mcpField
A
aeo-audit

aeo-audit

github.com/indranilbanerjee营销与增长913134 次安装今天更新
代码仓库

关于 aeo-audit

aeo-audit 是用于评估品牌在 AI 答案和搜索体验中呈现情况的营销技能。它检查可见度、引用准确性、竞争对手及内容缺口，并生成优化报告。

主要功能

  1. 01AI 平台可见度评分卡
  2. 02按查询检查品牌呈现
  3. 03引用准确性评估
  4. 04竞争对手可见度对比
  5. 05来源权威性与内容缺口分析
  6. 06优化建议

适用场景

  1. 01审计品牌在 AI 答案引擎中的提及
  2. 02查找 AI 对品牌描述中的错误
  3. 03比较品牌与竞争对手的 AI 可见度
  4. 04发现需要补充内容的查询主题

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/indranilbanerjee/digital-marketing-pro --skill aeo-audit

安装后在 Claude Code 中输入/aeo-audit确认已加载。

详细介绍

/digital-marketing-pro:aeo-audit

目的

评估品牌在 AI 答案引擎中的可见度和准确性。分析 ChatGPT、Perplexity、Google AI Mode（对话式搜索界面，于 I/O 2026 成为 Google 的默认搜索体验，截至 2026 年 5 月约有 10 亿月活跃用户）、Google AI Overviews、Gemini 和 Microsoft Copilot 如何引用、描述和推荐该品牌。提出优化建议，以提升 AI 可见度。

AI Mode 与 AI Overviews——为何两者都很重要： AI Overviews 是传统 Google SERP 顶部的摘要块，仅会针对部分查询触发。AI Mode 是一个对话式标签页（如今也已成为选择加入用户的默认搜索体验），由 Gemini 3.5 Flash 提供支持，具备更深入的推理能力、后续追问功能，且引用模式有所不同。针对同一查询，这两个界面在很多情况下会选取不同来源（内部观察，2026 年 5 月——“40–60%”只是粗略估算；请根据自己的探测查询集重新验证）。请同时审计两者。

与 GSC AI Performance Report 交叉参照（2026 年 6 月 3 日推出）： Google Search Console AI Performance Report（先在英国推出，之后将推广至全球）会为经过验证的资源提供 AI Overviews + AI Mode 中的实际展示次数。应将此技能的合成探测结果与 GSC 实际数据进行核对——工作流请参阅 /digital-marketing-pro:gsc-ai-performance。重要提示：GSC 报告有意排除点击数据；点击归因必须通过 GA4 获取（2026 年 5 月 13 日新增的 AI Assistant 渠道组会捕获来自 ChatGPT/Gemini/Claude 的 Medium=ai-assistant 引荐流量；请参阅 /digital-marketing-pro:analytics-insights）。

Google 关于 AI 优化的官方立场（Google AI Optimization Guide，2026 年 5 月 15 日更新）：不需要 llms.txt、AI 专用 schema 或单独的 AI 资格门槛。在传统搜索中有资格显示摘要的页面，也有资格出现在 AI 功能中。不要围绕虚构的排名因素制造工作——/digital-marketing-pro:aeo-geo 记录了真正有效的做法（实体一致性、值得引用的摘要、与知识图谱保持一致）。

信息 Agent（Google AI Pro / Ultra，2026 年夏季推出）： Google 在 I/O 2026 上宣布推出一类新的持久化 Agent，面向订阅用户持续监控网络、新闻和实时数据，并提供综合信息更新及可执行功能。上线后，它们将成为此技能的第 7 个探测目标（与 ChatGPT / Perplexity / AI Mode / AI Overviews / Gemini / Copilot 并列）。在此之前，请将 AI Mode 视为替代对象——这些 Agent 由相同的 Gemini 3.5 Flash 底层模型提供支持。来源：blog.google/search-io-2026。

所需输入

用户必须提供（或系统会提示用户提供）：

  • 品牌名称：要审计的品牌
  • 网站 URL：主域名
  • 关键查询：潜在客户可能会提出、且应能让品牌出现在结果中的 5–10 个查询
  • 竞争对手：用于比较的 2–3 个竞争对手
  • 产品/服务类别：品牌应以哪些方面为人所知

流程

  1. 加载品牌上下文：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前品牌标识，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌语气、目标市场的合规规则（skills/context-engine/compliance-rules.md）和行业背景。同时检查指南：查看 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json；如果存在，则加载限制要求和相关类别文件。检查 ~/.claude-marketing/brands/{slug}/templates/ 中的自定义模板。检查 ~/.claude-marketing/sops/ 中的代理机构 SOP。如果没有品牌，则询问：“先设置品牌（/digital-marketing-pro:brand-setup）？”——或使用默认设置继续。
  2. 定义一组测试查询：品牌查询、类别查询、对比查询、“最佳”查询、问题解决方案查询
  3. 分析品牌在每种查询类型的 AI 响应中的呈现方式
  4. 检查引用准确性：事实是否正确？URL 是否有效？描述是否为最新？
  5. 将品牌提及频率和情感倾向与竞争对手进行比较
  6. 评估来源权威性：AI 引擎从哪些来源获取品牌信息？
  7. 评估结构化数据和知识面板的呈现情况
  8. 找出品牌本应出现但却未出现的内容缺口
  9. 生成优化建议，以提升品牌在 AI 中的可见度

输出

结构化的 AEO 审计报告，包含：

  • 各平台的 AI 可见度评分卡（ChatGPT、Perplexity、Google AI Mode、Google AI Overviews、Gemini、Microsoft Copilot）
  • 逐条查询结果，展示品牌出现的位置、品牌描述方式和引用来源
  • AI 可见度竞争对比矩阵
  • 引用准确性评估及所需修正
  • 来源权威性分析——哪些页面/网站促成了 AI 提及
  • 内容缺口列表——品牌缺席但本应出现的查询
  • 优化行动方案：结构化数据、内容策略、权威性建设和实体优化

编号输出约定

所有 AEO 审计输出均写入 ${CLAUDE_PLUGIN_DATA}/{brand}/seo/aeo-audit/{YYYY-MM-DD}/：

00-input.md                 brand identity, target query set, competitor list, AI platforms probed
01-query-set.md             the 10-25 queries probed, with intent classification
02-probe-results.json       raw probe responses per platform per query (the data layer)
03-platform-scorecard.md    visibility scorecard per AI platform (1-10) with diff vs prior run
04-citation-accuracy.md     fact-by-fact accuracy check of AI descriptions; what to correct
05-source-authority.md      which pages/sites are driving AI mentions; topical entity map
06-content-gaps.md          queries where brand is absent but should appear
07-competitor-matrix.md     side-by-side AI presence vs competitors
08-quality-scorecard.md     the gates below
09-optimization-playbook.md  structured data, content, authority, entity work — sequenced
PLAN.md                     single-page deliverable

根据 /digital-marketing-pro:gsc-ai-performance 的实际数据核对 03-platform-scorecard.md——探测结果显示 AI 可能呈现什么，GSC 则显示实际呈现了什么。

质量评分卡

门槛检查内容
query_set_size探测的查询数 ≥ 10（低于此数量，结果仅为个案观察）
platform_coverage探测了 6 个受支持平台中的至少 4 个（ChatGPT、Perplexity、AI Mode、AI Overviews、Gemini、Copilot）
competitor_coverage在同一组查询中，除品牌外还探测了至少 2 个竞争对手
citation_accuracy_done每条“品牌出现”的结果都已核实事实（不得直接发布“AI 说 X——听起来没错”这类未经核实的内容）

status: ready 要求全部四项门槛均通过。

AI 可见度评分标准（规范 — 在整个插件中复用）

此技能定义了插件唯一的 AI 可见度评分标准。所有 AI 可见度场景都复用此标准 — 不要另行设计并行模型。

  • 规范场景（6 个）： Google AI Mode、Google AI Overviews、ChatGPT、Perplexity、Gemini、Microsoft Copilot。此确切集合是 scripts/geo-tracker.py 中的 PLATFORMS 常量 — 请引用该常量，不要另行列出其他集合。
  • 规范评分规则： 每个平台单独评定 1-10 分的可见度分数，并采用上述四项门槛。分别为每个平台评分；绝不要跨平台取平均值（一个品牌在 Perplexity 上可能是 9/10，在 ChatGPT 上却只有 2/10 — 平均值会产生误导）。
  • 定期模式： /digital-marketing-pro:geo-monitor 按计划（每周 / 每月）应用同一评分规则并持续跟踪。geo-tracker.py 输出的 0-100 GEO 健康分数 + A-F 字母等级，是同一底层数据的趋势视图 — 是纵向汇总，而非第二种评分模型。
  • 使用方： geo-monitor（定期监测）、share-of-voice（其 AI 维度）、rank-monitor（--features 模式下的 AI Overview 引用情况）。所有使用方都会通过 /digital-marketing-pro:gsc-ai-performance 将合成探测分数与 GSC 实际数据核对。

链路交接

  • 上游： /digital-marketing-pro:aeo-geo，提供本次审计所依据的策略框架
  • 下游：
    • /digital-marketing-pro:gsc-ai-performance — 将合成探测结果与 GSC 实际数据核对
    • /digital-marketing-pro:keyword-cluster — 06-content-gaps.md 将作为聚类的种子输入
    • /digital-marketing-pro:entity-audit — 推动知识图谱中的 05-source-authority.md 修正
    • /digital-marketing-pro:seo-drift — 下季度比较两份 AEO 快照

提示与注意事项

  • AI Mode 和 AI Overviews 对相同查询的回答经常不一致（内部观察，05/2026 — “40-60%”是粗略估计，请根据自己的探测集重新验证）— 始终分别探测两者，绝不要将它们合并为“Google AI”。
  • 每次会话探测的查询不要超过 25 个。 超出后，模型速率限制 + Token 成本会成为主要因素。请挑选价值最高的 10-25 个查询。
  • 引用准确性是审计中最常被跳过的步骤。 AI 引擎会自信地臆造品牌事实；如果不进行事实核查，就等于确认错误信息。务必至少检查每个平台中引用次数最多的事实。
  • 合成探测会高估实际出现率。 真实用户的查询措辞与测试集不同。通过 GSC AI Performance Report（2026 年 6 月 3 日，先从英国开始）进行交叉核对，才能了解实际展示次数。
  • 对探测结果评分，不要对各平台取平均值。 一个品牌在 Perplexity 上可能是 9/10（引用所有来源），在 ChatGPT 上却只有 2/10（选择性引用）— 平均值会产生误导。请并列报告各平台的分数。

使用的 Agent

  • seo-specialist — AI 搜索分析、实体优化、结构化数据、引用策略

评论

支持 Markdown