GEO 網站審計
概述
只憑一個網址,從外部排查網站在一個或多個國家 / 語言市場的 AI 搜尋可見度,輸出客戶可以照著改的報告。
核心原則:按證據強度分配精力。最大的槓桿依次是 能被抓取 → 能被檢索 → 能被吸收 → 站外有人提及,而不是改寫文案的套路。每條建議都必須引用 references/evidence.md 的證據編號和強度。
本 skill 遵循開放的 Agent Skills 格式,可在 Claude Code、Codex、Cursor 等工具中使用,用 bash <skill>/install.sh 安裝到各工具的 skill 目錄。下文所有路徑都相對於 本 SKILL.md 所在的目錄(記為 <skill>)。
何時不用
- 傳統 SEO 全量審計(外鏈、關鍵字排名):只在與 GEO 相關時提及。
- 調用 AI 介面實測可見度:不做,報告中只給手動方法。
- 直接修改客戶網站:只出報告,最多附 1–2 段示範改寫。
需要的環境能力
| 能力 | 用途 | 沒有時怎麼辦 |
|---|---|---|
| shell + Python 3 | 執行 <skill>/scripts/ 下的檢測腳本(只用標準庫) | 無法審計,告知用戶 |
| 網路存取 | 腳本抓取客戶網站 | 第 1 步的試跑會發現,停止並提示用戶開啟聯網 |
| 網頁搜尋工具(Claude Code 中為 WebSearch) | 站外提及 | 站外一節寫「未能檢測(目前環境無網頁搜尋)」,不得省略該節 |
| 網頁抓取工具(Claude Code 中為 WebFetch) | 讀站外頁面 | 用 curl 代替 |
| 檔案寫入工具 | 寫報告 | 用 shell heredoc |
| Chrome / Chromium(可選) | 渲染對比 | 腳本自動標「未檢測」 |
檔案
| 檔案 | 用途 |
|---|---|
scripts/crawl_check.py | robots.txt 對 AI 爬蟲的放行(RFC 9309)、UA 攔截對照、sitemap、canonical、noindex、HTTPS、llms.txt、ICP、hreflang(HTML / HTTP Link 頭 / sitemap 三來源及雙向檢查) |
scripts/render_diff.py | 不執行 JS 時與渲染後的正文比例 |
scripts/page_audit.py | 標題層級、證據單元、結構化資料、作者與更新時間、canonical、hreflang;--save-html 儲存原始 HTML |
references/checklist.md | 通用檢查清單與 P0/P1/P2 規則 |
references/markets/<代碼>.md | 市場檔案:cn us jp kr de fr es;未建檔市場用 _generic.md |
references/evidence.md | 證據庫 E1–E16 |
references/ai-crawlers.md | 爬蟲用途、無公開 UA 的引擎、偽裝 UA 的局限 |
references/report-template.md | 報告結構與寫作規則(必須使用) |
所有腳本的通用參數:python3 <skill>/scripts/<腳本>.py <url> [更多 url…] [--proxy URL] [--timeout 秒] [--lang 語言標籤] [--out 檔案.json],結果以 JSON 輸出到標準輸出,任何情況下退出碼都是 0。crawl_check.py 只接受一個 url,另有 --markets cn,us,jp。
審計流程
先建立輸出目錄 geo-report-<主機名>-<YYYYMMDD>/(放在當前工作目錄下;<主機名> 取首頁最終位址的主機名原樣,如 www.example.com),所有原始資料都存在這裡。報告檔案 geo-report-<主機名>-<YYYYMMDD>.md 與它放在同一級。
-
收集上下文
- 網址必填。品牌、主營業務缺失時詢問一次,使用者不答就從首頁推斷,並寫入報告的「審計範圍與假設」。
- 報告語言 = 使用者發起審計時所用的語言;使用者另行指定時以指定為準。
- 目標市場(市場代碼列表):使用者點名的優先。沒說時,先跑第 2 步,再從
crawl.json的hreflang和語言切換器推斷,請使用者確認一次。一次審計預設最多 3 個市場;無人回答時取「網站預設語言對應的市場 + hreflang 中已建檔的市場裡最多 2 個(按 cn、us、jp、kr、de、fr、es 的順序)」,其餘列為「本次未審計的市場」。使用者明確要求更多時照做,但頁數和時間預算不變。 - 市場按國家或地區劃分。
zh-TW/zh-HK、en-GB等非美國英語、de-AT/de-CH、fr-BE/fr-CA等都走_generic,參考關係見markets/_generic.md第 1 節。 - 確認審計機的網路出口國家(例如
curl -s https://ipinfo.io/country)。
-
可抓取檢查(同時是聯網試跑)
python3 <skill>/scripts/crawl_check.py <url> --markets <代碼列表> --lang <首個目標市場的語言標籤> --out <輸出目錄>/crawl.json- 如果
homepage和robots都是網路錯誤,說明目前環境不能聯網:停止,告訴使用者需要開啟聯網(Codex 的開啟方式見 README),不要出空報告。 - 讀
ai_crawlers(relevant為 true 的重點看)、ua_blocking、homepage、robots.value.source、meta_robots、x_robots_tag、canonical、https、sitemap、icp、hreflang、other_domains。判定規則見references/checklist.md,本地爬蟲見各市場檔案第 4 節。 sitemap.value.truncated為 true 時,count只是已讀取的數量,不是全站總數。- 其他主機上的語言版本:
hreflang.declared中位於其他域名 / 子域名、且屬於已選目標市場的版本,納入本次審計,對其首頁再跑一次crawl_check.py,輸出為crawl-<主機名>.json。沒有在 hreflang 中聲明的其他域名(other_domains)只在報告中提示,建議另行審計。
- 如果
-
選重點頁:每個目標市場至少 2 頁(該市場的語言版本),總數不超過 20。優先:首頁、核心產品 / 服務頁、對比頁、定價頁、關於頁、內容頁。來源優先使用 sitemap 和導航。
-
渲染對比:每次傳 1–5 個 URL,超時 30 秒,用對應市場的語言:
python3 <skill>/scripts/render_diff.py <url1> <url2> --timeout 30 --lang ja-JP --out <輸出目錄>/render-1.json -
單頁審計並閱讀正文:
python3 <skill>/scripts/page_audit.py <url1> <url2> … --lang ja-JP --save-html <輸出目錄>/html --out <輸出目錄>/pages-jp.json- 腳本只負責計數,並排除
<nav>和頁面級<header>、<footer>中的連結與標題。 - 閱讀正文時讀
--save-html儲存的檔案,不要另寫抓取腳本,也不要把中間檔案放到輸出目錄以外。 - 要判斷的內容:有沒有定義句、對比、步驟、可核實的資料,是否一段只講一個主張;隱藏正文(折疊的 FAQ 只在 JS 資料裡、數字動畫在 HTML 中顯示為 0);當地語言版本是否為人工本地化、是否有機翻痕跡;市場檔案第 7 節的本地化要點。
- 腳本只負責計數,並排除
-
可檢索判斷:每個目標市場用當地語言推演 10–20 個問題,句式參考市場檔案第 6 節,涵蓋認知 / 對比 / 決策 / 售後。逐條判斷該市場語言版本中是否有頁面直接回答,填入報告的「問題覆蓋表」(當地語言原文 + 報告語言譯文)。
-
站外提及:用網頁搜尋工具,按市場檔案第 5 節的平台逐一查詢,記錄有 / 無 / 未能檢測與代表連結。需要登入的平台不查。
-
儲存審計選擇:寫入
<輸出目錄>/audit.json:{"target": "", "markets": ["jp", "us"], "report_language": "ja", "brand": "", "business": "", "pages": {"jp": ["…"], "us": ["…"]}, "questions": {"jp": ["…"], "us": ["…"]}, "offsite_queries": {"jp": ["…"], "us": ["…"]}, "extra_hosts": ["…"], "proxy_country": {"jp": "JP"}, "date": "YYYY-MM-DD"}proxy_country只記錄用過哪個國家的出口(沒用過寫{}),不記錄代理位址。 -
寫報告:按
references/report-template.md的結構,用報告語言書寫。章節編號固定,不適用的寫「不適用」。
複查模式
使用者提供上一次的 geo-report-<主機名>-<日期>/ 目錄時:讀取其中的 audit.json,沿用同樣的市場、重點頁、推演問題和站外查詢詞,重新執行第 2–7 步,填寫報告的「整改前後對比」章節。
舊版 audit.json 使用 "market": "cn" | "global" | "both",按以下規則換算:"cn" → cn;"global" → us;"both" → cn,us。舊版的 questions 鍵 global 對應 us。
限流與時間預算
- 腳本已內建退避:遇到 429 或帶 Retry-After 的 503 會等待後重試一次,並自動放慢後續請求。結果中出現
rate_limited: true,或多個頁面連續返回 429 時:- 把剩餘重點頁減到每個市場 2 頁;
- 在報告「審計範圍與假設」中寫明「站點限流,抽查頁數已減少」。
- 被限流時單個腳本可能執行數分鐘(等待 Retry-After)。執行腳本時把 shell 超時設為 10 分鐘,或放到背景執行,不要因超時中斷而丟失 JSON 輸出。
- 整次審計建議在 45 分鐘內完成。超過時停止新增抓取,用已有資料寫報告,並註明未完成的檢查。
- 禁止為規避限流輪換代理或出口 IP,也不要改 UA、加速重試。
- 只有兩種情況可以用
--proxy指定某個國家的出口:測試該目標國家的可達性;站點按訪問地區返回不同內容。用了哪個國家的出口要寫進報告,只寫國家,不寫代理位址(代理位址屬於審計方的內部資訊,報告和audit.json都要交給客戶)。
判讀要點
| 腳本結果 | 含義 | 報告怎麼寫 |
|---|---|---|
ai_crawlers 中檢索類或用戶觸發類為 fail | robots.txt 明確攔截 | P0 |
ai_crawlers 中為 unknown | robots.txt 讀不到 | 寫「未能檢測」及原因 |
ai_crawlers 中訓練類為 warn | 攔截了訓練爬蟲 | 只說明利弊 |
ua_blocking 為 suspect | 瀏覽器 UA 正常,偽裝的 AI UA 被攔 | P1,「疑似」,請客戶核對 CDN/WAF 或伺服器紀錄 |
ua_blocking 為 warn / unknown | 都被攔 / 被限流或請求失敗 | 說明審計受限 |
homepage 為 unknown | 審計機被 WAF 挑戰 | 不是「網站不可用」,需從其他網路核實 |
render_diff 的 ratio < 0.5 | AI 爬蟲基本看不到正文 | P0,列出 js_only_headings |
hreflang.alternates 中 fail / warn | 語言版本打不開 / 不雙向 | P1 / P2 |
任意項為 unknown | 沒能檢測 | 寫「未能檢測」及原因,不評價 |
llms_txt | 只記錄有無 | 放進「不建議投入」 |
raw_words / rendered_words | 中日韓文字每字計 1,其他語言按單詞計 | 不同語言的字數不能直接比較 |
紅線
- 每條問題都要有證據,每條建議都要標證據編號和強度。目標市場不是
us時加「(推斷)」,除非市場檔案第 8 節另有說明。未建檔市場註明「該市場未建檔,證據較弱」。 - 沒抓到的內容寫「未能檢測」,不能憑印象評價。
- 不建議編造資料、偽造評價、刷評、隱藏給 AI 的指令、貶低競品,也不建議用機器翻譯批次產生多語言版本(E13)。
- 不把 llms.txt、FAQ 化、Schema、權威語氣當作核心建議(E10、E9、E7)。
- 不承諾流量或排名的提升(E15)。
- 報告語言必須與使用者提問的語言一致(使用者另行指定時除外)。
常見錯誤
- 把
suspect當成確定的攔截:只有 robots.txt 的明確攔截才是 P0。 - 用 Google 排名推斷 AI 可見度:兩者重疊很低(E13),各市場、各引擎要分開看。
- 用報告語言推演問題:推演問題要用目標市場的當地語言和當地用戶的問法。
- 只看腳本計數就下結論:
numbers多不代表資料可核實,external_links也可能混入用<div>寫的頁腳連結,要看正文。 - 把 sitemap 的
count當成全站頁面數:truncated為 true 時要註明。 - 被限流後硬撐:按「限流與時間預算」一節減少頁數,不要自寫迴圈長時間等待。
- 漏掉其他主機上的語言版本:
hreflang中宣告在其他域名的目標市場版本要納入審計。