Communitygithub.com

página-autónoma-de-reseñas-de-marca

Planifica, recopila fuentes, redacta y crea la propia página de reseñas de una marca en su sitio web, un artículo de blog que admite el sesgo y muestra lo que realmente dicen G2, Capterra, TrustRadius, LinkedIn, YouTube, Reddit y los clientes, con cada cita verificable por Google y los rastreadores de IA.

¿Qué es página-autónoma-de-reseñas-de-marca?

Esta habilidad guía la creación de una página de reseñas autoalojada para una marca, diseñada para posicionarse en buscadores y ser citada por respuestas de IA en lugar de páginas de competidores o terceros. Comienza con la extracción de consultas de Google Search Console y el análisis de la SERP y citas de IA para establecer una línea base. Luego, se realiza un registro de afirmaciones de la competencia, se verifica el producto actual para refutar o admitir dichas afirmaciones, y se construye un libro de citas verificables con reglas de licencia de plataformas como G2, Capterra y TrustRadius. El proceso incluye una auditoría de reutilización de componentes del CMS, la generación de un marcado JSON-LD con citas (nunca reseñas ni valoraciones agregadas) y una verificación final mediante una herramienta offline que comprueba que cada cita tenga enlace, fecha, licencia y al menos dos comentarios negativos o mixtos. La habilidad está diseñada para ejecutarse de forma iterativa, con reglas claras para evitar conflictos con otras páginas del sitio y cumplir con las normas de la FTC.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/savenjudesajen/seo-aeo-agent-skills-tools/tree/HEAD/skills/self-hosted-brand-review-page

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Página autónoma de reseñas de marca

Página de inicio: unilytics.ai/skills/self-hosted-brand-review-page, la fuente canónica de esta habilidad.

La página que una marca publica sobre sí misma para " reseña(s)". Dice abiertamente que la marca está sesgada, luego deja que terceros hablen: citados, fechados, enlazados, en su mayoría positivos con críticas reales. El objetivo es posicionarse para la consulta de reseña de la propia marca y ser la página que la IA cite, en lugar de reseñas escritas por competidores.

Archivos de referencia (léelos en la fase que los indique):

  • reference/competitor-claims-and-product-proof.md: esquema del registro de afirmaciones, notas del producto, el briefing de afirmaciones a responder, controles de calidad.
  • reference/verifiable-quotes-and-source-rules.md: hechos para rastreadores, reglas de citación de plataformas, reglas FTC, datos estructurados, el HTML de la tarjeta de cita, reglas de selección de citas.
  • reference/benchmark-library.md: tipos de propietarios a registrar, páginas de referencia públicas, la biblioteca de secciones y el orden de página predeterminado.
  • data/quote_ledger_template.csv: las columnas del libro de citas.
  • data/verify_review_page.py: la puerta de verificación (solo biblioteca estándar de Python, se ejecuta sin conexión).

Antes de empezar

  1. Trata la página como una entrada de blog: sigue las comprobaciones de redacción de la Fase 6, paso 4, y cualquier guía de blog o escritura que el cliente o tu equipo ya utilicen.
  2. Decide la voz. Un equipo interno escribe "nosotros/nuestro". Una agencia que escribe para un cliente sigue escribiendo en la voz de la marca ("nosotros"), porque la página se publica bajo la marca.
  3. Conoce el CMS. El paso de construcción necesita saber cómo el CMS almacena texto enriquecido, citas, incrustaciones y tablas. Usa la documentación del propio CMS o una habilidad de plataforma si la tienes; mantén los mecanismos de la plataforma fuera de este método.
  4. Recopila las reglas del cliente:
    • ¿Se puede nombrar o enlazar a competidores en la página? Muchos clientes dicen que no.
    • ¿Qué política de citación se aplica? Los términos de las plataformas difieren (los términos del perfil gratuito de G2 restringen citar texto de reseñas, TrustRadius pide una licencia, Capterra permite citar con un enlace, un descargo de responsabilidad y un límite de antigüedad; consulta el archivo de reglas de fuentes). Explica los términos al cliente una vez, obtén su decisión por escrito, regístrala en la columna permission_note de cada fila del libro de citas, y no la reabras en cada ejecución.
  5. Encuentra la guía de estilo o el documento de mensajes del cliente (voz, palabras prohibidas, reglas de estructura, línea de posicionamiento, puntos de prueba), donde sea que el cliente lo guarde. Prevalece sobre cualquier otra guía de escritura en caso de conflicto.
  6. Obtén acceso de solo lectura al producto del cliente (un inicio de sesión que uses en un navegador, solo lectura). La Fase 1b depende de ello.

Fase 0. Diseccionar el briefing

Extrae todos los requisitos de las notas de la llamada, el correo electrónico o el ticket en una lista breve. Las preguntas que todo briefing debe responder (pregunta lo que falte):

  • La consulta objetivo y el resultado a superar: ¿qué página ocupa actualmente el primer puesto para la consulta de reseña de la propia marca, y debe la nueva página reemplazarla?
  • El encuadre del sesgo: ¿quiere el cliente que la página admita abiertamente que es la marca la que habla, y luego ceda la palabra a voces externas?
  • Las fuentes: plataformas de reseñas, creadores de LinkedIn, YouTube, historias de clientes, hilos de la comunidad.
  • El equilibrio: cuánta crítica acepta el cliente (se requiere cierta crítica; véase la Fase 4).
  • El formato: ¿una entrada de blog o guía en tono, o una página de aterrizaje diseñada?
  • Cualquier cosa fuera de la página en sí (por ejemplo, una solicitud de corrección a un tercero, u otra pieza de contenido) es una tarea separada. Anótala; no la fusiones.

Fase 1. Línea base: quién responde hoy a la consulta de reseña

  1. Consultas para optimizar, a partir de los datos de búsqueda propios de la marca (obligatorio). Extrae cada consulta en la que alguien evalúa la marca, desde Search Console (usa tu propio conector de Search Console o una exportación), o desde la exportación masiva de Search Console a BigQuery cuando la propiedad la tenga (conserva la cola larga anonimizada que la interfaz de usuario recorta). "Reseña" es solo una de las palabras que la gente usa: también preguntan "¿es buena?", "¿cómo es ?", "¿vale la pena ?", "¿es legítima ?", "¿debería usar ?", "¿qué opina la gente de ?". Consulta con una expresión regular en ambos órdenes de palabras y en todas las grafías de la marca (la expresión regular de Search Console es RE2; en la URL de la interfaz de usuario es &query=~<regex codificado>), por ejemplo: <b> ?<rand>.*(review|rating|worth|legit|good|bad|scam|honest|pros|cons|opinion|reddit|feedback|testimonial|experience|complain|like|how is|is it|should|recommend|g2|capterra|trustradius|thoughts|safe|reliable|quality|better|useful|difficult|hard|easy)|(review|is |how |worth|legit|good|honest|opinion|thoughts|anyone|should|what do).*<b> ?<rand> La expresión regular es una red deliberadamente amplia que puede devolver cientos de filas. Lee cada fila y decide manualmente a cuáles responde la página de reseñas; una expresión regular nunca decide la relevancia. Usa los últimos 16 meses, dimensiones de consulta y luego página, y mantén las impresiones como una métrica de primera clase (estas consultas suelen mostrar muchas impresiones y casi ningún clic, porque ninguna página de la marca las responde). Para extracciones rápidas por URL y por consulta, usa gsc-url-queries. Luego:
    • La consulta principal (" reseñas" vs " reseña") define el H1 y el título.
    • Las consultas conversacionales largas (" reseñas de gestores de operaciones", " reseña para autónomos", "¿debería una pequeña agencia cambiarse a ? ¿qué piensan realmente los usuarios?") son la forma de las búsquedas en modo IA y de la propagación de LLM. Cada audiencia o ángulo en ellas se convierte en una sección: agrupa los grupos de elogios por los roles que nombran las consultas (las plataformas de reseñas filtran por rol y tamaño de empresa), y responde "¿vale la pena?" y "¿es una buena herramienta?" en el TL;DR.
    • Registra qué URL de la marca, si la hay, ya recibe las impresiones, y su posición media. Esa página necesita un enlace a la nueva, y la nueva página no debe competir con ella.
    • Espera dos tipos de filas. Las consultas humanas cortas (" reseñas", "¿es buena para equipos pequeños?", " reddit") son la demanda a ganar. Las indicaciones largas y plantilladas con recuentos de impresiones casi idénticos (indicaciones de comparación que preguntan cuál de dos proveedores es mejor con pros y contras, o que piden clasificar una lista de proveedores) provienen de rastreadores de visibilidad de IA y de la propagación de LLM que golpea Google. No son personas, así que no las cuentes como demanda de búsqueda, pero muestran qué comparaciones y preguntas de pros y contras se les hacen a los motores de respuesta sobre la marca, y la página debe responder esos ángulos.
    • Dirige por intención: las filas de " vs " pertenecen a páginas de comparación, "¿qué es ?" a la página de inicio o de producto, las filas de precios a la página de precios. La página de reseñas toma las evaluativas (reseña, bueno, vale la pena, legítimo, honesto, de confianza, los revisores dicen, pros y contras, fácil de usar, soporte, reddit) y enlaza al resto.
    • Guarda la extracción como una hoja con una columna de Fuente (propiedad, rango de fechas, filtro) y vuelve a extraerla 4 y 8 semanas después del lanzamiento para leer el cambio en impresiones, clics y posición.
  2. SERP para " reseña", " reseñas", "¿vale la pena ?", " pros y contras", " precios", " alternativas" (el mercado principal del cliente). Para cada resultado del top 20, registra el tipo de propietario: competidor, independiente, plataforma de reseñas, UGC, reseñas de empleadores, marca. Anota AI Overview, People Also Ask, video pack y foros.
  3. Comprueba si /reviews o una URL similar existe en el sitio de la marca (los 404 son comunes).
  4. Línea base de IA: ejecuta las mismas preguntas como indicaciones en una herramienta de seguimiento de indicaciones (o manualmente en cada motor de respuestas) y lista las URLs citadas. Estas son las páginas que la nueva debe desplazar.
  5. Registro de afirmaciones de la competencia (obligatorio, empieza aquí). Lee cada página del top 20 para las consultas de reseña, alternativas, precios y si vale la pena, escritas por competidores o no, y registra cada afirmación que hacen sobre la marca en claims_register.json: por página, el tipo de propietario, y por afirmación, una paráfrasis, un fragmento corto, tema, polaridad, un tipo (OUTDATED_POSITIONING, FEATURE_GAP_CLAIM, PRICING, UX, OTHER) y un grupo recurrente; luego un resumen recurring con el número de páginas distintas por afirmación. Ejecútalo como un subagente. Esquema y reglas: reference/competitor-claims-and-product-proof.md. El registro alimenta tres cosas: la sección de críticas, el briefing de afirmaciones a responder del que trabaja el redactor (Fase 5) y, si el cliente lo desea, una solicitud de corrección a un tercero (descripciones desactualizadas y precios antiguos, por URL).
  6. People Also Ask más herramientas de preguntas fundamentadas (AlsoAsked o similar) para las FAQ. Sin preguntas inventadas.

Fase 1b. Usa el producto, luego responde a las afirmaciones

Las reseñas de la competencia describen el producto tal como era. La respuesta a cada afirmación proviene del producto tal como es, así que ábrelo.

  1. Recorre la interfaz de usuario del producto del cliente en modo de solo lectura y escribe product_notes.md: mapa de navegación, una línea de prueba por afirmación recurrente, lo que no debe publicarse (los propios datos de cuenta del cliente, nombres de clientes en la interfaz de usuario), y lo que no se pudo verificar (restricciones de plan, regiones, precios). Detalle: reference/competitor-claims-and-product-proof.md sección 2.
  2. Marca cada afirmación recurrente como Verdadera, Parcial o No frente a las notas. Una afirmación marcada como No necesita una pantalla en el producto que la refute; una afirmación marcada como Verdadera se admite en la página, idealmente a través de una cita de un revisor real que lo diga.
  3. Construye el briefing de afirmaciones a responder (sección 3 de la referencia): afirmación, recuento de páginas, verdadera hoy, línea de prueba, la sección que la responde. Cada afirmación con 5 o más páginas obtiene un H2, H3 o fila de tabla. Entrega al redactor este briefing junto con el libro de citas y la hoja de consultas.

Fase 2. Benchmark y estructura

  1. Empieza desde reference/benchmark-library.md (tipos de propietarios, páginas de referencia públicas, biblioteca de secciones, orden predeterminado). Añade de 3 a 5 páginas nuevas de la propia categoría del cliente, cualquier industria para las secciones, y captura las secciones que citarás como capturas de pantalla.
  2. Elige secciones de la biblioteca. Mantén los primeros cuatro del orden predeterminado (H1 de sesgo, TL;DR, marcador, grupos de elogios) y la sección de críticas en cada construcción.

Fase 3. Auditoría de reutilización en el CMS del cliente (minimizar el desarrollo)

  1. Decide el alojamiento. Por defecto: un elemento en la colección de blog o artículos existente. Aporta la firma, fechas, tabla de contenidos, campos de resumen y FAQ, esquema Article y el CTA sin trabajo de plantilla, y coincide con un briefing de estilo blog. Una página estática solo merece la pena cuando el cliente quiere pestañas, muros de logotipos y secciones diseñadas que la plantilla de artículo no tiene.
  2. Inventario de piezas reutilizables: componentes de testimonios e historias de clientes, tarjetas de estadísticas de casos de estudio, muros de logotipos, bloques de FAQ, tablas, componentes de video, CTAs, cualquier colección existente de testimonios o historias de clientes. Para cada uno, registra: número de instancias, props, si puede vivir dentro del alojamiento elegido (cuerpo de texto enriquecido o página), y si usa el diseño actual o uno anterior.
  3. Asigna cada sección planificada a: Reutilizar tal cual, Reutilizar con nuevo contenido, Texto enriquecido nativo, o Construir. Apunta a cero filas de Construir en la primera versión.
  4. Comprueba cómo el alojamiento renderiza el texto enriquecido, las tablas y el video en el HTML sin procesar (sin JS). Los complementos de texto enriquecido del lado del cliente y las fachadas de video de carga al hacer clic ocultan contenido a los rastreadores de IA.

Fase 4. Cosechar evidencia en el libro de citas

  1. Copia data/quote_ledger_template.csv. Una fila por cita, columna Fuente rellenada.
  2. Fuentes, en orden de peso: plataformas de reseñas (G2, Capterra, TrustRadius, Gartner Peer Insights, Product Hunt), historias de clientes y seminarios web, publicaciones de LinkedIn de profesionales y creadores, reseñas de YouTube, hilos de Reddit.
  3. Aplica las reglas de selección en reference/verifiable-quotes-and-source-rules.md (solo textual, enlace visible, fecha, posicionamiento actual, al menos dos citas negativas o mixtas) y las reglas de Capterra (límite de 12 meses, descargo de responsabilidad en la página). Establece licence_ok en sí solo una vez que la cita esté autorizada según la política de citación registrada del cliente.
  4. Números del marcador: puntuación, recuento de reseñas y fecha "a partir de" por plataforma, cada uno enlazado al perfil completo.

Fase 5. Entregables

  1. Documento de estructura de página, corto: una tabla de cada sección en orden con el estado (Reutilizar, Nativa, Construir), el componente o campo que usa, y su fuente; luego capturas de pantalla en orden de página, mezclando las piezas propias del cliente y las secciones de referencia. Nada más.
  2. Libro de trabajo de citas: la hoja del libro más como máximo una hoja adicional (estado de licencia de la plataforma).
  3. El borrador de la página en el alojamiento, guardado como borrador y nunca publicado por ti, escrito a partir del briefing de afirmaciones a responder, el libro de citas, la hoja de consultas, product_notes.md y la guía de estilo del cliente: H1 de sesgo, caja de resumen, método, marcador, una respuesta a la principal afirmación desactualizada (un H2 formulado como la pregunta del comprador), grupos de elogios por los roles que nombran las consultas, H3s de críticas con una respuesta cada una, costo, creadores, resultados de clientes, para quién encaja y quién debería omitirlo, "lo que dicen otras reseñas" (la tabla de afirmaciones contadas, sin nombres), dónde leer cada reseña, FAQ. Genera el HTML de texto enriquecido, el libro y la copia de la puerta a partir de un solo script para que una cita no pueda desviarse entre página y libro; ejecuta cada puerta localmente antes de la escritura en CMS; lee el elemento después de escribirlo y compáralo byte por byte con los archivos locales. Las frases del producto provienen únicamente de product_notes.md.
  4. JSON-LD según la sección 4 del archivo de reglas de fuentes: Article más citation; nunca Review o AggregateRating.

Fase 6. Verificar (medido, no afirmado)

  1. Obtén el borrador o la vista previa como HTML sin procesar (GET simple, sin JS) y ejecuta: python -I data/verify_review_page.py --ledger ledger.csv --html page.html --disclosure "<frase de divulgación>" --min-negatives 2 Falla en: una cita colocada sin enlace de origen en el HTML, sin fecha, licencia no autorizada, una cita caducada (regla de 12 meses de Capterra), una Fuente vacía, menos de dos citas negativas o mixtas, marcado Review o AggregateRating, una divulgación faltante. Advierte sobre el libro...

Individual skills in this repo

This repo contains 6 individual skills — each has its own dedicated page.

aeo-keyword-research-and-prompt-simulation

Turn a brand's real search demand into a trackable AI-visibility prompt set. Phase 0 scopes what the client sells; Phase 1 is category-anchored keyword research (Search Console first, a seed chain with a recirculation loop, data-trap and product-fit gates, SERP clustering to pages); Phase 2 builds the prompt universe from the final keyword set (harvested question data first, labelled simulation from a 12-family prompt matrix, answer-type, KPI and stage tags, fan-out blocks, three-source placement cross-checks); Phase 3 runs a baseline and share of voice. Ships a gated workbook (Prompt Map + Keyword Map). Use when asked for keyword research for a client or brand (AEO, GEO or classic SEO keyword research), a prompt universe, prompts to track in a prompt-tracking tool, AI visibility prompt simulation, a keyword-to-prompt map, a second pass on an approved prompt set, loading prompts into a tracker without the full workbook, or to answer a reviewer's comments on a prompt workbook.

aeo-scorecard-lead-gen-engine

Builds an AEO/GEO scorecard lead-gen motion end to end: audits each target account's AI-answer visibility, scores 7 pillars, and turns the result into a live per-account scorecard landing page (Next.js on Vercel), LinkedIn ABM ad creatives and cold plus nurture email sequences, all driven from one master tracking sheet. Use when asked for an AI-search, AEO or GEO scorecard lead magnet or ABM motion, a scorecard and landing page showing which competitor AI recommends instead of a brand, ABM ads and outbound sequences off an AEO audit, deploying a per-account scorecard site, or standing this motion up for a new client or target-account list.

aeo-strategy-audit-deck-and-client-roadmap

Builds a full AEO/GEO strategy audit for a client as three deliverables from one analysis - the audit deck (long form plus a condensed cut of 15 slides or fewer), a strategy workbook (keywords, prompts, topic summary, content plan, scorecard) and a technical workbook - plus a month-by-month client roadmap and tracker. Covers audience research, competitor Pareto and brand vs non-brand analysis, a prompt universe seeded from real queries, an AI-visibility baseline with share of voice, citation-source analysis, a crawl-first technical and raw-HTML schema audit, the topical authority map, the winning-page content strategy, a content-first roadmap and QC gates (deck verify, dedupe, voice sweep). Use when asked for an AEO strategy deck, GEO or AI search audit, AI visibility analysis, answer engine optimization strategy, prompt tracking setup, an AEO roadmap or 90-day plan, a client AEO workbook, or to reuse a previous audit deck for a new client.

doc-template-design

Builds polished client-facing Word documents (.docx) from scratch in a neutral, documented layout (title, meta line, lead, numbered sections, fact tables, header-row tables, status chips, figures, running header and footer), or in a client's brand with colours and fonts measured from their live website and confirmed on a preview, or in the client's own template file. Works out who the document is for and asks when that is unclear. Carries the generator, a browser brand probe and theme builder, a wireframe kit, an offline docx gate and a render audit. Use when asked for a doc, report, brief, recommendation, audit write-up, action request, how-to, checklist or proposal as a Word file, "on brand", "in the client's colours", "in their template", "like a real agency deliverable", or when a document "looks AI generated" and needs a consistent professional layout.

landing-page-structure-cro

Produces a section-structure recommendation for a landing, product or marketing page, benchmarked against competitor pages and sequenced for conversion. Walks the current page section by section with screenshots, inventories competitor pages and de-duplicates every section into one master list (attributing each section type to the competitor that shows it best), flags the sections the page is missing with a competitor proof screenshot for each, and delivers a CRO-sequenced page blueprint as a Word .docx, with an optional pixel-faithful HTML mockup in the site's own design system. Use when the user asks for landing, product or marketing page structure or layout recommendations, "what sections should this page have", a page teardown or audit, a section-order or information-architecture review, a competitor page-structure benchmark, or a conversion-rate-optimization redesign of a page, even if they don't say "CRO" or "sections".

on-brand-diagram-generation

Generates a custom on-brand diagram or explainer illustration for a blog or content page by first reverse-engineering the brand's real visual language from its own published images, capturing it in a style-spec, authoring a matching SVG, proving it with an offline gate script, rendering it to a 2x PNG and (with approval) swapping it into the post. Use when a content refresh needs a new architecture diagram, "how it works" illustration, process flow or concept graphic that does not already exist; when asked to "design a diagram", "generate an image for the blog", "make it match our brand", "redesign this diagram on-brand" or "replace the figure". Works for any brand: the style is derived at run time from the brand's own assets and stored in a style-spec, nothing is hard-coded. Its reason to exist is to never design from imagination: analyse the brand's current design patterns first, build to them, then prove the result is from the same visual family before shipping.

Skills relacionados