

ROI 分析

ROI 指标

  • 总投入成本：累计投入的总成本
  • 总提及次数：品牌被提及的总次数
  • 估算价值：基于提及次数估算的价值
  • ROI 比率：投资回报率百分比
  • ROI 价值：净收益（价值 - 成本）

关键词 ROI 排名

  • 按 ROI 排序的关键词列表
  • 显示每个关键词的成本、提及次数、估算价值、ROI
  • 识别高 ROI 和负 ROI 关键词

成本优化建议

系统自动生成优化建议，包括：

  1. 提供商优化

    • 识别高成本提供商
    • 建议使用更经济的替代方案
    • 估算可节省成本

  2. 关键词优化

    • 识别负 ROI 关键词
    • 建议暂停或优化低 ROI 关键词
    • 列出具体关键词

  3. 操作类型优化

    • 识别高成本操作
    • 建议减少验证频率或使用更便宜的模型
    • 估算可节省成本

未来成本预测

基于历史数据预测未来成本：

  • 预计日均成本：基于历史数据计算的日均成本
  • 预计30天总成本：未来 30 天的总成本预测
  • 预测置信度：基于数据点数量的置信度评估

💰 成本计算

Token 估算

系统使用简化的方法估算 Token 数量：

  • 中文：约 1.5 字符 = 1 token
  • 英文：约 4 字符 = 1 token
  • 混合文本：按比例计算

定价配置

系统内置了各平台的 API 定价配置（每 1K tokens，USD）：

  • DeepSeek：$0.14/1M input, $0.28/1M output
  • OpenAI GPT-4：$30/1M input, $60/1M output
  • OpenAI GPT-4 Turbo：$10/1M input, $30/1M output
  • OpenAI GPT-3.5 Turbo：$0.5/1M input, $1.5/1M output
  • 通义千问：$2/1M input, $8/1M output (qwen-plus)
  • Groq：免费
  • Moonshot (Kimi)：$12/1M (moonshot-v1-8k)
  • 豆包：$0.8/1M input, $2/1M output (doubao-pro-4k)
  • 文心一言：$12/1M (ernie-4.0)

注意：这些是示例价格，实际价格可能不同。可以在 modules/roi_analyzer.py 中更新定价配置。

成本计算公式

成本(USD) = (输入Token数 / 1000) × 输入价格 + (输出Token数 / 1000) × 输出价格
成本(CNY) = 成本(USD) × 汇率（默认 7.2）

📈 ROI 计算

ROI 估算方法

系统使用简化的方法估算 ROI：

  1. 提及价值估算

    • 每次品牌提及的价值 = 固定值（默认 ¥10，可配置）
    • 总价值 = 提及次数 × 每次提及价值

  2. ROI 计算

    • ROI 比率 = (估算价值 - 总成本) / 总成本 × 100%
    • ROI 价值 = 估算价值 - 总成本

  3. 关键词 ROI

    • 每个关键词的成本和提及次数单独统计
    • 计算每个关键词的 ROI

注意：ROI 估算是简化的方法，实际价值可能因行业、品牌等因素而异。用户可以根据实际情况调整 mention_value_per_mention 参数。

💡 使用建议

1. 定期查看成本

  • 建议每周查看一次成本分析
  • 关注成本趋势变化
  • 及时发现异常成本

2. 优化高成本操作

  • 关注成本分布分析
  • 识别高成本提供商、操作类型
  • 根据优化建议调整策略

3. 关注 ROI 指标

  • 定期查看 ROI 分析
  • 识别高 ROI 和负 ROI 关键词
  • 优化低 ROI 关键词的策略

4. 使用成本预测

  • 基于历史数据预测未来成本
  • 合理规划预算
  • 注意预测置信度

5. 导出数据

  • 定期导出成本数据
  • 生成成本分析报告
  • 用于内部汇报和决策

⚠️ 注意事项

  1. Token 估算精度：系统使用简化的方法估算 Token 数量，可能与实际值有差异
  2. 定价配置：内置定价是示例价格，需要根据实际情况更新
  3. ROI 估算：ROI 估算是简化的方法，实际价值可能因行业而异
  4. 数据积累：需要积累一定数据后才能进行准确的分析和预测
  5. 汇率：默认使用 7.2 的汇率，可以在 ROIAnalyzer 初始化时调整

🔗 相关功能

  • 数据持久化：成本数据自动保存到数据库
  • AI 数据报表：在 Tab6 查看完整的成本分析
  • 历史记录：在 Tab5 查看历史数据

🎯 最佳实践

  1. 定期监控：每周查看一次成本分析，及时发现问题
  2. 优化策略：根据成本分布和 ROI 分析优化内容策略
  3. 预算规划：使用成本预测功能合理规划预算
  4. 数据导出：定期导出成本数据，用于内部汇报
  5. 调整配置：根据实际情况更新定价配置和 ROI 估算参数

📈 预期效果

短期效果

  • 成本透明：清楚了解每次操作的成本
  • 优化决策：基于数据优化内容策略
  • 预算控制：合理控制 API 调用成本

长期效果

  • 成本优化：持续优化成本结构，提升 ROI
  • 数据积累：积累历史数据，提升分析准确性
  • 策略优化：基于 ROI 数据优化整体内容策略

版本：v1.0
更新日期：2025-01-26

Reference in New Issue View Git Blame Copy Permalink