即刻App年轻人的同好社区
下载
前段时间做了一个网站审计 Skill，已经用在我们三个项目上了，这两周自然流量上涨了21%，看来网站还是需要持续优化。
github.com/GEO-SEO/seo-geo-audit
github.com/GEO-SEO/seo-geo-audit
03:13
0 00
这两天把 seo-geo-audit 又往前补了一版。
上一个版本，更多还是在处理站内的事情：
内容怎么写
页面怎么组织
GEO / SEO 怎么放到一个 workflow 里
怎么让 audit 结果更适合后续执行
但继续往下做，我越来越觉得，只看站内还是不够。
因为到了 AI Search 这个阶段，一个品牌能不能被理解、被引用，不只是看你自己网站写得怎么样，还要看另外两层：
你在站外有没有形成足够清楚的实体和权威信号
大模型和相关 crawler 能不能顺利读到你
所以这次我主要补了两个模块：
海外权威实体验证
不再只看站内页面本身，也会看品牌在 LinkedIn、Reddit、YouTube、Wikipedia / Wikidata 这类站外环境里的存在感和一致性。
大模型可爬取性
把 llms.txt、AI crawler、robots、schema、平台可访问性这些内容更明确地放进 audit 里。
我自己的感觉是，GEO 这个事情继续往后做，会越来越不像传统 SEO 里那种单点优化，
而更像是在做一个完整的“可见性系统”。
站内、站外、平台、实体、内容、结构，最后都会慢慢连到一起。
所以这次更新，本质上不是多加了几个检查项，
而是把原来没有显式拉出来的两层，正式放进主框架里了。
如果你也在关注：
品牌出海
SaaS 增长
SEO
GEO / AI Search
可以看看这次更新后的版本，也欢迎交流。
上一个版本，更多还是在处理站内的事情：
内容怎么写
页面怎么组织
GEO / SEO 怎么放到一个 workflow 里
怎么让 audit 结果更适合后续执行
但继续往下做，我越来越觉得，只看站内还是不够。
因为到了 AI Search 这个阶段，一个品牌能不能被理解、被引用，不只是看你自己网站写得怎么样，还要看另外两层：
你在站外有没有形成足够清楚的实体和权威信号
大模型和相关 crawler 能不能顺利读到你
所以这次我主要补了两个模块：
海外权威实体验证
不再只看站内页面本身，也会看品牌在 LinkedIn、Reddit、YouTube、Wikipedia / Wikidata 这类站外环境里的存在感和一致性。
大模型可爬取性
把 llms.txt、AI crawler、robots、schema、平台可访问性这些内容更明确地放进 audit 里。
我自己的感觉是，GEO 这个事情继续往后做，会越来越不像传统 SEO 里那种单点优化，
而更像是在做一个完整的“可见性系统”。
站内、站外、平台、实体、内容、结构，最后都会慢慢连到一起。
所以这次更新，本质上不是多加了几个检查项，
而是把原来没有显式拉出来的两层，正式放进主框架里了。
如果你也在关注：
品牌出海
SaaS 增长
SEO
GEO / AI Search
可以看看这次更新后的版本，也欢迎交流。
https://github.com/GEO-SEO/seo-geo-audit
0 00
分享一个很基础的工具：
但虽然它基础，我还是想认真写一下为什么基于我对业务的理解，做了一个自己的版本。
过去几年，很多团队做 SEO，第一反应都是：
- 我要不要多写点内容
- 要不要做外链
- 要不要改页面结构
- 要不要上 AI 批量生成
但到了现在这个阶段，尤其是 ChatGPT、Perplexity、Google AI Mode 这些入口逐渐成型之后，问题已经不是“继续做 SEO 就行”，而是：
你的网站、内容、品牌表达，到底有没有被 AI 搜索系统正确理解、引用、召回。
这里面其实有一大块工作，传统 SEO audit 不完全覆盖，纯 GEO 讨论又太虚。
所以我们想做一个更中间、更落地的东西：
把 SEO audit 和 GEO audit 放到同一个工作流里。
从行业视角看，我越来越明显地感觉到一件事：
未来的增长优化，不会分成“传统搜索一套”和“AI 搜索一套”，而是会慢慢收敛成统一的可见性工程。
只是这个工程会同时面向：
- 搜索引擎
- AI answer engine
- 知识抽取系统
- 内容引用链路
- 品牌可信度判断
所以 seo-geo-audit 这个项目，虽然基础，但它想解决的问题其实很实际：
当品牌开始进入 AI Search 时代，第一步到底该怎么判断自己现在处在什么位置。
从开发者视角，这个项目也不是“再做一个报告生成器”这么简单。
我自己一直不太相信那种只靠 prompt 拼起来的 audit 工具。
因为真正能用的 audit，至少要解决几件事：
- 输入要结构化，不然每次分析口径都漂
- 检查项要能复用，不然没法持续迭代
- 输出要能给团队执行，而不是只生成一段看起来很聪明的总结
- 还要尽量把 SEO 和 GEO 之间重叠和新增的问题拆清楚
也就是说，我们不是想做一个“AI 看一眼网站然后给几句建议”的 demo。
更想先把一个能反复使用的基础检查流程整理出来。
如果有人正好也在做品牌出海、SaaS 增长、SEO、GEO / AI Search 相关的事情，
那这个仓库至少可以当一个比较具体的起点
如果你也在关注：
品牌出海
SaaS 增长
SEO
GEO / AI Search
或者营销工作流的工程化
欢迎来看看，也欢迎交流。
但虽然它基础，我还是想认真写一下为什么基于我对业务的理解，做了一个自己的版本。
过去几年，很多团队做 SEO，第一反应都是：
- 我要不要多写点内容
- 要不要做外链
- 要不要改页面结构
- 要不要上 AI 批量生成
但到了现在这个阶段，尤其是 ChatGPT、Perplexity、Google AI Mode 这些入口逐渐成型之后，问题已经不是“继续做 SEO 就行”，而是：
你的网站、内容、品牌表达，到底有没有被 AI 搜索系统正确理解、引用、召回。
这里面其实有一大块工作，传统 SEO audit 不完全覆盖，纯 GEO 讨论又太虚。
所以我们想做一个更中间、更落地的东西：
把 SEO audit 和 GEO audit 放到同一个工作流里。
从行业视角看，我越来越明显地感觉到一件事：
未来的增长优化，不会分成“传统搜索一套”和“AI 搜索一套”，而是会慢慢收敛成统一的可见性工程。
只是这个工程会同时面向：
- 搜索引擎
- AI answer engine
- 知识抽取系统
- 内容引用链路
- 品牌可信度判断
所以 seo-geo-audit 这个项目，虽然基础，但它想解决的问题其实很实际：
当品牌开始进入 AI Search 时代，第一步到底该怎么判断自己现在处在什么位置。
从开发者视角，这个项目也不是“再做一个报告生成器”这么简单。
我自己一直不太相信那种只靠 prompt 拼起来的 audit 工具。
因为真正能用的 audit，至少要解决几件事：
- 输入要结构化，不然每次分析口径都漂
- 检查项要能复用，不然没法持续迭代
- 输出要能给团队执行，而不是只生成一段看起来很聪明的总结
- 还要尽量把 SEO 和 GEO 之间重叠和新增的问题拆清楚
也就是说，我们不是想做一个“AI 看一眼网站然后给几句建议”的 demo。
更想先把一个能反复使用的基础检查流程整理出来。
如果有人正好也在做品牌出海、SaaS 增长、SEO、GEO / AI Search 相关的事情，
那这个仓库至少可以当一个比较具体的起点
如果你也在关注：
品牌出海
SaaS 增长
SEO
GEO / AI Search
或者营销工作流的工程化
欢迎来看看，也欢迎交流。
GitHub - GEO-SEO/seo-geo-audit: Professional SEO and GEO audit workflows for brands, SaaS teams, SEO operators, agencies, and AI-search growth teams.
1 00
类似的方法论很多，各类公众号一搜一大把，但我们很快可以做到的是把在每天和海外7个大模型，上百万次对话中，针对各行各业各个细分领域的GEO数据洞察产出为有价值的内容
我做了一个「SEO × GEO 全自动写作系统」，把文章生产效率提升10倍（完整拆解）
0 00
我用了三个月，把程序化 SEO 流程变成了一个可重复执行的 Skill，现在单篇文章从输入关键词到输出可发布内容，稳定在10到15分钟。
如果你在做 SEO 内容、AI 工具站、Affiliate 或者 SaaS 内容营销，这个 skill 或许对你有用。可以直接通过 github 安装⬇️
github.com
如果你在做 SEO 内容、AI 工具站、Affiliate 或者 SaaS 内容营销，这个 skill 或许对你有用。可以直接通过 github 安装⬇️
github.com
04:59
0 00
今天抽时间做了个小东西：
把独立站「上货」这件事，用 Skill 和 GEO 串成了一条 AI 小产线。
非常小的项目，就是把用户每天要重复做的动作，整理成一套顺手的流程。
我把过程写成了一篇文章
也许对正在做出海独立站的你，会有一点点参考价值。
mp.weixin.qq.com
把独立站「上货」这件事，用 Skill 和 GEO 串成了一条 AI 小产线。
非常小的项目，就是把用户每天要重复做的动作，整理成一套顺手的流程。
我把过程写成了一篇文章
也许对正在做出海独立站的你，会有一点点参考价值。
mp.weixin.qq.com
2 30
国内首款出海 GEO 数据平台📊dageno.ai
Query Fanouts 模块关注的是 AI 在回答问题时的“研究路径”。具体来说，它记录了 AI 为生成回答所发起的子查询数量以及访问过的网站来源。
该模块可以呈现以下信息：
1️⃣在不同平台（如 ChatGPT、Grok、Perplexity 等）上的扇出数量及其趋势变化。
2️⃣各 Prompt 的 Query Fanouts 排名，反映问题背后的研究深度。
如果某些高扇出主题却很少引用品牌内容，则说明这些问题具有高研究深度和决策价值，而品牌在这些场景中缺席。这类场景通常优先被布局，以提升可见度和权威性。
Platforms 模块通过矩阵展示品牌在不同 AI 平台的全维度表现，包括：Visibility、Share of Voice、Average Position、Citation Share 和 Sentiment Score，以及对应的 Rank 趋势。
通过该分析可以明确：
1️⃣哪些平台对品牌表现友好，可进一步放大影响力。
2️⃣哪些平台偏向竞品，需要针对性内容和信源补充。
在有限预算下，应优先分配 GEO 资源至高价值平台，而非平均分布。
Sentiment 模块独立展示 AI 对品牌的情绪分布和趋势。分析不仅覆盖整体情绪分数，也可深入到单个 Prompt 层级，识别 AI 是否强化品牌优势或放大潜在负面信号。
该模块可用于：
1️⃣针对关键场景（如售后、合规、风险）进行品牌防御。
2️⃣及时发现负面趋势苗头，通过内容优化和公关干预，避免负面效应扩大。
Citations 模块拆解 AI 引用数据，展示品牌内容在回答中被引用的域名与具体页面。
分析可实现以下目标：
1️⃣识别站内高频被引用页面，理解内容结构和特征，用于复制和优化。
2️⃣明确外部站点对品牌的权威背书，评估维护或深度合作价值。
对比竞品被引用的域名，学习外链布局、媒体策略及内容建设方法～
Query Fanouts 模块关注的是 AI 在回答问题时的“研究路径”。具体来说，它记录了 AI 为生成回答所发起的子查询数量以及访问过的网站来源。
该模块可以呈现以下信息：
1️⃣在不同平台（如 ChatGPT、Grok、Perplexity 等）上的扇出数量及其趋势变化。
2️⃣各 Prompt 的 Query Fanouts 排名，反映问题背后的研究深度。
如果某些高扇出主题却很少引用品牌内容，则说明这些问题具有高研究深度和决策价值，而品牌在这些场景中缺席。这类场景通常优先被布局，以提升可见度和权威性。
Platforms 模块通过矩阵展示品牌在不同 AI 平台的全维度表现，包括：Visibility、Share of Voice、Average Position、Citation Share 和 Sentiment Score，以及对应的 Rank 趋势。
通过该分析可以明确：
1️⃣哪些平台对品牌表现友好，可进一步放大影响力。
2️⃣哪些平台偏向竞品，需要针对性内容和信源补充。
在有限预算下，应优先分配 GEO 资源至高价值平台，而非平均分布。
Sentiment 模块独立展示 AI 对品牌的情绪分布和趋势。分析不仅覆盖整体情绪分数，也可深入到单个 Prompt 层级，识别 AI 是否强化品牌优势或放大潜在负面信号。
该模块可用于：
1️⃣针对关键场景（如售后、合规、风险）进行品牌防御。
2️⃣及时发现负面趋势苗头，通过内容优化和公关干预，避免负面效应扩大。
Citations 模块拆解 AI 引用数据，展示品牌内容在回答中被引用的域名与具体页面。
分析可实现以下目标：
1️⃣识别站内高频被引用页面，理解内容结构和特征，用于复制和优化。
2️⃣明确外部站点对品牌的权威背书，评估维护或深度合作价值。
对比竞品被引用的域名，学习外链布局、媒体策略及内容建设方法～
04:06
1 20