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

seo-sxo

营销与增长

查看项目

更新于 10-16 02:51

技能介绍

用途

SEO SXO（Search Experience Optimization，搜索体验优化）用于诊断一个“看似优化良好”的页面为何无法获得排名。它的核心方法是反向阅读目标关键词的真实 SERP：拉取 Google 实际返回的搜索结果，推断 Google 在该关键词下奖励的页面类型，然后将候选页面与该模式进行比对，并从多个用户画像视角打分，最终推荐能够赢得该 SERP 的页面格式。

主要能力

  • 拉取目标关键词的 SERP 数据，包括前 10 条自然结果（URL、标题、摘要）以及 SERP 特性（AI Overview、People Also Ask、图片轮播、视频轮播、购物包、Twitter 包、精选摘要等）。
  • 拉取 AI Overview 上下文，捕获答案文本与引用列表，并标注哪些前 10 自然结果同时被 AIO 引用。
  • 抓取用户页面及前 3 名获胜页面，提取标题、所有 H 标签、主要内容结构（编号列表/表格/散文/问答）、字数、图片提及、对比表存在情况、CTA 提及等。
  • 在 Firecrawl 可用时，进一步获取 JSON-LD @types（Product、FAQPage、BreadcrumbList、Article、Review、ItemList 等）、og:title / og:image / twitter:card 元数据以及真实标题长度。
  • 将前 10 结果按页面类型分类：comparison、alternatives、listicle、how-to、definition、product、editorial、forum、video。
  • 检测主导模式：若某一类型在前 10 中占比 ≥ 6 则为主导；若两类各占 4 则视为“意图分裂”。
  • 结合 SERP 特性交叉验证：视频轮播 → 预期 ≥ 2 条视频结果；PAA → 预期信息型结果；购物包 → 商业意图主导；AIO → 信息型共识。
  • 从 4 个用户画像（Skimmer、Researcher、Buyer、Validator）对用户页面打分，每个画像 0–10 分，并应用意图权重配置得出 0–100 的 SXO 总分。
  • 综合判定并生成线框图：若页面类型匹配主导模式，给出针对各画像的具体改进建议；若不匹配，则输出主导页面类型的线框图，并锚定前 3 名获胜页面的观察模式。

使用方式

前置条件：

  • 已连接 SE Ranking MCP 服务器。
  • Claude 的 WebFetch 工具可用。
  • 用户提供：(a) 目标页面 URL，(b) 页面希望排名的目标关键词，可选 (c) 目标国家（默认 us）。

流程：

  1. 验证输入。URL 和关键词均为必填。若关键词缺失，询问用户，不要推断。
  2. 通过 DATA_getSerpResults 和 DATA_getSerpTaskAdvancedResults 拉取 SERP 数据。
  3. 模式选择（成本驱动因素）：默认 mode=full 运行 result_type=advanced，返回特性 + 自然结果，适用于大多数需要 PAA / AIO / 包信号的画像评分场景；mode=lite（result_type=standard）仅返回自然结果前 10，无 SERP 特性，约 50–100 credits，适用于批量筛选关键词、credits 受限或用户明确要求低成本运行。需提前告知所选模式与预估成本。
  4. 通过 DATA_getAiOverview 拉取 AIO 上下文。
  5. 抓取用户页面 + 前 3 名获胜页面：优先 WebFetch（免费），其次 Firecrawl（典型 4 credits，每页 1 credit）。Firecrawl 可恢复 WebFetch 无法展示的 JSON-LD @types、og 元数据、真实标题长度。--screenshots 标志（可选，+4 Firecrawl credits）会额外截图并保存为 screenshots/{page}.png，用于在线框图中引用。若 Firecrawl 不可用或传入 --no-firecrawl，则跳过基于 schema 的分类，并在 02-page-type-classification.md 中注明。
  6. 按页面类型对前 10 结果分类，使用 references/page-type-patterns.md 中的启发式规则，并记录分类依据信号。
  7. 检测主导模式，并与 SERP 特性交叉验证。
  8. 使用 references/persona-rubrics.md 中的评分标准，从 4 个画像对用户页面打分，得出 0–100 的 SXO 分数。
  9. 综合判定并生成线框图。
  10. 写入 SXO-REPORT.md。

输出格式：创建文件夹 seo-sxo-{target-slug}-{YYYYMMDD}/，包含：

  • 01-serp-snapshot.md（前 10 + 特性 + AIO）
  • 02-page-type-classification.md（每个前 10 结果的分类）
  • 03-user-page-fingerprint.md（候选页面的结构）
  • 04-persona-scores.md（4 画像 × 当前页面）
  • 05-recommendation.md（判定 + 获胜页面类型线框图）
  • screenshots/（仅当 --screenshots 运行时：candidate.png + winner-1/2/3.png）
  • SXO-REPORT.md（执行摘要交付物）

SXO-REPORT.md 结构包含：SERP 概况（前 10 页面类型、主导模式、SERP 特性、意图）、你的页面（页面类型、与主导模式的匹配情况、字数、主要内容结构）、SXO 分数（含各画像权重与得分表）、判定、若不匹配则给出获胜页面类型的线框图、若匹配则给出按画像的前 3 项修改建议、原始数据引用。

适用场景

  • 诊断一个“优化良好”但排名不佳的页面。
  • 判断目标关键词下 Google 偏好的页面类型，并据此调整页面格式。
  • 在页面类型与 SERP 主导模式不匹配时，获取获胜页面类型的线框图作为重写起点。
  • 从多个用户画像视角评估页面体验并定位具体差距。

限制

  • 需要连接 SE Ranking MCP 服务器，且 Claude 的 WebFetch 工具可用。
  • 成本随模式变化：mode=full 每次运行约 750–900 SE Ranking credits（SERP-advanced 调用占主导）；mode=lite 约 80–150 SE Ranking credits。Firecrawl 可用时步骤 4 增加 4 credits，传入 --screenshots 再增加 4 credits。建议运行前调用 DATA_getCreditBalance 并对照剩余余额展示预估。
  • result_type=advanced 是获取 AIO / PAA / 包数据的唯一方式；standard SERP 端点仅返回自然结果，不要试图从自然结果重建 SERP 特性。
  • 页面类型分类是启发式的，references/page-type-patterns.md 记录了信号以便用户覆盖；若分类错误，可编辑该文件进行修正。
  • 4 个画像来自框架原始来源，具有主观性，不建议随意增加。
  • SXO 分数是方向性的：85/100 不保证排名，35/100 强烈暗示页面难以突破。应视为诊断而非预测。
  • 当主导模式为意图分裂（4-4）时，建议发布两个页面（每个意图一个），而非试图用一个页面服务两种意图。
  • 不匹配模式下的线框图只是起点，用户仍需自行撰写内容；该技能负责诊断，seo-content-brief 负责生成可供写作者使用的简报。
  • 速率限制：10 req/sec。步骤 2/3 的 SERP 调用很快；步骤 4 的 WebFetch 调用主导延迟，而非 API。

致谢

SXO-as-a-skill 框架源自 claude-seo（作者 AgriciDaniel），原始概念归功于 Florian Schmitz（Pro Hub Challenge）。双向 MIT 许可；本实现独立，但框架归其所有。