mcpField
A
aeo-geo-optimizer

aeo-geo-optimizer

github.com/thatrebeccarae营销与增长187111 次安装24 周前更新
代码仓库

关于 aeo-geo-optimizer

面向内容与网站团队的 AEO/GEO 优化技能,帮助针对 AI 搜索答案和引用调整内容结构与技术设置。涵盖可见度审查、内容评分、爬虫监测和效果衡量。

主要功能

  1. 01AI 搜索可见度审查
  2. 02内容结构评分卡
  3. 03面向引用的写作模式
  4. 04结构化数据与技术优化建议
  5. 05AI 爬虫与 robots.txt 指引
  6. 06可见度监测方法

适用场景

  1. 01审查网站内容是否便于 AI 提取
  2. 02优化文章以争取 AI 答案引用
  3. 03检查 AI 爬虫访问与结构化数据

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/thatrebeccarae/claude-marketing --skill aeo-geo-optimizer

安装后在 Claude Code 中输入/aeo-geo-optimizer确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

EXAMPLES.md
LICENSE
REFERENCE.md

详细介绍

AEO/GEO 优化器

针对 AI 驱动的搜索体验优化内容和网站,包括 ChatGPT、Perplexity、Claude、Google AI Overviews 和 Bing Copilot。

安装

git clone https://github.com/thatrebeccarae/claude-marketing.git && cp -r claude-marketing/skills/aeo-geo-optimizer ~/.claude/skills/

为什么这很重要

传统 SEO 针对 10 个蓝色链接进行优化。AEO/GEO 则针对 AI 生成的答案进行优化。当有人向 ChatGPT 或 Perplexity 提问时,答案会综合多个来源,而这些来源会被引用、链接并获得信任。如果你的内容没有按照 AI 易于理解的方式进行结构化,就会在增长最快的搜索渠道中隐形。

核心概念

AEO、GEO 与传统 SEO
维度传统 SEOAEO(答案引擎)GEO(生成式引擎)
目标Google/Bing 搜索结果页精选摘要、AI Overviews、语音助手ChatGPT、Perplexity、Claude 引用
目标在第 1 页获得排名成为答案在 AI 生成的回复中获得引用
内容格式长篇、富含关键词简洁、结构化的问答权威、便于引用、信息密集
信号反向链接、关键词、用户体验Schema 标记、直接回答、权威性E-E-A-T、数据密度、引用价值
衡量方式排名、流量答案框展示、语音搜索命中AI 引用追踪、AI 中的品牌提及
引用层级

AI 模型会根据以下因素确定来源优先级:

  1. 权威性信号——域名权威度、作者专业能力、机构背书
  2. 内容结构——清晰的标题、直接回答、结构化数据
  3. 时效性——近期发布日期、更新后的统计数据
  4. 具体性——准确数字、明确列出的来源、可验证的主张
  5. 独特性——原创研究、专有数据、新颖框架

AEO/GEO 审核工作流

第 1 步:评估当前 AI 可见度
  1. 测试 AI 引用情况:针对内容应回答的问题,向 ChatGPT、Perplexity 和 Google AI Overviews 提问。记录哪些查询引用了你的内容,哪些引用了竞争对手的内容。

  2. 检查结构化数据:使用 Google Rich Results Test 或 Schema.org 验证器,验证 Schema 标记的覆盖情况。

  3. 评估内容结构:使用下方的内容评分表,对每个页面的 AEO 就绪度进行评分。

第 2 步:内容评分表

从以下维度为每篇内容打分(1–5 分):

维度1 分(较差)5 分(优秀)
直接回答答案埋在段落中清晰的问答格式,首句即给出答案
数据密度只有观点,没有证据具体数字、百分比、日期
来源归属没有引用明确列出来源,并链接相关研究
结构大段文字H2/H3 层级、列表、表格
Schema 标记无Article、FAQ、HowTo 或相关类型
时效性信号没有日期发布日期、“更新”日期、近期数据
作者权威性没有署名明确列出作者,并注明专业资历
引用便利性迂回冗长的文字精炼、独立成句、便于 AI 提取的陈述

评分标准:32–40 分 = 已适配 AI。24–31 分 = 需要优化。低于 24 分 = 需要大幅返工。

第 3 步:针对 AI 引用进行优化
内容结构模式

直接回答模式:

## [Question as H2]

[One-sentence direct answer.] [Supporting context in 2-3 sentences.]

**Key details:**
- [Specific data point]
- [Specific data point]
- [Source attribution]

定义模式:

## What Is [Term]?

[Term] is [clear, concise definition in one sentence]. [Elaboration with context.] [How it differs from related concepts.]

比较模式:

## [X] vs [Y]: Key Differences

| Dimension | [X] | [Y] |
|-----------|-----|-----|
| [Aspect 1] | [Specific detail] | [Specific detail] |
| [Aspect 2] | [Specific detail] | [Specific detail] |

**Bottom line:** [One-sentence recommendation with reasoning.]

统计数据模式:

## [Topic] Statistics ([Year])

- **[Stat 1]**: [Number] ([Source, Year])
- **[Stat 2]**: [Number] ([Source, Year])
- **[Stat 3]**: [Number] ([Source, Year])

*Sources: [List with links]*
面向 AI 提取的写作
  1. 先给出答案。 AI 模型会提取标题后的第一句话,所以要让这句话发挥作用。
  2. 使用具体数字。 “收入同比增长 47%”胜过“收入大幅增长”。
  3. 注明来源。 “根据 McKinsey 2026 年的报告”可以作为引用;没有来源的说法则不行。
  4. 撰写自成一体的段落。 每个段落单独提取出来也应该能表达完整意思。
  5. 使用对比表格。 AI 模型偏好结构化对比,因为这类内容易于综合提炼。
  6. 使用“What is”和“How to”标题。 这些标题能直接匹配常见的 AI 查询。
  7. 添加时效性信号。 注明发布日期、最后更新日期,并为统计数据标注日期。
  8. 撰写适合引用的句子。 使用简洁、明确的陈述句,便于 AI 直接提取引用。
技术优化
  1. Schema 标记 — 请参阅 schema-markup-generator 技能了解实现方法
  2. 规范 URL — 确保 AI 模型找到权威版本
  3. XML 站点地图 — 保持内容最新,让 AI 爬虫发现新内容
  4. 页面速度 — AI 爬虫会遵循抓取预算;网站越快,抓取频率越高
  5. robots.txt — 确保未屏蔽 AI 爬虫(GPTBot、anthropic-ai、PerplexityBot)
第 4 步:监控 AI 可见度
AI 爬虫用户代理
爬虫用户代理用途
OpenAIGPTBotChatGPT 训练和浏览
Anthropicanthropic-ai、ClaudeBotClaude 训练和引用
PerplexityPerplexityBotPerplexity 搜索引用
GoogleGoogle-ExtendedGemini/AI Overview 训练
MicrosoftBingbot(+ AI 信号)Bing Copilot 引用
MetaMeta-ExternalAgentMeta AI 功能
AppleApplebot-ExtendedApple Intelligence
robots.txt 建议
# Allow AI crawlers for maximum AI search visibility
User-agent: GPTBot
Allow: /

User-agent: anthropic-ai
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

决策框架: 如果目标是提升 AI 可见度(AEO/GEO),请允许所有 AI 爬虫访问。如果担心训练数据的许可问题,可以有选择地屏蔽仅用于训练的爬虫,同时允许用于搜索和引用的爬虫。

衡量方法
方法跟踪内容工具
手动检查引用查询 AI 平台并记录引用ChatGPT、Perplexity、Google
服务器日志分析AI 爬虫的访问频率和抓取页面日志分析器、自定义脚本
品牌提及监控AI 答案中提及的品牌/内容手动检查、品牌监控工具
引荐流量来自 AI 平台的流量GA4(检查 chat.openai.com、perplexity.ai 的引荐来源)
Schema 验证结构化数据覆盖情况和错误Google Search Console、Rich Results Test

内容类型与 AI 优化

博客文章 / 文章
  • 为常见问题添加 FAQ Schema
  • 使用清晰的 H2 问题式标题组织内容
  • 添加“关键要点”或“TL;DR”部分
  • 为所有统计数据标注日期
产品 / 服务页面
  • 添加 Product 或 Service Schema
  • 添加与替代方案的对比表格
  • 在第一段回答“What is [product]?”
  • 列出具体功能及量化收益
文档 / 操作指南内容
  • 添加包含明确步骤的 HowTo Schema
  • 为每个步骤编号
  • 包含预计用时和难度级别
  • 添加“前提条件”和“常见错误”部分
研究 / 数据内容
  • 适用时添加 Dataset Schema
  • 在方法论之前先列出关键发现
  • 创建“关键统计数据”摘要部分
  • 注明样本量、日期范围和置信水平

反模式(切勿这样做)

  1. 如果目标是提升 AI 可见度,请勿屏蔽 AI 爬虫
  2. 不要写“点击此处”或“阅读下文了解更多”——AI 会在脱离上下文的情况下提取内容
  3. 不要把答案埋在冗长的引言中——开篇就给出答案
  4. 不要使用含糊的限定词——例如“许多”“显著”“一些”;请使用具体数字
  5. 不要忽视作者署名——E-E-A-T 信号对 AI 模型很重要
  6. 不要在多个页面重复相同内容——AI 模型会去重,并可能忽略这两个页面
  7. 不要过度针对某一个 AI 平台进行优化——应面向所有平台进行优化
  8. 不要忘记内部链接——AI 爬虫会通过链接构建主题权威性地图

与其他技能集成

  • technical-seo-audit — 先运行技术审计,再进行 AEO/GEO 优化
  • schema-markup-generator — 生成此技能推荐的结构化数据
  • seo-content-writer — 在创建内容时应用 AEO 写作模式
  • content-creator — 使用品牌声音分析,在优化 AI 内容的同时保持品牌声音

评论

支持 Markdown