跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
营销与销售

ai-seo

Sichtbarkeit, Zitierung und Empfehlung in KI-Antwortsystemen für Deutschland und den DACH-Raum evidenzbasiert prüfen und verbessern. Nutze diesen Skill, wenn eine Marke oder Seite in KI-Overviews, ChatGPT, Perplexity, Gemini oder Copilot auftauchen soll, wenn Crawler-Freigaben für KI-Bots, llms.txt, strukturierte Daten oder die Extrahierbarkeit von Inhalten zu bewerten sind, oder wenn jemand nach AEO, GEO oder LLMO fragt. Trennt Abruf, Zitierung, Erwähnung und Empfehlung, prüft Behauptungen über KI-Rankingfaktoren gegen Primärquellen und verspricht keine Sichtbarkeit. Für klassisches technisches SEO ist seo-audit zuständig.

Corey Haines; DACH-Adaption LOGIN · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add LOGIN-TB/claude-skills --skill ai-seo

技能说明


name: ai-seo description: "Sichtbarkeit, Zitierung und Empfehlung in KI-Antwortsystemen für Deutschland und den DACH-Raum evidenzbasiert prüfen und verbessern. Nutze diesen Skill, wenn eine Marke oder Seite in KI-Overviews, ChatGPT, Perplexity, Gemini oder Copilot auftauchen soll, wenn Crawler-Freigaben für KI-Bots, llms.txt, strukturierte Daten oder die Extrahierbarkeit von Inhalten zu bewerten sind, oder wenn jemand nach AEO, GEO oder LLMO fragt. Trennt Abruf, Zitierung, Erwähnung und Empfehlung, prüft Behauptungen über KI-Rankingfaktoren gegen Primärquellen und verspricht keine Sichtbarkeit. Für klassisches technisches SEO ist seo-audit zuständig." license: MIT metadata: version: "2.2.0" author: "Corey Haines; DACH-Adaption LOGIN" upstream: coreyhaines31/marketingskills upstream_commit: 7868cb9251fad80a73d26e488a5ad5f6c4a9f335 upstream_homepage: https://github.com/coreyhaines31/marketingskills/tree/7868cb9251fad80a73d26e488a5ad5f6c4a9f335/skills/ai-seo tags: [ai-seo, aeo, geo, llmo, ai-overviews, citations]

KI-SEO

Verbessere, wie eine Marke oder Seite in KI-generierten Antworten abgerufen, zitiert, erwähnt und empfohlen wird. Klassische SEO, Crawlbarkeit, nützliche Inhalte und überprüfbare Autorität bilden die Grundlage; KI-spezifische Struktur ist nur eine zusätzliche Ebene.

Evidenzregeln

KI-Suchverhalten ändert sich schnell, viele Studien sind beobachtend. Vor aktuellen Prozentwerten, Crawlernamen, Plattform-Backends, Sichtbarkeitssteigerungen oder Mechanismen:

  1. aktuelle Primärdokumentation oder Originalstudie prüfen;
  2. Quelle, Datum, Plattform/Modell, Region und Methode nennen;
  3. Korrelation nicht als Rankingfaktor oder Kausalität ausgeben;
  4. keine Zitate, Rankings, Empfehlungen oder Trafficwirkung versprechen;
  5. für Google-KI-Funktionen aktuelle Google-Hinweise zugrunde legen: normale Suchberechtigung und nutzerorientierte SEO; kein Spezial-Markup oder KI-Textfile als Pflicht behaupten.

Keine erfundenen Rankingfaktoren. Weder Strukturmuster, llms.txt, Schema, Erwähnungen, Autorenprofile noch Crawlerfreigaben als bestätigten KI-Rankingfaktor bezeichnen, sofern die jeweilige Plattform dies nicht aktuell und eindeutig dokumentiert.

Kontext und Sichtbarkeitsstufen

Erfasse Domain, Prioritätsseiten, Marke, Angebot, Zielgruppe, Region, Sprache, wichtige Prompts, Plattformen, Wettbewerber, Ausgangssichtbarkeit und Ziel. Keine privaten Verzeichnisse, Zugangsdaten oder personenbezogenen Daten durchsuchen.

Trenne:

  1. Abgerufen: System liest die Seite während der Antwortbildung.
  2. Zitiert: Seite erscheint als Quelle.
  3. Erwähnt: Marke steht im Antworttext.
  4. Empfohlen: Marke gelangt in eine Auswahlliste.

Ein nützlicher Inhalt kann zitiert werden, ohne dass der Anbieter empfohlen wird. Empfehlungen können von überprüfbarer, webweiter Bestätigung durch Rezensionen, Communities, Fachmedien, Videos, Podcasts oder Analysten abhängen; dies ist keine Garantie.

Audit-Ablauf

1. Reproduzierbare Baseline

PromptPlattform/ModellDatum/Region/SpracheAntwortAbgerufen/zitiert/erwähnt/empfohlenQuellenEinordnung

Wiederholte Prüfungen nutzen, um Volatilität sichtbar zu machen. Aus einer Antwort oder einem Konto keine stabile Sichtbarkeit ableiten.

2. Technische Eignung

Erreichbarkeit, Statuscode, Canonical, Robots, Sitemap, Indexierbarkeit, gerendertes HTML, semantische Struktur, Login-/Consent-Barrieren, Titel, Überschriften, Autorenschaft, Datum, interne Links und strukturierte Daten prüfen. Strukturierte Daten müssen sichtbare Inhalte korrekt abbilden und aktuelle Plattformregeln erfüllen. Visuelle, DOM- und Accessibility-Tree-Nutzbarkeit berücksichtigen.

3. Crawler-Richtlinien präzise prüfen

Keine pauschale Empfehlung „alle KI-Bots erlauben“. Aktuelle Tokens und Zwecke aus Primärquellen unterscheiden:

  • Such-/Indexcrawler beeinflussen möglicherweise Auffindbarkeit;
  • nutzerausgelöste Fetcher rufen auf konkrete Anfrage ab;
  • Trainingscrawler regeln Modelltraining und steuern nicht zwingend Suchzitate.

OpenAI unterscheidet beispielsweise nach aktueller Dokumentation Suchbot, Nutzer-Fetcher und Trainingsbot; Google trennt Google-Extended vom normalen Search-Crawling. Anthropic, Perplexity und andere live prüfen. Datenschutz, Lizenzierung, Serverlast, Auffindbarkeit und Zitation abwägen. robots.txt nie ohne Freigabe und Validierung ändern.

4. Extrahierbarkeit und Nutzwert

Direkte, korrekte Antworten dort voranstellen, wo es natürlich ist; beschreibende H2/H3, fokussierte Absätze, echte Vergleichstabellen, Prozesslisten, selbstständige Aussagen, Definitionen, Grenzen, Daten, Einheiten und Beispiele verwenden. Landmarken, Überschriften und Alt-Texte korrekt setzen. Keine fragmentierte „KI-Köder“-Seite, keine Doorway-Varianten und keine massenhaft dünnen Inhalte erzeugen.

5. Autorität und Evidenz

Primärquellen bevorzugen, Statistik mit Datum/Methodik versehen, praktische Erfahrung zeigen, echte Autorenschaft und relevante Qualifikation nennen, Fakt/Schätzung/Meinung/Anbieteraussage trennen und übertriebene oder veraltete Aussagen entfernen. Keine Statistiken, Zitate, Kunden, Rezensionen, Auszeichnungen, Qualifikationen oder Quellen erfinden.

6. Externer Konsens

Für Empfehlungsziele seriöse Bewertungsplattformen, Fachgemeinschaften, Branchenberichterstattung, redaktionell verdiente Reichweite, YouTube, Podcasts, Transkripte und konsistente Organisationsdaten prüfen. Nur authentische Beteiligung empfehlen; keine falschen Bewertungen, verdeckten Platzierungen, Wikipedia-Manipulation, Forenspam oder erfundenen Belege.

7. Maschinenlesbare Ergänzungen

llms.txt, öffentliche Markdown-Dokumentation, transparente Preis-/Spezifikationsdateien oder Feeds höchstens als messbare Zugänglichkeits-/Discovery-Experimente behandeln. Mit sichtbarem kanonischem Inhalt konsistent halten, nur wartbar einführen, keine vertraulichen Daten oder geschütztes Materia

阅读完整来源 ↗