AEO 是一套面向“答案引擎”（AI 助手）的产品可发现性方法论，核心是让产品在潜在客户向 AI 助手提出购买类问题时被提及、被准确推荐。它适用于软件、实体商品、消费品、服务、市场平台和本地商家，默认目标受众是从未听说过该产品的人群。
主要能力与工作方式
该技能围绕一个闭环展开：买家问题 → 观察到的答案与来源 → 诊断差距 → 改进页面或来源 → 重复测量 → 客户结果。可处理的任务范围包括：策略制定、基线审计、提示集（prompt set）构建、来源分析、内容简报和效果评估。技能要求优先使用已有的产品材料、研究、分析数据和监控导出；只索取会影响下一步决策的信息；在无法访问分析或答案引擎时，输出拟议的测量计划并标注假设，绝不能以编造的结果填补缺失观察。
使用步骤
-
定义购买语境：确定产品、规范域名、品牌别名、品类、目标市场与语言、受众、替代品、有证据支撑的差异化点、购买限制和期望的客户行动；区分买家、用户和决策者；定义单一主要成果（如付费订单、合格询盘、预订或激活试用），并记录正常购买滞后与归因窗口。
-
构建提示组合：从客服问题、销售对话、评价、站内搜索、搜索查询和客户研究中提取真实语言，区分观察到的提问与生成的候选提问；按受众、购买情境、旅程阶段、主题、用例、限制、市场和语言分组；围绕问题、期望结果、品类、限制和替代方案构建获客组合。组合区分三个队列：问题或品类发现（不知道目标产品）、竞品替代（知道替代品但不知目标产品）、品牌评估（已知目标产品，用于检查准确性，不计入获客可见度）。获客提示中须排除目标品牌、别名、域名和独特产品名，使用未受品牌污染的新对话；保留稳定核心集用于趋势对比，另设探索集。
-
优先渠道并采集基线：审阅推荐流量、转化、客户获取调查和客户研究，优先选择能带来相关客户的引擎；预算按提示数 × 引擎数 × 重复次数 × 采集频率估算，先用手动小样本或现有导出；每条观察须保留确切提示、时间戳、引擎与模型/模式、地区、答案证据、品牌提及、明确推荐和引用 URL，失败运行记为失败而非品牌缺失。
-
检查内容可访问性：在为新差距撰写内容前，检查页面状态与重定向、robots 规则、规范与索引指令、内部链接、站点地图、抓取 HTML 与渲染输出中的正文、结构化数据是否与可见页面一致；把抓取、索引、答案收录和引用视为彼此独立的发现，区分检索或渲染问题与部分索引。Google 表示其 AI 搜索功能沿用现有 SEO 基础，没有额外技术要求，不应把特殊 schema 或 AI 文本文件包装为通用收录要求。
-
诊断答案与引用来源：对高价值提示比较重复答案并检查引用页面，区分品牌提及、明确推荐、自有页面引用和第三方引用；按证据分类差距（无法检索、内容过时或不完整、缺少页面、外部比较或列表被引用、推荐误述适配性、可见度增长但客户行动未增长）并选择对应动作。引用频率只是观察，不构成权威或排名因果证据。
-
将发现转化为内容决策：先修正、合并或扩展现有相关页面，再考虑新增竞争页面；按购买问题匹配格式（产品详情、品类指南、对比、教程、证据报告、价格说明、兼容性指南或本地服务信息），简报须包含受众、购买问题、差距证据、目标页面或拟议 URL、直接回答、支撑证据、权衡、内部链接、下一步客户行动、负责人和测量计划；不得编造产品能力、评价、基准或竞品弱点。
-
测量结果并重复：将测量分为可见度（各获客队列与引擎的无提示提及率、相关推荐率、自有内容引用率，品牌答案准确性单独报告）、访问与行为（可识别的 AI 推荐、落地页、参与访问、转化事件）、客户结果（合格询盘、购买、付费客户等）三层；每个比率须说明分子、分母、周期、引擎和队列，采集失败单独报告；记录每次页面或来源变更及其假设，留出重新抓取和购买滞后时间后，在可比条件下重采样稳定队列。
交付与限制
完整策略请求返回产品与成果定义、含发现路径的获客提示组合、带证据和访问限制的基线发现、按优先级排列的页面与来源行动以及下一测量窗口；品牌评估提示单独标注。数据集可包含提示定义、观察记录以及行动与结果三部分，未知值记为未知而非零。
使用限制：案例研究中的增长数字只能作为待验证假设，不能视为预期回报；固定的提示数量或某引擎的流量份额无法跨产品通用；仅凭 AEO 指导不授权发布内容、外联、付费监控或定期任务；推荐具体爬虫变更前须查阅当前官方文档；搜索检索控制与模型训练控制可能不同，不应不加区分地扩大访问权限。