SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场seo-aeo-geo

seo-aeo-geo

营销与增长

查看项目

更新于 10-15 17:37

技能介绍

用途

该技能用于答案引擎优化（AEO）与生成式引擎优化（GEO），目标是让内容对 AI 搜索体验可发现、可提取、可引用。它编码的是原则，而非绑定某个具体 AI 产品；AI 搜索产品迭代很快，原则比产品更耐久。

适用场景包括：为 AI 概览和生成式答案引擎优化内容；构建或更新 llms.txt；将内容结构化以便 AI 助手正确提取和引用；在搜索从蓝色链接转向 AI 答案的过程中为站点做前瞻准备；审计现有内容是否对 AI 友好；添加帮助 AI 助手识别站点为可信来源的信号。

不适用场景：传统页面 SEO（应使用 seo-onpage 或 seo-technical）、关键词研究（seo-keyword）、站外权威与链接建设（seo-offpage）。该技能叠加在这些基础之上，强大的 AEO/GEO 需要底层扎实的基础 SEO。

主要能力：五层框架

AI 搜索可见性来自五个叠加层，每层相互复利。

  1. 可提取的内容结构：AI 系统从内容中提取事实并拉取引用，需让提取变得容易。包括直接答案（主要章节开头用 1 至 3 句给出明确答案）、问题式标题（H2/H3 以问题措辞）、原子事实（一个事实只清晰陈述一次，支撑上下文紧邻）、表格与列表（用于比较、规格、步骤和数据）、早期定义（引入概念时就地定义）、编号步骤（流程性内容逐步编号）。

  2. 引用价值：AI 引用它认为权威的来源。包括原创数据（调查、研究、专有研究、内部基准）、具体数字（“约 40%”优于“许多”）、具名专家（作者简介含资质、职业档案链接、schema 标记的 Person 实体）、日期戳（发布日期与最后更新日期，既可见又在 schema 中）、方法披露（陈述发现时简要说明如何得出）、引用其他来源（链接到所用权威来源以建立互惠可信度）。

  3. 结构化数据深度：schema 是与机器对话的方式，AI 助手大量解析它。包括适合内容的 Schema.org 类型（Article、FAQPage、HowTo、Recipe、Product、Organization、Person、LocalBusiness 等）、填写必需和推荐属性、作者的 Person schema 及 sameAs 链接、首页的 Organization schema、真实问答对的 FAQPage schema、流程内容的 HowTo schema、全站 BreadcrumbList schema，并在 Schema.org Validator 和 Rich Results Test 中验证。

  4. AI 可读的可访问性：除传统 SEO 外，AI 工具需要自己的访问模式。包括站点根目录的 llms.txt（描述站点内容、关键 URL 和覆盖主题的 markdown 文件）、可选的 llms-full.txt、robots.txt 明确允许或禁止哪些 AI 爬虫（GPTBot、ClaudeBot、Google-Extended、PerplexityBot 等）、干净的 HTML 语义标签、避免关键内容仅客户端渲染。

  5. 真实世界实体信号：AI 构建知识图谱，偏好具有多个一致信号的实体。包括符合条件的 Wikipedia 条目、Wikidata 条目、一致的 NAP、多个权威来源的品牌提及、通过 sameAs 链接自有社交档案的 schema、评论与声誉信号。

使用方式

工作流为：审计当前状态（对现有站点运行五层框架并逐层评分）；识别优先查询（列出 10 至 20 个希望 AI 引用本站的问题）；测试当前 AI 可见性（用优先问题查询相关主要 AI 产品，记录其引用来源）；识别差距；制定逐层计划（修复前 20 个优先页面的可提取结构、添加引用价值信号、深化 schema、构建/更新 llms.txt、强化实体信号）；实施并重新测试（至少每季度重新测试优先查询）。

默认输出为 aeo-geo-strategy.md 的 markdown 计划，结构包括：当前 AI 可见性审计、五层记分卡、优先查询、逐层修复计划、实施路线图、重新测试时间表（每季度）。

限制与失败模式

该技能输出依赖其自身无法生成的数据、测量或工具结果。当所需输入、工具或数据源不可用或无法验证时，被认可的产出是带差距说明的交付物：需要什么、实际获得或验证了什么、输出的哪些部分受影响。禁止为完成交付物而编造、估算或插值所需数字；说明差距本身就是完整答案。

常见失败模式：将 AEO/GEO 与 SEO 割裂（扎实的基础 SEO 是前提）；在没有真实 FAQ 的页面堆砌 FAQ schema；将关键内容藏在重度 JavaScript 之后；只针对一个 AI 产品优化；忽视实体强度；把 llms.txt 当作万能药；静态优化而不定期重新审计。

参考文件包括 references/llms-txt-guide.md（如何编写有用的 llms.txt 及示例）和 references/extraction-friendly-patterns.md（AI 能干净提取的内容模式及前后对比示例）。