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：

监控三层体系

┌─────────────────────────────────────────────────────────────┐
│                     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

monitoring/

命名格式

{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

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)

二、质量指标 (Quality Metrics)

三、业务指标 (Business Metrics)

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：

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

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：

基准问题设定

首次监控时，读取问题库定稿设定监控基准：

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

Playwright MCP 自动化测试

使用 Playwright MCP 进行自动化测试：

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

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：

# {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

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）：

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）

进阶可选（付费）

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

输出价值

评分标准

AI可见性评分

趋势评估

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