技能介绍

要解决的问题

你的品牌在 ChatGPT、Perplexity、Google AI Mode、AI Overviews、Gemini 和 Microsoft Copilot 里是怎么被描述、被引用、被推荐的，往往不在你的掌控里。AI 引擎会自信地复述过时的产品信息、错误的 URL，甚至在你从未主动优化过的来源上把你的品牌「推荐」给提问者。更麻烦的是，同一次 Google 搜索中，AI Mode 和 AI Overviews 对同一个查询常常引用不同的来源（SKILL.md 内部观测给出的重叠率估计是 40–60%，但需要你自己用探测集重新验证）——把它们混称为「Google AI」会丢掉一半信号。

核心能力与工作方式

@user_fccf428b/aeo-audit 用一套结构化流程把这件事变成可重复的审计：

加载品牌上下文：读取 ~/.claude-marketing/brands/{slug}/profile.json，应用品牌 voice、目标市场合规规则和行业背景；存在 guidelines/_manifest.json 时同步加载限制条件。
构造测试查询集：覆盖品牌词、品类词、对比词、"best of" 词和问题-方案词五类。
逐平台探测并打分：对每个平台单独给出 1–10 的可见性分数。绝不跨平台取平均——Perplexity 给 9 分、ChatGPT 给 2 分的品牌，平均值会掩盖这种结构性差异。
引用准确性核查：逐条事实核对 AI 生成的品牌描述、URL 有效性和表述时效，并对每个平台至少验证其引用的头号事实。
竞品对照与信源分析：2–3 个竞品跑同一套查询，输出对比矩阵，并追踪 AI 引擎到底从哪些页面抽取品牌信息。
结构化数据与知识面板评估、内容缺口清单（品牌本应出现却缺席的查询），以及可落地的优化 playbook。

输出为按日期归档的 AEO 审计报告，落盘于 ${CLAUDE_PLUGIN_DATA}/{brand}/seo/aeo-audit/{YYYY-MM-DD}/。质量门禁要求：≥10 条查询、覆盖 ≥4/6 平台、≥2 个竞品、所有「品牌出现」的结果都完成事实核查——四项全过才算 ready。

适用边界与注意点

合成探测不等于真实流量。测试查询集的措辞与真实用户不同，探测结果只能说明 AI 可能浮现什么；真正的曝光数据要拿 Google Search Console 的 AI Performance Report（2026-06-03 起在英国先行灰度）对账。
GSC 报告刻意不含点击数据，点击归因必须走 GA4 新增的 ai-assistant 引荐渠道。
不要一次跑超过 25 条查询，超出后限流和 token 成本会压过收益。
遵守 Google 官方立场：没有 llms.txt、没有 AI 专用 schema、没有独立的 AI 准入门槛，不应围绕虚构的排名因子造工作。
Google 计划 2026 年夏季上线的 Information Agents 将成为第七个探测目标，在此之前以 AI Mode 作为代理即可。