seo-sxo

搜索体验优化（SXO）

共享数据缓存

步骤 0 —— 检查共享数据缓存：

开始收集信息前，检查 .seo-cache/，查看相关 SEO 技能是否有可复用的上下文。 参考 ../seo/references/shared-data-cache.md，了解数据结构和依赖关系图。

如有以下缓存文件，请检查：

• .seo-cache/site-meta.json：查看域名、业务类型、行业和抓取上下文

• .seo-cache/audit-scores.json：查看之前完整审计的优先事项

• .seo-cache/pages/{url-slug}/page-analysis.json：提供 URL 时，查看页面级上下文

• 如果找到：解析并使用明确有效的字段（注明“正在使用 [date] 的缓存 [X]”）

• 如果缺失、损坏或不相关：继续收集新证据

• 如果用户说“refresh”或“re-run”：跳过缓存读取，并在写入时覆盖

SXO 弥合 SEO（Google 会奖励什么）与 UX（用户需要什么）之间的差距。 传统 SEO 审计会检查技术健康状况。SXO 则会问：“根据 Google 在 SERP 中实际奖励的内容，这个页面是否值得凭此关键词获得排名？”

核心洞察

一个页面的技术 SEO 得分可能高达 95/100，却仍无法获得排名，因为它的页面类型不适合该关键词。如果 Google 针对你的关键词展示了 8 个产品页和 2 个对比页，那么无论你的博客文章优化得多好，都无法脱颖而出。

命令

命令	用途
/seo sxo <url>	完整的 SXO 分析（自动从页面检测关键词）
/seo sxo <url> <keyword>	针对特定关键词进行完整的 SXO 分析
/seo sxo wireframe <url>	生成包含具体占位内容的 IST/SOLL 线框图
/seo sxo personas <url>	仅进行用户角色评分（跳过 SERP 分析）

执行流程

步骤 1：目标获取

1. 通过 scripts/fetch_page.py 获取目标 URL（防 SSRF）
2. 使用 scripts/parse_html.py 解析并提取：标题、H1、元描述、 标题层级、字数、结构化数据标记、CTA、媒体元素
3. 如果未提供关键词，则从 title 标签和 H1 的交集中提取主要关键词
4. 继续前验证关键词非空

步骤 2：SERP 反向分析

阅读 references/page-type-taxonomy.md，了解分类规则。

1. 在 Google 中搜索目标关键词（WebSearch）
2. 记录前 10 个自然搜索结果中的每一项：
   • URL 和域名权威性级别（品牌／细分领域权威／未知）
   • 页面类型（使用分类体系进行分类）
   • 内容格式（长篇内容、清单文章、操作指南、对比、工具、视频）
   • 字数估算（根据摘要长度和页面结构）
   • 存在的结构化数据类型（根据 SERP 特征：评分、FAQ、HowTo）
   • 媒体信号（视频轮播、图片组、是否有缩略图）
3. 记录存在的 SERP 特征：
   • 精选摘要（段落／列表／表格／视频）
   • 用户还会问（提取所有可见问题）
   • 广告（顶部和底部——统计数量并分析广告文案主题）
   • 相关搜索（提取所有内容）
   • 知识面板／本地商家信息包／购物结果
   • AI Overview 是否出现以及来源类型
4. 计算 SERP 共识：
   • 主导页面类型（>60% = 强共识，40–60% = 混合，<40% = 分散）
   • 内容深度预期（平均字数级别）
   • 结构化数据预期（最常见的结构化数据类型）
   • 媒体预期（是否必须有视频？图片是否关键？）

第 3 步：页面类型不匹配检测

这是 SXO 的核心洞见。将目标页面类型与 SERP 共识进行比较。

不匹配严重程度：

目标类型	SERP 预期	严重程度	建议
博客文章	产品页面	CRITICAL	创建专门的产品页面
博客文章	对比内容	HIGH	重构为带矩阵的对比内容
产品	信息型内容	HIGH	添加教育内容层
落地页	工具/计算器	HIGH	构建交互式工具组件
服务页面	本地结果	MEDIUM	添加位置标记 + 本地 Schema
类型匹配	-	ALIGNED	专注于内容深度和用户体验

分类规则：

• 使用 references/page-type-taxonomy.md 对目标页面进行分类
• 使用相同的分类法对每个 SERP 结果进行分类
• 如果目标类型与 SERP 主导类型不同，则标记为不匹配
• 如果 SERP 内容分散（没有主导类型），则指出差异化机会

第 4 步：推导用户故事

阅读 references/user-story-framework.md，了解完整框架。

根据 SERP 信号推导用户故事：

1. PAA 问题揭示知识缺口和顾虑
2. 广告文案主题揭示商业触发因素和价值主张
3. 相关搜索揭示搜索旅程（前后搜索了什么）
4. 精选摘要格式揭示预期的答案结构
5. AI Overview揭示 Google 认定的权威答案

针对每组信号，生成一个用户故事：

As a [persona derived from signal],
I want to [goal derived from query intent],
because [emotional driver from ad copy / PAA tone],
but I'm blocked by [barrier derived from PAA questions / related searches].

生成 3-5 个用户故事，覆盖主要意图角度。

第 5 步：差距分析

从 7 个维度将目标页面与 SERP 预期进行比较：

维度	比较内容	分数
页面类型	目标类型与 SERP 主导类型	0-15
内容深度	字数、标题层级、主题覆盖范围	0-15
用户体验信号	CTA 清晰度、首屏内容、移动端布局	0-15
Schema 标记	已有与预期的结构化数据类型	0-15
媒体丰富度	图片、视频、交互元素与 SERP 常见情况	0-15
权威性信号	E-E-A-T 标记、社会认同、资质	0-15
内容新鲜度	最近更新、日期信号、内容时效性	0-10

总分：0-100 SXO 差距分数（分数越低 = 差距越大；分数越高 = 匹配度越好）

第 6 步：基于用户画像评分

阅读 references/persona-scoring.md，了解评分方法。

1. 根据 SERP 意图信号推导 4-7 个用户画像：
   • 按主题对 PAA 问题进行聚类
   • 根据目标受众划分广告文案
   • 将相关搜索映射到旅程阶段
2. 针对每个用户画像，从 4 个维度为目标页面评分（每项 25 分）：
   • 相关性：页面是否满足该用户画像的需求？
   • 清晰度：该用户画像能否在 10 秒内找到答案？
   • 信任度：该用户画像是否能看到足够的信任信号？
   • 行动：该用户画像是否有明确的下一步？
3. 输出包含分数和具体改进建议的用户画像卡片
4. 按最弱的用户画像优先排序建议（机会最大）

第 7 步：线框生成（可选）

仅在调用 /seo sxo wireframe 时执行。

阅读 references/wireframe-templates.md，了解模板。

1. 根据解析后的页面结构生成 IST（当前状态）线框
2. 根据以下内容生成 SOLL（目标状态）线框：
   • SERP 共识页面类型
   • 差距分析结果
   • 用户画像评分中的薄弱项
3. 使用极其具体的占位说明：
   • 不要写：“在此处添加 CTA”
   • 应写：“在主视觉下方添加带年度节省徽章的定价 CTA，链接至 /pricing#enterprise”
4. 以带注释的语义化 HTML 章节大纲形式输出

DataForSEO 集成

如果 DataForSEO MCP 工具可用：

1. 进行任何 API 调用前，先运行费用估算并征得用户确认
2. 使用 google_organic_serp 获取精确的 SERP 数据（排名、特征、摘要）
3. 使用 keyword_data 获取搜索量和竞争指标
4. 如果 DataForSEO 不可用，则改用 WebSearch——并在输出中注明精度有所降低

SXO 分数与 SEO 健康度分数

SXO 分数与主要的 SEO 健康度分数相互独立。

• SEO 健康度分数 = 技术合规性（可抓取性、速度、结构化数据等）
• SXO 差距分数 = 页面与 SERP 预期之间的一致程度
• 某个页面的 SEO 分数可以是 95，SXO 分数可以是 30 = 技术上完美，但策略上不匹配
• 两项分数都有时，应同时报告

跨技能参考

发现	移交给
Persona 评分中存在 E-E-A-T 差距	移交给 /seo content 进行深入的 E-E-A-T 审核
缺少结构化数据类型	移交给 /seo schema 生成
SERP 中检测到本地意图	移交给 /seo local 分析 GBP
内容深度存在差距	移交给 /seo page 进行深入的页面分析
抓取期间发现技术问题	移交给 /seo technical 进行全面审核
图片/媒体存在差距	移交给 /seo images 进行优化

输出格式

完整的 SXO 分析

## SXO Analysis: [URL]
### Target Keyword: [keyword]

### 1. SERP Landscape
- Dominant page type: [type] ([confidence]% consensus)
- SERP features: [list]
- Content depth norm: [word count range]
- Schema expectation: [types]

### 2. Page-Type Alignment
- Your page type: [type]
- SERP expects: [type]
- Verdict: [ALIGNED | MISMATCH (severity)]
- Impact: [explanation]

### 3. User Stories (derived from SERP signals)
[3-5 user stories with source signals]

### 4. Gap Analysis (SXO Score: XX/100)
[7-dimension breakdown table]

### 5. Persona Scores
[4-7 persona cards with 4-dimension scores]

### 6. Priority Actions
[Ranked list: fix mismatch first, then weakest persona gaps]

### 7. Limitations
[What could not be assessed, data source notes]

错误处理

错误	操作
URL 抓取失败	报告错误，建议检查 URL 是否可访问
未提供或未检测到关键词	请用户提供目标关键词
WebSearch 返回的结果少于 5 条	使用现有数据继续分析，并注明样本数量有限
SERP 没有自然搜索结果（全是广告）	注明这是高度商业化的 SERP，仅分析广告文案
目标页面由 JavaScript 渲染	注明此限制，并使用可用的 HTML 内容
DataForSEO 费用超过阈值	改用 WebSearch，并通知用户

质量检查清单

交付结果前，请确认：

• 目标 URL 已通过 scripts/fetch_page.py 获取（未使用原始 curl/fetch）
• 页面类型分类使用了参考文档中的分类体系
• 至少分析了 5 条 SERP 结果
• 用户故事引用了具体的 SERP 信号作为依据
• Persona 评分包含具体的改进建议
• SXO 分数明确标注为与 SEO 健康度分数相互独立
• 包含限制说明部分，且内容如实
• 在适用情况下，包含跨技能建议

写入共享数据缓存

完成所有工作后，如果工作流产生了可长期保留的发现，请将简洁的 JSON 摘要写入 .seo-cache/。 遵循 ../seo/references/shared-data-cache.md 中的架构和命名规则；至少包含 cache_type、analyzed_at、来源 URL/域名、关键发现、问题、建议和工具限制。如果 .gitignore 中尚未包含 .seo-cache/，请将其添加进去。