竞对分析

BioFord 竞对 Similarweb 流量与投放策略记录

更新时间：2026-05-11 数据来源：Similarweb PRO 统计范围：Worldwide，Feb 2026 - Apr 2026，All traffic，Include Subdomains

1. 总体判断

三个竞对的获客方式并不一样：

BioFord 当前在 Similarweb 中没有可见流量数据，说明现阶段最重要的不是直接追求大规模投放，而是先建立可被搜索和传播承接的页面资产。

2. 流量规模对比

3. 流量渠道对比

4. 付费搜索关键词

Bohrium

Paid Search 占总流量 17.58%，投放明显。

判断：

• Bohrium 的 SEM 核心不是直接投 “AI for Science”，而是抢科研人员高频入口词。
• google scholar 占比极高，说明它在用“文献搜索/学术搜索入口”心智获客。
• consensus、elicit、arxiv 说明它也在拦截 AI 文献工具和论文平台相关需求。

Edison Scientific

Paid Search 占总流量 3.26%，投放规模较小，更像品牌和产品词防守。

判断：

• Edison 没有明显大规模泛词投放。
• 付费词主要围绕 Edison、Kosmos、AI scientist 等品牌或产品概念。
• 它的流量主要不是买来的，而是品牌传播和直接访问带来的。

Biomni

Paid Search 占总流量 0.43%，Similarweb 没有展示有效付费关键词。

判断：

• Biomni 基本不依赖付费搜索。
• 流量主要来自 Organic Search、Direct 和 Referrals。
• 更像学术项目自然传播，而不是商业增长投放。

5. Organic Search 判断

Bohrium Top Organic Non-Branded：

• 波尔学术
• 波尔
• 玻尔学术
• 百度学术
• 镜像网站

Edison Top Organic Non-Branded：

• edison kosmos
• edison ai scientist
• kosmos ai
• kosmos
• futurehouse platform

Biomni：

• Similarweb 未展示具体 Organic 关键词。

6. Referral 与 Social 判断

Bohrium

Top Referrals：

• yanweb.top：21.57%
• lib.fjjxu.edu.cn：6.59%
• portal.pku.edu.cn：6.23%
• app.raindrop.io：4.80%
• lib.szu.edu.cn：4.78%

Social 来源：

• YouTube：86.79%
• WhatsApp Webapp：3.96%
• Facebook：3.52%
• LinkedIn：1.15%
• X：1.10%

判断：

• Bohrium 有明显高校、图书馆、学术入口来源。
• Social 高度集中在 YouTube，结合 Paid Social 11.45%，说明视频和社交流量是它的重要增长渠道。

Edison Scientific

Top Referrals：

• app.raindrop.io：63.04%
• futurehouse.org：29.15%
• builtinsf.com：2.19%
• ntp.msn.com：1.97%
• sparkcapital.com：1.00%

Social 来源：

• LinkedIn：54.23%
• X：29.39%
• YouTube：9.75%
• Instagram：3.87%
• Facebook：1.48%

判断：

• Edison 的传播更偏 B2B、VC、招聘、科技圈和科研 AI 圈。
• LinkedIn 和 X 是核心社媒阵地。

Biomni

Top Referrals：

• github.com：62.44%
• phylo.bio：34.91%
• biorxiv.org：2.65%

Social 来源：

• X：100%

判断：

• Biomni 的主要信任来源是 GitHub、论文和学术社区。
• 它靠学术权威和开源可见度获取流量。

7. 三个竞对的实际策略

Bohrium：商业化增长型

核心特征：

• 流量规模最大。
• Paid Search、Paid Social、Display 都有明显占比。
• 投放关键词围绕 google scholar、谷歌学术、consensus、elicit、arxiv。
• 目标不是只抢 “AI for Science”，而是抢科研人员每天会用的学术检索入口。

BioFord 可参考：

• 用 Search Ads 测试文献检索和学术搜索相关词。
• 用 YouTube 或 LinkedIn 做科研场景演示内容。
• 但不建议一开始复制大规模 paid social/display，因为 BioFord 当前页面资产和品牌承接还仍可补足。

Edison Scientific：品牌传播型

核心特征：

• Direct 占比 55.69%，说明用户主动访问强。
• Paid Search 只有 3.26%，主要围绕品牌和产品词。
• Social 以 LinkedIn 和 X 为主。
• Referral 与 FutureHouse、媒体、VC、招聘渠道有关。

BioFord 可参考：

• 用产品发布文章抢 AI scientist、AI for Science、scientific discovery 等概念词。
• 用 LinkedIn 和 X 建立创始人、产品、科研场景传播。
• 付费搜索先做品牌词、竞品词和高意图品类词，不需要一开始大预算铺开。

Biomni：学术权威型

核心特征：

• Organic Search 占比 48.14%，三者最高。
• Paid Search 几乎没有。
• Referral 主要来自 GitHub 和学术网站。
• 流量规模不大，但精准度和信任感强。

BioFord 可参考：

• 做公开的 Model Library、Benchmark、Demo、Example Workflow。
• 在 GitHub、bioRxiv、论文、技术博客、学术社区中建立可引用资产。
• 把“模型能力”和“科研任务”写成搜索引擎可理解的页面。

8. BioFord 策略建议

第一阶段：补可见度

目标：让 BioFord 从 Similarweb 和搜索工具里“有数据可见”。

要做：

• 建立首页 SEO 基础。
• 建立四大智能体独立页面。
• 建立 Model Library 公开页。
• 配好 GA4、Google Search Console、Google Ads conversion、LinkedIn Insight Tag。

第二阶段：用小预算 SEM 验证需求

优先投放：

不建议一开始大规模投：

• Display
• Paid Social 大预算
• 泛科学百科词
• 过宽的 AI、biology、science 类大词

第三阶段：建立长期自然流量

SEO 重点：

• Edison 式品类页：AI for Science、AI scientist、scientific discovery。
• Biomni 式任务页：bioinformatics AI、single-cell analysis、molecular modeling、CRISPR guide design。
• Bohrium 式内容库放到后期做，先不要作为第一优先级。

GEO 重点：

• 每个页面回答清楚：BioFord 是什么、适合谁、能完成什么任务、和传统工具有什么不同。
• 增加结构化 FAQ、对比页、案例页、术语解释页。
• 让 ChatGPT、Perplexity、Google AI Overviews 更容易引用 BioFord。

SEM 重点：

• Google Search 先行，LinkedIn 做再营销和科研人群触达。
• 每组广告只对应一个明确页面，不把所有流量都导向首页。
• 先看转化质量，再扩大预算。

9. 总结

BioFord 不应该只把 SEM 当成买流量，而应该用 SEM 验证关键词需求，用 SEO 承接长期搜索流量，用 GEO 建立 AI 搜索可见度；竞对里 Bohrium 代表商业投放，Edison 代表品牌传播，Biomni 代表学术权威，BioFord 最适合先组合 Edison 和 Biomni 的打法，再小规模测试 Bohrium 式投放。

11. 页面级 Top Pages 判断

虽然 Semrush Top Pages 这份分析无法直接返回，但页面级搜索数据已经能看出竞对主要靠哪些页面获得自然搜索流量。

Bohrium

Bohrium 的 Top Pages 不是单纯产品页，而是“首页 + 工具页 + SciencePedia + 论文详情页”。它靠大量可索引内容页吃长尾流量，再用投放放大学术搜索入口词。

BioFord 可参考：

• 不要一开始复制完整 SciencePedia。
• 可以先做小型内容库：文献解读页、模型能力页、实验方案模板页、数据分析教程页。
• 每个内容页都要能导向 BioScholar、BioModeler、BioDesigner、BioAnalyst。

Edison Scientific

Edison 的 Top Pages 更像“品牌发布 + 产品叙事”。真正拿流量的是平台入口、Kosmos 发布文章、首页。

BioFord 可参考：

• 首页要明确抢 AI for Science、scientific AI、AI co-scientist。
• 每个核心能力都要有发布文章，比如 Introducing BioScholar、Introducing BioModeler。
• 文章不只是新闻，要承接搜索词：literature synthesis、molecular docking AI、protocol generator、bioinformatics AI。

Biomni

Biomni 的页面级 Top Pages 列表没有返回完整页面明细，但首页关键词数据很集中，说明主要自然搜索流量集中在首页/项目页。

Biomni 的策略不是大量内容页，而是依靠 Stanford 背书、论文、GitHub、数据库和工具清单，把权威信息集中在首页。

BioFord 可参考：

• 首页和 Model Library 页面要公开列出模型、工具、数据库、支持任务。
• 建议增加 Benchmark、Demo、Example Workflow、GitHub 或技术文档入口。
• 对 BioFord 来说，公开可信资产比单纯营销文案更重要。

12. Similarweb 渠道占比细分

以下为 2026 年 2 月 - 4 月三个月总访问量估算。

按单一渠道拆分

按获客类型合并

13. 对 BioFord 的页面策略建议

14. 补充判断

竞对不是同一种增长模型。Bohrium 的核心是“内容库 + 投放”，Edison 的核心是“品牌叙事 + 产品发布”，Biomni 的核心是“学术权威 + 首页集中承接”。BioFord 当前应该先补齐 Edison 和 Biomni 这两类资产：品类页、智能体页面、模型库、Demo、Benchmark，再用小预算 SEM 去测试 Bohrium 已验证过的学术搜索入口词。

15. Semrush 外链概览

数据来源：Semrush 网页端 Backlink Analytics。

判断：

• Bohrium 外链规模最大，但低权重域名占比高，0-10 Authority Score 引荐域名占 78%。
• Edison 外链规模小于 Bohrium，但质量更均衡，Anchor 中明显出现 kosmos、edison scientific、source、platform.futurehouse.org。
• Biomni 外链数量不大，但 Stanford 域名本身给了极强信任背书，外链质量靠机构权威和学术资产，而不是数量。

16. 外链主要页面

Bohrium

Bohrium 的外链不只集中在首页，论文详情页也能获得大量链接。这说明它的论文库/内容库不仅带来自然搜索，也在吸收外链。

Edison Scientific

Edison 的外链高度集中在首页和产品发布文章。它不是靠大量内容页，而是靠少数高价值叙事页面获得外链。

Biomni

Biomni 的外链集中在首页、技术报告、About、合作文章。最有价值的是“技术报告 + Stanford 域名 + GitHub/论文/数据集”的组合。

17. PR、公关稿与权威背书

Bohrium

Bohrium 的背书链条是：媒体报道 + 高校图书馆 + 开源仓库 + 技术论文 + SDK + 课程/竞赛。

Edison Scientific

Edison 的背书链条是：融资 PR + 投资机构官网 + NVIDIA case study + benchmark + GitHub/Hugging Face + LinkedIn/X 二次传播。

Biomni

Biomni 的背书链条是：Stanford 域名 + bioRxiv DOI + GitHub + PyPI + Hugging Face + Dataverse + 学术引用 + 奖项/产品化 PR。

18. BioFord 可复制的外链与背书策略

19. 推荐的 PR 与 GEO 节奏

20. 外链结论

竞对的权威性不是靠“多发文章”获得的，而是靠可验证资产叠加出来的。Bohrium 靠高校图书馆、论文库、开源 SDK 和国家级媒体；Edison 靠融资 PR、NVIDIA case study、投资机构页面和 benchmark；Biomni 靠 Stanford、bioRxiv、GitHub、PyPI、Hugging Face 和数据集。BioFord 应该优先做 Evidence Hub、Model Library、GitHub/SDK、benchmark 和合作机构页面，让 SEO、GEO 和 PR 都围绕同一套可信证据展开。