Profound

1. Profound 是什么，它在 GEO 中的位置

Profound 是一套围绕品牌如何出现在 AI 生成答案中构建的营销平台。它最早的切入口是答案引擎可见性：运行一组受控提示词，采集用户实际看到的答案，再度量品牌提及、声量份额、情绪、排序与引用。如今，Profound 官方产品资料把这层度量能力定位为 AI 时代营销操作系统的输入，而不再只是一个排名追踪器。

这个边界会直接影响产品比较。基础 GEO 监测工具回答「品牌出现在哪里」；Profound 还试图回答「用户在问什么」「哪些来源影响答案」「AI 爬虫能否访问站点」以及「团队下一步应执行什么工作」。厂商的产品方向说明记录了这条扩展路径。因此本导航把它归为平台，而非单点工具。

2. 核心产品模块

模块	作用	支持的决策
Answer Engine Insights	按选定引擎追踪提及、声量份额、情绪、排序、引用和竞品	品牌在哪些问题上可见或缺席？
Prompt Volumes	提供真实 AI 对话中的需求和意图信号	哪些问题值得持续监测和投入内容？
Agent Analytics	结合爬虫、服务器日志、引荐和转化数据	Bot 是否能到达网站，AI 发现是否带来业务流量？
Shopping	监测商品及其属性如何进入 AI 商务体验	哪些商品被推荐，信息是否准确？
Agents 与 Aim	用 Profound 数据安排并执行重复性营销工作	下一步做什么，哪些动作可以自动化？
Content Optimization	按 AI 搜索可见性模式检查线上 URL 或草稿	哪些页面级改动值得测试？

官方平台演示确认了基础监测闭环：提示监测、答案引擎可见性、引用追踪、竞品基准和建议；较新的产品方向说明则解释了它如何从分析延伸到 Agent 与执行。

3. 团队如何使用

典型实施从公司、竞品、市场和提示集合开始。Profound 在所选答案引擎上运行这些提示并保存回答。分析人员用可见性与引用视图找到缺口，再把问题关联到需求、爬虫访问、内容工作或 Agent 流程。这一顺序来自厂商的平台演示文档，应视为厂商公开描述的工作流。

这形成四个相互连接的层次：

1. 需求：确定值得测量的问题和意图。
2. 观察：采集答案引擎回答，并统一品牌与来源信号。
3. 诊断：区分品牌提及、引用、可抓取性和内容问题。
4. 行动：安排优化优先级，或通过 Agent 执行重复工作。

Profound 表示，其数据来自面向消费者的产品界面，而不是把模型 API 当作完全等价的替代。这一点有实际意义：API、消费端产品、地域、个性化和时间都会造成差异。但它并不会自动消除抽样误差，团队仍需固定提示、重复运行并明确对比窗口。

4. 引擎覆盖与定价

厂商的产品资料列出 ChatGPT、Perplexity、Google AI Overviews 与 AI Mode、Gemini、Microsoft Copilot、Grok、DeepSeek 和 Claude。这里的关键词是随套餐变化，并不意味着每位客户都默认获得所有引擎。

截至 2026 年 8 月 13 日，官方定价页列出：

套餐	公开价格	厂商明确的监测边界
Starter	年付折算 $99/月	ChatGPT、50 个提示、每月 100 Agent credits
Growth	年付折算 $399/月	3 个答案引擎、100 个提示、每月 400 Agent credits
Enterprise	定制	最多 9 个引擎、定制提示、API 与企业控制

定价、额度和引擎范围都是高波动事实。采购时应把这张表当作带日期的快照，并重新核验官网。

5. 适用场景与采购注意事项

采购问题	公开资料能够支持什么	仍需确认什么
试用与上手	定价页提供自助入门套餐，并为企业客户提供 Demo 路径	试用期限、历史数据范围、实施支持和最低合同要求
集成与数据访问	集成目录列出 CDN、托管、分析、CMS 与工作流连接；REST API仍标注为 beta，并需要向支持团队申请	套餐权限、速率限制、导出完整度，以及连接器是原生集成还是 Agent 流程
地域与语言	公开定价显示地域、语言、提示和引擎额度随套餐变化	每个目标国家、语言和消费端界面是否真实覆盖
安全与管理	企业页声明已通过 SOC 2 Type II，并支持 SAML 或 OIDC SSO、基于角色的权限和自动备份	报告覆盖范围、数据处理条款、保留期限、子处理者和删除流程
证据质量	本档案依据公开文档、定价、公司报道和官网首屏截图	在目标市场用一小组提示人工复现，再依赖仪表盘指标

评估 Profound 时，更适合把它看作一套宽平台，而不只比较支持了多少个引擎。采购方需要比较原始证据能否检查、接入爬虫或转化数据需要多少工程工作，以及执行层进入 Agent 后还能否被分析人员解释。

6. 公司、创始人与日期

Profound 的法律主体名称是 Cooper Square Technologies, Inc.。公司的官方资料把 James Cadwallader 列为联合创始人兼 CEO，把 Dylan Babbs 列为联合创始人兼 CTO，将总部列为纽约市，并明确表示公司成立于 2024 年 8 月。

当前域名 tryprofound.com 的 Verisign RDAP 注册事件日期为 2024 年 5 月 30 日。它早于公司自述的成立日期，但不能证明产品在 5 月就已经发布。域名注册、公司成立和产品公开发布是三件不同的事，因此本页有意不填写未经确认的精确发布日期。

7. 编辑评估

Profound 更适合需要多于单一可见性分数的企业或多品牌团队：它把跨引擎证据、来源分析、基础设施遥测、购物可见性和从诊断到执行的流程放在一起。广度也提高了评估难度。采购方需要测试测量界面是否覆盖自己的市场、提示采样能否复现，以及在引入 Agent 后建议是否仍可解释。

对于市场领先地位、客户数量或测量优越性的描述，不应只依据厂商自己的表述。更有用的采购问题是：团队能否手工复现一个样本，能否从仪表盘数字追溯到原始答案，以及建议动作能否连接到可度量结果。