前言¶

传统 SEO 盯的是排名；ChatGPT、Perplexity、Google AI Overviews 等产品里，用户往往直接看到合成答案和引用链接，品牌是否被点名、页面是否被当作来源，成了另一套可见性问题。营销圈把这类做法叫作 AI SEO、AEO（Answer Engine Optimization）或 GEO（Generative Engine Optimization），概念多、平台行为又常变，单靠零散文章很难落到检查清单和改稿步骤上。

下面介绍的是 marketingskills 仓库里的 ai-seo Skill（当前 SKILL.md 元数据版本为 2.9.0）。它面向「让内容可被 AI 发现、抽取并引用」，在 Agent 里按工作流引导审计与优化，并把细分主题拆到本地 references/ 文档，需要时再展开，而不是一次性堆概念。

这是什么¶

ai-seo 是一条 Agent Skill 指令包：加载后，助手以 AI 搜索优化专家角色工作，帮助用户让内容出现在 Google AI Overviews、ChatGPT（含联网搜索）、Perplexity、Claude、Gemini、Copilot 等系统的答案与引用中。

• 维护方：开源项目 coreyhaines31/marketingskills，与同一仓库内的 seo-audit（传统技术/页面 SEO 审计）、schema（结构化数据实现）分工明确——做经典 SEO 审计或 Schema 落地应换用对应 Skill，而非本 Skill。
• 触发场景：官方 description 覆盖 AI SEO、GEO、AEO、LLMO、llms.txt、agent readiness、AI citations 等大量自然表述；用户希望「被 LLM 引用」「出现在 AI 答案里」时即可启用。

Skill 遵循通用 Agent Skills 规范（仓库 README 写明兼容 Claude Code、OpenAI Codex、Cursor 等支持 Agent Skills spec 的客户端）。

核心功能¶

参考路由与本地资料¶

Skill 自带 Reference Routing 表：按用户问题类型映射到技能目录下的 Markdown，例如 agent 无法读取站点 → references/agent-readiness.md，归因与漏斗 → references/ai-attribution.md，内容块结构 → references/content-patterns.md，各平台差异 → references/platform-ranking-factors.md 等。执行时应从已安装的 skill 目录读取这些文件，不能用远程仓库 URL 代替；文件缺失需如实说明。

对时效性统计与平台行为，Skill 要求按证据优先级权衡：官方文档 > 可控实验 > 大规模观测数据 > 个案，且勿把某次研究的百分比直接当成客户流量预测。

启动前上下文¶

开始前会优先查找产品营销上下文文件（按顺序）：.agents/product-marketing.md、.claude/product-marketing.md 或旧版 product-marketing-context.md。若已有品牌、受众、定位，则减少重复提问。

否则收集四类信息：当前 AI 可见性（是否在关键查询里被引用）、内容与域名（博客/文档/对比页、传统 SEO 基础、是否已有 Schema）、目标（被引用、进 AI Overviews、对标竞品）、竞争格局（谁在答案里出现、维基/评测站覆盖等）。

AI 搜索机制与和传统 SEO 的差异¶

Skill 用表格概括各平台如何选源（例如 Google AI Overviews 与传统排名相关性高；ChatGPT 联网搜索引用范围更宽；Perplexity 强调权威与结构等）。核心表述是：传统 SEO 争取排名，AI SEO 争取被引用——结构好、相关性高的页面可能在非第一页仍被引用，但强劲自然排名仍是 AI 可见性的重要预测因子，结构优化应叠在 SEO 之上，而非替代。

同时区分 Google 官方立场（继续强调面向人的有用内容、无需为 AI 单独切块或造假内容）与 其他引擎（更吃可抽取结构、llms.txt、机器可读定价页等）。Skill 中的 40–60 词答案块、FAQ、对比表等模式，主要服务非 Google 引擎与自主代理，对 Google 则仍以对人和核心 Search 质量为主。

AI Visibility Audit（四步）¶

1. 关键查询抽检：在 Google AI Overview、ChatGPT、Perplexity 等测试 10–20 条与收入相关的查询（问题意识、方案意识、品牌对比、定价集成等阶段）。
2. 引用模式分析：竞品被引而你没有时，对照结构、权威信号、新鲜度、Schema、第三方来源（维基、Reddit、评测站等）。
3. 可抽取性检查：首段定义、自包含答案块、带出处统计、对比表、FAQ、Schema、作者资质、半年内更新、标题与查询表述、AI 爬虫策略等。
4. AI Bot 访问：区分搜索发现类（如 OAI-SearchBot、PerplexityBot、Claude-SearchBot）、用户触发检索、训练类（GPTBot、ClaudeBot）、以及 Google-Extended 等与 Search 收录/排名不同的控制项；robots 与 WAF 需分用途配置。

优化策略：三大支柱¶

1. Structure（可抽取）
2. Authority（可引用）
3. Presence（出现在 AI 会看的场域）

• Structure：定义块、步骤块、对比表、优缺点、FAQ、带出处数据块；首句直接作答；关键 passage 约 40–60 词；标题贴近自然问法。
• Authority：引用 Skill 整理的 GEO 研究维度（如引用来源、统计数据、专家引语等对可见性的影响表），并强调 E-E-A-T、新鲜度与原创数据。
• Presence：自有站点与第三方（维基、行业媒体、LinkedIn、G2/Capterra、YouTube 文本层等）的组合；并说明机器可读文件层。

机器可读与 Agent 就绪¶

Google 文档称 AI Overviews 不强制 llms.txt 等新文件；Skill 仍建议为非 Google 引擎与「代理型买家」准备 /pricing.md、llms.txt、可选 OKF bundle 等，并指向 references/agent-readiness.md（含 npx is-agentic 等检查思路）。

实现类工具索引见仓库 tools REGISTRY。

安装与启用¶

推荐用 npx skills 从同一 marketing 技能集安装（README Option 1）。

只装 ai-seo 时，可先列出技能名再安装：

npx skills add coreyhaines31/marketingskills --list
npx skills add coreyhaines31/marketingskills --skill ai-seo

CLI 会检测本机已装的 Agent 并询问安装位置：Claude Code 默认进 .claude/skills/；通用路径为 .agents/skills/（Cursor 等常与后者或 CLI 检测结果一致）。若在 Agent 会话内非交互安装，可能只写入 .agents/skills/ 而 Claude Code 读不到，需显式指定：

npx skills add coreyhaines31/marketingskills -a claude-code

Claude Code 插件（交互式 CLI 内）：

/plugin marketplace add coreyhaines31/marketingskills
/plugin install marketing-skills

非交互环境可用：

claude plugin marketplace add coreyhaines31/marketingskills
claude plugin install marketing-skills@marketingskills

OpenAI Codex：

codex plugin marketplace add coreyhaines31/marketingskills

在 Codex 会话里用 /plugins 选择 marketing-skills；升级市场：codex plugin marketplace upgrade。

多 Agent（含 Cursor） 也可用 SkillKit：

npx skillkit install coreyhaines31/marketingskills --skill ai-seo

安装完成后，在对应客户端启用 Skills，对话中直接描述 AI 可见性或 AEO/GEO 需求即可触发；Skill 名称在元数据中为 ai-seo。

典型用法¶

下列用法均来自 Skill 正文中的可复现流程，可在 Agent 里用自然语言发起，助手会按 Skill 步骤推进。

1. 做一次 AI 可见性审计

向 Agent 说明核心业务查询，要求按 Skill 的 Step 1–4 填表：各平台是否出现 AI 答案、你是否被引用、竞品是谁，并输出可抽取性与爬虫策略检查项。

2. 优化单篇落地页或文档

指定 URL 或粘贴正文，要求按「三大支柱」改结构：增加 40–60 词定义/答案块、对比表或 FAQ，并核对是否需 FAQ/Article/Product 等 Schema（深度实现可再启用同仓库 schema Skill）。

3. 处理「AI 说错我们价格/功能」

说明错误表述与正确事实，让 Agent 走 references/answer-accuracy.md 路由：找到应承载该事实的页面，改成可被直接引用的明文表述。

4. 评估 Agent 能否读取站点

提问「我们的站 agent-ready 吗」或 robots 是否误拦 OAI-SearchBot 等，Agent 应打开 references/agent-readiness.md，并结合 llms.txt、定价是否可机器读取等项给清单。

5. 准备机器可读定价（示例片段）

Skill 建议在站点根路径提供结构化定价，例如：

# Pricing — [Your Product Name]

## Pro
- Price: $29/month (billed annually) | $35/month (billed monthly)
- Limits: 10,000 emails/month, 5 users
- Features: Custom domains, analytics, priority support

实际部署时替换产品名、币种与档位，并与官网定价页保持一致、定期更新。

适用场景与注意¶

适合谁

• 内容、增长、市场团队需要在 Agent 里系统做 AEO/GEO，而不是单次让模型「写一段 SEO 文案」。
• 已在做传统 SEO，希望叠加「被 AI 引用」的结构与第三方存在感策略。
• 技术营销人员维护文档站、对比页、定价页，需要对照爬虫与 llms.txt、agent readiness 清单。

限制与坑

• 平台检索与引用规则会变；Skill 内带日期的第三方统计（如 BrightEdge、Ahrefs、Profound 等）仅作背景，对外承诺前须重新核对来源与日期。
• 不要为 Google 单独生产「仅给 AI 看」的堆砌内容；Skill 明确这与 Google 垃圾内容政策相悖。
• 训练爬虫（GPTBot 等）与搜索发现爬虫用途不同，封禁策略不能一概而论。
• 传统站内 SEO 技术审计、纯 Schema 实施应使用同仓库其他 Skill，避免角色混淆。

结尾¶

ai-seo 把「出现在 AI 答案里、被 LLM 引用」从热词拆成：上下文收集 → 跨平台可见性审计 → 结构/权威/存在感三支柱 → 按问题打开本地 reference 的 Agent 工作流。若你已在用 Cursor、Claude Code 或 Codex 做营销相关自动化，把它装进技能集后，用业务查询直接驱动即可。

官方 Skill 目录：https://github.com/coreyhaines31/marketingskills/tree/main/skills/ai-seo