前言¶

傳統 SEO 盯的是排名；ChatGPT、Perplexity、Google AI Overviews 等產品裏，用戶往往直接看到合成答案和引用鏈接，品牌是否被點名、頁面是否被當作來源，成了另一套可見性問題。營銷圈把這類做法叫作 AI SEO、AEO（Answer Engine Optimization）或 GEO（Generative Engine Optimization），概念多、平臺行爲又常變，單靠零散文章很難落到檢查清單和改稿步驟上。

下面介紹的是 marketingskills 倉庫裏的 ai-seo Skill（當前 SKILL.md 元數據版本爲 2.9.0）。它面向「讓內容可被 AI 發現、抽取並引用」，在 Agent 裏按工作流引導審計與優化，並把細分主題拆到本地 references/ 文檔，需要時再展開，而不是一次性堆概念。

這是什麼¶

ai-seo 是一條 Agent Skill 指令包：加載後，助手以 AI 搜索優化專家角色工作，幫助用戶讓內容出現在 Google AI Overviews、ChatGPT（含聯網搜索）、Perplexity、Claude、Gemini、Copilot 等系統的答案與引用中。

• 維護方：開源項目 coreyhaines31/marketingskills，與同一倉庫內的 seo-audit（傳統技術/頁面 SEO 審計）、schema（結構化數據實現）分工明確——做經典 SEO 審計或 Schema 落地應換用對應 Skill，而非本 Skill。
• 觸發場景：官方 description 覆蓋 AI SEO、GEO、AEO、LLMO、llms.txt、agent readiness、AI citations 等大量自然表述；用戶希望「被 LLM 引用」「出現在 AI 答案裏」時即可啓用。

Skill 遵循通用 Agent Skills 規範（倉庫 README 寫明兼容 Claude Code、OpenAI Codex、Cursor 等支持 Agent Skills spec 的客戶端）。

核心功能¶

參考路由與本地資料¶

Skill 自帶 Reference Routing 表：按用戶問題類型映射到技能目錄下的 Markdown，例如 agent 無法讀取站點 → references/agent-readiness.md，歸因與漏斗 → references/ai-attribution.md，內容塊結構 → references/content-patterns.md，各平臺差異 → references/platform-ranking-factors.md 等。執行時應從已安裝的 skill 目錄讀取這些文件，不能用遠程倉庫 URL 代替；文件缺失需如實說明。

對時效性統計與平臺行爲，Skill 要求按證據優先級權衡：官方文檔 > 可控實驗 > 大規模觀測數據 > 個案，且勿把某次研究的百分比直接當成客戶流量預測。

啓動前上下文¶

開始前會優先查找產品營銷上下文文件（按順序）：.agents/product-marketing.md、.claude/product-marketing.md 或舊版 product-marketing-context.md。若已有品牌、受衆、定位，則減少重複提問。

否則收集四類信息：當前 AI 可見性（是否在關鍵查詢裏被引用）、內容與域名（博客/文檔/對比頁、傳統 SEO 基礎、是否已有 Schema）、目標（被引用、進 AI Overviews、對標競品）、競爭格局（誰在答案裏出現、維基/評測站覆蓋等）。

AI 搜索機制與和傳統 SEO 的差異¶

Skill 用表格概括各平臺如何選源（例如 Google AI Overviews 與傳統排名相關性高；ChatGPT 聯網搜索引用範圍更寬；Perplexity 強調權威與結構等）。核心表述是：傳統 SEO 爭取排名，AI SEO 爭取被引用——結構好、相關性高的頁面可能在非第一頁仍被引用，但強勁自然排名仍是 AI 可見性的重要預測因子，結構優化應疊在 SEO 之上，而非替代。

同時區分 Google 官方立場（繼續強調面向人的有用內容、無需爲 AI 單獨切塊或造假內容）與 其他引擎（更喫可抽取結構、llms.txt、機器可讀定價頁等）。Skill 中的 40–60 詞答案塊、FAQ、對比表等模式，主要服務非 Google 引擎與自主代理，對 Google 則仍以對人和核心 Search 質量爲主。

AI Visibility Audit（四步）¶

1. 關鍵查詢抽檢：在 Google AI Overview、ChatGPT、Perplexity 等測試 10–20 條與收入相關的查詢（問題意識、方案意識、品牌對比、定價集成等階段）。
2. 引用模式分析：競品被引而你沒有時，對照結構、權威信號、新鮮度、Schema、第三方來源（維基、Reddit、評測站等）。
3. 可抽取性檢查：首段定義、自包含答案塊、帶出處統計、對比表、FAQ、Schema、作者資質、半年內更新、標題與查詢表述、AI 爬蟲策略等。
4. AI Bot 訪問：區分搜索發現類（如 OAI-SearchBot、PerplexityBot、Claude-SearchBot）、用戶觸發檢索、訓練類（GPTBot、ClaudeBot）、以及 Google-Extended 等與 Search 收錄/排名不同的控制項；robots 與 WAF 需分用途配置。

優化策略：三大支柱¶

1. Structure（可抽取）
2. Authority（可引用）
3. Presence（出現在 AI 會看的場域）

• Structure：定義塊、步驟塊、對比表、優缺點、FAQ、帶出處數據塊；首句直接作答；關鍵 passage 約 40–60 詞；標題貼近自然問法。
• Authority：引用 Skill 整理的 GEO 研究維度（如引用來源、統計數據、專家引語等對可見性的影響表），並強調 E-E-A-T、新鮮度與原創數據。
• Presence：自有站點與第三方（維基、行業媒體、LinkedIn、G2/Capterra、YouTube 文本層等）的組合；並說明機器可讀文件層。

機器可讀與 Agent 就緒¶

Google 文檔稱 AI Overviews 不強制 llms.txt 等新文件；Skill 仍建議爲非 Google 引擎與「代理型買家」準備 /pricing.md、llms.txt、可選 OKF bundle 等，並指向 references/agent-readiness.md（含 npx is-agentic 等檢查思路）。

實現類工具索引見倉庫 tools REGISTRY。

安裝與啓用¶

推薦用 npx skills 從同一 marketing 技能集安裝（README Option 1）。

只裝 ai-seo 時，可先列出技能名再安裝：

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

CLI 會檢測本機已裝的 Agent 並詢問安裝位置：Claude Code 默認進 .claude/skills/；通用路徑爲 .agents/skills/（Cursor 等常與後者或 CLI 檢測結果一致）。若在 Agent 會話內非交互安裝，可能只寫入 .agents/skills/ 而 Claude Code 讀不到，需顯式指定：

npx skills add coreyhaines31/marketingskills -a claude-code

Claude Code 插件（交互式 CLI 內）：

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

非交互環境可用：

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

OpenAI Codex：

codex plugin marketplace add coreyhaines31/marketingskills

在 Codex 會話裏用 /plugins 選擇 marketing-skills；升級市場：codex plugin marketplace upgrade。

多 Agent（含 Cursor） 也可用 SkillKit：

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

安裝完成後，在對應客戶端啓用 Skills，對話中直接描述 AI 可見性或 AEO/GEO 需求即可觸發；Skill 名稱在元數據中爲 ai-seo。

典型用法¶

下列用法均來自 Skill 正文中的可復現流程，可在 Agent 裏用自然語言發起，助手會按 Skill 步驟推進。

1. 做一次 AI 可見性審計

向 Agent 說明核心業務查詢，要求按 Skill 的 Step 1–4 填表：各平臺是否出現 AI 答案、你是否被引用、競品是誰，並輸出可抽取性與爬蟲策略檢查項。

2. 優化單篇落地頁或文檔

指定 URL 或粘貼正文，要求按「三大支柱」改結構：增加 40–60 詞定義/答案塊、對比表或 FAQ，並覈對是否需 FAQ/Article/Product 等 Schema（深度實現可再啓用同倉庫 schema Skill）。

3. 處理「AI 說錯我們價格/功能」

說明錯誤表述與正確事實，讓 Agent 走 references/answer-accuracy.md 路由：找到應承載該事實的頁面，改成可被直接引用的明文表述。

4. 評估 Agent 能否讀取站點

提問「我們的站 agent-ready 嗎」或 robots 是否誤攔 OAI-SearchBot 等，Agent 應打開 references/agent-readiness.md，並結合 llms.txt、定價是否可機器讀取等項給清單。

5. 準備機器可讀定價（示例片段）

Skill 建議在站點根路徑提供結構化定價，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

實際部署時替換產品名、幣種與檔位，並與官網定價頁保持一致、定期更新。

適用場景與注意¶

適合誰

• 內容、增長、市場團隊需要在 Agent 裏系統做 AEO/GEO，而不是單次讓模型「寫一段 SEO 文案」。
• 已在做傳統 SEO，希望疊加「被 AI 引用」的結構與第三方存在感策略。
• 技術營銷人員維護文檔站、對比頁、定價頁，需要對照爬蟲與 llms.txt、agent readiness 清單。

限制與坑

• 平臺檢索與引用規則會變；Skill 內帶日期的第三方統計（如 BrightEdge、Ahrefs、Profound 等）僅作背景，對外承諾前須重新覈對來源與日期。
• 不要爲 Google 單獨生產「僅給 AI 看」的堆砌內容；Skill 明確這與 Google 垃圾內容政策相悖。
• 訓練爬蟲（GPTBot 等）與搜索發現爬蟲用途不同，封禁策略不能一概而論。
• 傳統站內 SEO 技術審計、純 Schema 實施應使用同倉庫其他 Skill，避免角色混淆。

結尾¶

ai-seo 把「出現在 AI 答案裏、被 LLM 引用」從熱詞拆成：上下文收集 → 跨平臺可見性審計 → 結構/權威/存在感三支柱 → 按問題打開本地 reference 的 Agent 工作流。若你已在用 Cursor、Claude Code 或 Codex 做營銷相關自動化，把它裝進技能集後，用業務查詢直接驅動即可。

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