企业官网建设流程全解析

Prompt Clusters

【免费下载链接】seomachineA specialized Claude Code workspace for creating long-form, SEO-optimized blog content for any business. This system helps you research, write, analyze, and optimize content that ranks well and serves your target audience.项目地址: https://gitcode.com/GitHub_Trending/se/seomachine

Cluster 1: [Name] (e.g., "General Recommendations")

Core intent:[What the user is really trying to decide]Prompts:

1. [prompt]
2. [prompt]
3. [prompt] ...

Cluster 2: [Name] (e.g., "Feature-Specific Comparisons")

Core intent:[What the user is really trying to decide]Prompts:

1. [prompt]
2. [prompt] ...

这个格式里有一个关键设计：每个集群都要求写明Core intent（核心意图），即“用户真正想做的决策是什么”，而不仅仅是提示词字面意思。例如 "Best [topic] for beginners" 与 "[Topic] pricing comparison" 表面都是“推荐”，但前者要决策的是“哪款适合入门”，后者要决策的是“值不值”。按决策意图聚类，后续的缺口分析才能定位到“品牌在哪类决策场景中缺席”，而不是停留在“缺了哪几个词”的层面。

第三步：抽样审计——实跑 10-15 条关键提示词

第三步是整套流程中唯一涉及“真实数据”的环节：从各集群中挑出优先级最高的 10-15 条提示词，手动在 ChatGPT 和/或 Perplexity 中执行，并逐条记录以下 5 项信息：

1. 你的品牌是否被提及？（是/否，以及出现在什么位置）
2. 引用了哪些来源？（列出 URL）
3. 提到了哪些竞争对手？（列出并标注位置）
4. 哪类来源占主导？（目录站、榜单文章、品牌官网、Reddit 等）
5. AI 对每个推荐包含了什么信息？（功能、定价、优缺点）

文档同时给出了明确的降级路径：如果当前环境没有可用的 AI 工具做实时测试，必须在输出中注明这一点，然后仅执行第 1-2 步并生成审计模板（audit template），留待后续人工执行。这一设计保证了命令在离线环境下依然能产出有价值的交付物，而不会因缺少实时数据而中断——对把该命令嵌入自动化内容流水线的团队来说，这是一个重要的可用性保障。

第 4 项“哪类来源占主导”是整个审计中最具策略价值的数据点。结合 context/ai-citation-targets.md 的五层目标面（Tier 1 软件评测目录 → Tier 2 行业目录 → Tier 3 榜单文章 → Tier 4 社交/社区平台 → Tier 5 口碑平台）可以推断：审计中反复出现的域名会被映射到这五个层级，从而直接决定 off-page 行动清单里“该补哪个目录、该 outreach 哪篇榜单文”的优先级。

第四步：缺口分析（Gap Analysis）

基于审计结果（或基于对行业格局的了解所做的预判），第四步要求从六个维度做缺口分析：

1. 品牌在哪里出现了？列出品牌出现的提示词/集群；
2. 品牌在哪里缺席？列出品牌本应出现却缺席的提示词/集群；
3. 哪些来源占主导？按被引用次数对域名排序；
4. Off-page 目标：应该被收录到哪些目录、榜单文章或平台？
5. On-page 缺口：需要新建或更新哪些博客页面来承接这些提示词？
6. 内容形式缺口：竞争对手是否凭借你所缺失的对比表格、FAQ 或结构化数据取胜？

第 6 条“内容形式缺口”是连接该命令与 SEO Machine 写作流水线的关键桥梁。仓库中.claude/commands/article.md命令内置了一套AI Search Optimization Checklist，恰好对应这些形式要点的检查项，例如：

• 前 1-2 句直接回答问题（不埋在叙事里）——因为 AI 抓取器优先取页面顶部内容；
• 引言之后放置 3-5 条带具体数字/名称的Key Takeaways块；
• FAQ 问题用自然的提示词语言书写（"natural prompt language"），即与第三步审计的提示词措辞对齐；
• frontmatter 中包含作者署名（author attribution）；
• 每个 H2/H3 只讲一个概念，便于被整段抽取引用。

也就是说，第四步识别出的“内容形式缺口”，最终会由/article命令在写作阶段以清单形式强制执行——调研命令与写作命令在此形成了明确的数据契约。

第五步：生成优先级行动计划

第五步要求产出一份分优先级的行动计划，文档给定的模板为：

```markdown ## Action Plan ### Quick Wins (This Week) - [ ] [Action]: [Expected impact] - [ ] [Action]: [Expected impact] ### Content to Create/Update - [ ] [Article topic]: Targets cluster [X], addresses gap [Y] - [ ] [Article topic]: Targets cluster [X], addresses gap [Y] ### Off-Page Actions - [ ] Get listed on [directory]: Cited [N] times across audit - [ ] Outreach to [listicle URL]: Author is [name], approach via [channel] - [ ] Update [platform] profile: [What to add/change] ### Monitor - [ ] Re-run audit in [timeframe] to measure changes - [ ] Track these prompts: [list of highest-priority prompts] ```

模板结构本身传递了执行逻辑：Quick Wins（本周快赢）→ 内容生产 → 站外动作 → 持续监控。其中 Off-Page 一项要求写明“Cited [N] times across audit”（该目录在审计中被引用了 N 次），即把第三步的引用计数直接转成了站外优先级的量化依据；Monitor 一项则要求列出“持续跟踪的高优先级提示词清单”，为周期性复跑留好接口。

输出物：审计报告的文件规范与结构

命令的最终交付物保存为research/ai-citations-[topic-slug]-[YYYY-MM-DD].md（即仓库根目录下的research/目录，与 CLAUDE.md 所载内容流水线topics/ → research/ → drafts/ → review-required/ → published/一致——调研报告统一落在research/环节）。报告必须包含以下完整结构：

```markdown # AI Citation Audit: [Topic] **Date:** [YYYY-MM-DD] **Topic:** [topic] **Total Prompts Generated:** [count] **Prompts Audited:** [count] ## Prompt Clusters [Clustered prompt list from Step 2] ## Audit Results [Results from Step 3, or audit template for manual execution] ## Gap Analysis [Analysis from Step 4] ## Action Plan [Prioritized actions from Step 5] ## Update ai-citation-targets.md? [Note any changes that should be made to context/ai-citation-targets.md based on findings] ``` `

【免费下载链接】seomachineA specialized Claude Code workspace for creating long-form, SEO-optimized blog content for any business. This system helps you research, write, analyze, and optimize content that ranks well and serves your target audience.项目地址: https://gitcode.com/GitHub_Trending/se/seomachine