AIEO 服务流程: 诊断(生成问题库初稿) → 定位(修正迭代问题库) → 内容(使用问题库) → 监控(使用问题库)

AIEO 效果监控 Skill#

专业的 AI Engine Optimization 效果监控工具，帮助品牌定期追踪和评估 AIEO 优化效果，包括 AI 可见性变化、内容质量评估、竞品动态监测和业务转化追踪。

核心价值#

AIEO 监控的特殊性#

与传统 SEO 监控不同，AIEO 监控面临独特挑战：

维度传统SEO监控AIEO监控数据获取GA/Search Console无直接数据，需手动测试结果稳定性相对稳定AI回答存在随机性平台数量主要看Google/百度6+ AI平台需同时监测归因追踪清晰的流量来源间接归因为主更新频率实时/每日每周/每两周

监控三层体系#

text

┌─────────────────────────────────────────────────────────────┐
│                     第一层：可见性监控                        │
│         品牌是否被AI提及？排名如何？竞品动态？                  │
├─────────────────────────────────────────────────────────────┤
│                     第二层：质量监控                          │
│         AI回答是否准确？定位是否一致？情感是否正面？            │
├─────────────────────────────────────────────────────────────┤
│                     第三层：转化监控                          │
│         品牌搜索量变化？官网流量变化？业务指标变化？            │
└─────────────────────────────────────────────────────────────┘

---

报告输出规范#

保存位置#

text

monitoring/

命名格式#

text

{品牌名}_AIEO监控报告_{YYYY-MM-DD}.md

示例：
- 百威中国_AIEO监控报告_2025-12-13.md
- 飞鹤奶粉_AIEO监控报告_2025-12-13.md
- OurSchool_AIEO监控报告_2025-12-13.md

截图保存#

text

monitoring/screenshots/
├── {品牌名}_{平台名}_{问题编号}_{日期}.png
├── 百威中国_豆包_Q1_2025-12-13.png
└── ...

---

监控指标体系#

一、可见性指标 (Visibility Metrics)#

指标代码指标名称定义计算方式目标值V-1AI提及率品牌被AI提及的问题比例提及问题数/测试问题数>80%V-2AI首推率品牌被首先推荐的比例首推问题数/测试问题数>30%V-3平台覆盖率品牌在各平台的覆盖有提及平台数/总平台数>70%V-4竞品提及率竞品被同时提及的比例用于竞争分析监测

二、质量指标 (Quality Metrics)#

指标代码指标名称定义评估方式目标值Q-1内容准确率AI回答中信息的准确性人工评估>90%Q-2定位一致率AI描述与目标定位的一致性对照定位声明>70%Q-3情感正面率AI描述的情感倾向正面/中性/负面>70%Q-4信息完整率核心信息点的覆盖程度检查核心卖点>60%

三、业务指标 (Business Metrics)#

指标代码指标名称数据来源监测频率B-1品牌搜索量Google Trends / 百度指数每周B-2官网流量GA4 / 百度统计每周B-3AI来源流量GA4 UTM标记每周B-4品牌词转化电商后台 / CRM每月

---

监控问题库#

问题库来源#

监控阶段使用定位阶段输出的问题库定稿（v2.0）作为监控基准：

text

问题库获取路径:
audits/positioning/{品牌名}_问题库_*.md

注意: 问题库经过诊断(v1.0初稿)→定位(v2.0定稿)的迭代，已包含完整的核心问题和扩展问题。

问题库流转示意#

text

诊断阶段                    定位阶段                     内容阶段                    监控阶段
    │                          │                           │                          │
    ▼                          ▼                           ▼                          ▼
生成问题库初稿 ──────→ 修正/扩展问题库 ──────→ 基于问题库生成FAQ ──────→ 使用问题库监控
(v1.0 初稿)              (v2.0 定稿)              (内容输出)                (追踪变化)
    │                          │                           │                          │
audits/diagnosis/        audits/positioning/       content/                  monitoring/

监控问题选取原则#

从问题库定稿中选取 20-40 个核心问题作为监控基准：

问题类型建议数量选取优先级来源品牌认知类 (BR)5-8题P0 必选问题库 Tier 1品类推荐类 (CR)5-8题P0 必选问题库 Tier 1对比决策类 (CP)5-8题P0 必选问题库 Tier 1场景推荐类 (SC)3-5题P1 推荐问题库 Tier 2产品详情类 (PD)2-3题P2 可选问题库 Tier 2行业专属问题3-5题P1 推荐问题库 Tier 3

基准问题设定#

首次监控时，读取问题库定稿设定监控基准：

text

Step 1: 读取问题库定稿
        Glob: audits/positioning/{品牌名}_问题库_*.md
        Read: 最新版本的问题库

Step 2: 选取监控问题
        - 全部 Tier 1 问题（约15题）
        - 筛选 Tier 2 核心问题（约10题）
        - 筛选 Tier 3 行业关键问题（约5题）

Step 3: 记录监控基准
        在监控报告中记录本次使用的问题清单
        后续监控使用相同问题集，确保可比性

Step 4: 问题集更新
        当定位策略调整时，同步更新监控问题集
        记录变更历史，便于趋势分析

---

AI 平台测试配置#

必测平台矩阵#

平台URL优先级免登录监测重点豆包doubao.comP0是(有限制)国内主流用户Kimikimi.moonshot.cnP0是深度内容消费者文心一言yiyan.baidu.comP0否百度生态用户DeepSeekchat.deepseek.comP1是技术人群Perplexityperplexity.aiP1是国际市场参考ChatGPTchat.openai.comP2否国际市场参考

Playwright MCP 自动化测试#

使用 Playwright MCP 进行自动化测试：

text

测试流程：
1. mcp__playwright__browser_navigate → 导航到AI平台
2. mcp__playwright__browser_snapshot → 获取页面快照定位输入框
3. mcp__playwright__browser_type → 输入测试问题
4. mcp__playwright__browser_press_key (Enter) → 发送问题
5. mcp__playwright__browser_wait_for → 等待AI响应
6. mcp__playwright__browser_snapshot → 获取AI回答
7. mcp__playwright__browser_take_screenshot → 截图保存证据

---

监控频率建议#

按阶段推荐#

阶段时间段监控频率监控范围初期优化后1-3个月每周一次全量问题+全平台稳定期优化后3-6个月每两周一次核心问题+重点平台维护期优化后6个月+每月一次抽样问题+主要平台

特殊监控时机#

• 内容发布后: 新FAQ/对比内容上线后3-7天
• 竞品动态: 发现竞品优化动作后立即监测
• 负面舆情: 发现负面AI回答后立即监测
• 重大事件: 品牌重大活动/事件前后

---

监控报告结构#

完整的监控报告应包含以下章节：

markdown

# {品牌名} AIEO监控报告

**监控日期**: YYYY-MM-DD
**监控周期**: 第X周/月
**对比基准**: 上次监控日期

---

## 一、核心指标摘要

| 指标 | 本期 | 上期 | 变化 | 趋势 |
|------|------|------|------|------|
| AI提及率 | XX% | XX% | +X% | ↑/↓/→ |
| AI首推率 | XX% | XX% | +X% | ↑/↓/→ |
| 定位一致率 | XX% | XX% | +X% | ↑/↓/→ |
| 情感正面率 | XX% | XX% | +X% | ↑/↓/→ |

**整体评价**: [进步/稳定/需关注]

---

## 二、AI可见性详情

### 2.1 各平台测试结果

| 问题 | 豆包 | Kimi | 文心 | DeepSeek | Perplexity |
|------|------|------|------|----------|------------|
| Q1: [品牌]怎么样？ | ✅首推 | ✅提及 | ❌ | ✅提及 | ✅首推 |
| Q2: [品类]推荐 | ✅提及 | ✅首推 | ✅提及 | ❌ | ✅提及 |
| ... | ... | ... | ... | ... | ... |

### 2.2 与上期对比

[变化分析]

### 2.3 竞品动态

| 竞品 | 本期提及率 | 上期提及率 | 变化 |
|------|-----------|-----------|------|
| 竞品A | XX% | XX% | +X% |
| 竞品B | XX% | XX% | -X% |

---

## 三、内容质量评估

### 3.1 准确性检查

[AI回答中是否有错误信息]

### 3.2 定位一致性

[AI描述是否符合目标定位]

### 3.3 需修正的AI回答

[列出需要通过内容优化来修正的AI回答]

---

## 四、业务指标追踪

### 4.1 品牌搜索趋势

[Google Trends / 百度指数数据]

### 4.2 官网流量变化

[GA4 / 百度统计数据]

### 4.3 转化指标

[相关业务转化数据]

---

## 五、发现与建议

### 5.1 本期亮点

- [正面发现1]
- [正面发现2]

### 5.2 需关注问题

- [问题1及建议对策]
- [问题2及建议对策]

### 5.3 下期优化重点

1. [优化建议1]
2. [优化建议2]

---

## 六、附录

### 测试截图

[截图链接或目录]

### 原始数据

[详细测试记录]

---

**生成工具**: AIEO Monitoring Skill
**版本**: v1.0
**生成日期**: YYYY-MM-DD

---

执行流程#

完整监控流程#

text

Step 1: 获取历史基准
        - 读取上一次监控报告（如有）
        - 读取诊断报告作为初始基准
        - 确定监控问题集

Step 2: 执行AI平台测试
        - 使用 Playwright MCP 自动化测试
        - 按平台优先级依次测试
        - 记录所有AI回答并截图

Step 3: 数据记录与分析
        - 统计各项指标
        - 与上期/基准对比
        - 分析变化原因

Step 4: 质量评估
        - 检查AI回答准确性
        - 评估定位一致性
        - 识别需修正内容

Step 5: 业务指标收集
        - 获取品牌搜索趋势数据
        - 获取官网流量数据
        - 关联业务转化数据

Step 6: 生成报告
        - 按报告模板整理内容
        - 保存至 monitoring/ 目录
        - 命名: {品牌名}_AIEO监控报告_{日期}.md

快速监控流程#

仅执行核心可见性测试（适用于周度快速检查）：

text

Step 1: 选取5-10个核心问题
Step 2: 测试3-4个主要平台（豆包、Kimi、文心、Perplexity）
Step 3: 记录提及率和首推率
Step 4: 与上期快速对比
Step 5: 生成简要监控记录

---

必需工具清单#

基础必需（免费）#

工具用途优先级AI平台直接测试可见性监控P0 必须Google Trends品牌搜索趋势P0 必须百度指数国内搜索趋势P0 必须GA4官网流量分析P0 必须百度统计国内流量分析P1 推荐

进阶可选（付费）#

工具用途价格参考Profound自动化AI监控$500+/月Otterly.aiAI可见性追踪$200+/月Brand24品牌舆情监控$100+/月

---

触发关键词#

当用户提到以下关键词时，自动调用此 Skill：

• "AIEO监控" / "AI监控" / "效果监控"
• "可见性追踪" / "AI可见性监测"
• "监控报告" / "定期监测"
• "效果评估" / "AIEO效果"
• "品牌追踪" / "AI表现追踪"

---

Resources#

references/#

• monitoring_metrics.md - 监控指标详细定义和计算方法
• tools_guide.md - 监控工具使用指南

assets/#

• monitoring_report_template.md - 监控报告模板
• quick_check_template.md - 快速检查模板
• tracking_spreadsheet.md - 追踪表格模板

shared/（跨 Skill 共享资源）#

• question_library.md - 统一问题库（监控问题来源）

---

与其他 Skill 的协作#

输入依赖#

Skill提供内容aieo-diagnosis初始基准数据、竞品列表、测试问题aieo-positioning目标定位声明、核心信息点aieo-content已发布内容清单、FAQ列表

输出价值#

输出用途可见性变化趋势评估优化效果需修正的AI回答指导内容迭代竞品动态调整竞争策略业务归因数据证明AIEO ROI

---

评分标准#

AI可见性评分#

得分评级说明0-20%🔴 危险紧急需要优化21-50%🟠 待改进需要系统优化51-70%🟡 一般有基础，需强化71-90%🟢 良好保持并持续优化91-100%⭐ 优秀行业领先水平

趋势评估#

趋势符号定义上升↑较上期提升5%以上稳定→较上期变化在±5%以内下降↓较上期下降5%以上

---

快速参考#

监控检查清单#

• 监控问题集已确定（20-40题）
• 测试平台已覆盖（至少4个主要平台）
• 截图已保存
• 指标已计算并与上期对比
• 质量评估已完成
• 业务指标已收集
• 报告已生成并保存至 monitoring/ 目录
• 下期优化建议已明确

常见问题处理#

情况处理方式AI回答不稳定同一问题测试2-3次取众数平台需要登录优先测试免登录平台，记录限制首次监控无对比基准使用诊断报告数据作为基准业务数据获取困难先聚焦可见性监控，逐步完善