AI Discoverability Audit

Prüft, wie eine Marke in der KI-Suche (ChatGPT, Perplexity, Claude) erscheint und bewertet Lücken

von BrianRWagner · BrianRWagner/ai-marketing-claude-code-skills

Getestet · Funktioniert ★ 8.4/10

AI Discoverability Audit — Prüft, wie eine Marke in der KI-Suche (ChatGPT, Perplexity, Claude) erscheint und bewertet Lücken

Was es kann

Ein Prompt-Only-Skill, der prüft, wie eine Marke von KI-Assistenten wie ChatGPT, Perplexity, Claude und Gemini beschrieben und empfohlen wird, bewertet dann sechs Dimensionen von 30 und gibt eine nach Prioritäten gestufte Fix-Roadmap mit datierten 30/60/90-Tage-Re-Audit-Checkpoints aus. Wird ausgelöst, wenn der Benutzer KI-Suche, AEO, LLM-Sichtbarkeit, KI-Auffindbarkeit erwähnt oder fragt, wie seine Marke in ChatGPT erscheint. Erfordert Webzugriff oder das Einfügen von Abfrageergebnissen durch den Benutzer, um Plattformen jenseits derer zu testen, die Claude aus eigenem Wissen beantworten kann.

Testbericht

SKILL.md über raw GitHub abgerufen: Frontmatter wird mit name+description geparst, keine Skripte referenziert, keine Sicherheitsmängel; gebündelte references/query-bank.md und SKILL-OC.md liefern beide HTTP 200. Trigger-Phrasen getestet (3 sollten auslösen: „how does my SaaS show up when people ask ChatGPT for recommendations“, „run an AEO / AI discoverability audit on my brand“, „is my company visible to LLMs like Perplexity and Claude“; 2 sollten nicht: „do a technical SEO audit of crawlability and Core Web Vitals“, „write me a ChatGPT prompt to generate blog ideas“) – alle 5 korrekt beurteilt. Für die Ausgabe habe ich Plausible Analytics anhand meines eigenen Claude-Wissens geprüft: Die Basislinie (110 Wörter) war unstrukturierte Prosa, die mit „strong presence, keep publishing comparisons“ endete; das dem Skill folgende Artefakt (442 Wörter) erzeugte eine Vor-Audit-Hypothese zur Entitätsklarheit, die einen echten Fehler aufdeckte (das Wörterbuchwort „plausible“ verwässerte nicht-markenbezogene Abfragen), einen 6-dimensionalen Score von 24/30, eine Konkurrenzmatrix mit demselben Abfragesatz, gestufte Lücken, datierte 30/60/90-Tage-Re-Audit-Checkpoints und eine Selbstkritik, die anzeigte, dass nur 1 von 3 Plattformen tatsächlich abgefragt wurde. Die Ausgabe erzielte 7 Punkte, nicht höher, da die multi-plattformale empirische Prüfung, die das Kernversprechen des Audits ist, ohne Webzugriff oder manuelles Einfügen von Ergebnissen nicht ausgeführt werden kann.

Getestet am: 2026-07-21 · Claude Code 2.x (agent harness)

Installation

git clone --depth 1 https://github.com/BrianRWagner/ai-marketing-claude-code-skills.git /tmp/ai-discoverability-audit-src
mkdir -p ~/.claude/skills
cp -R /tmp/ai-discoverability-audit-src/ai-discoverability-audit ~/.claude/skills/ai-discoverability-audit
# No deps, no API keys, no scripts. Pure-prompt skill.
# Bundles references/query-bank.md (copy/paste query library) and SKILL-OC.md alongside SKILL.md.
# To run a real multi-platform audit you need web access OR must paste ChatGPT/Perplexity/Gemini results back in;
# without that, only the Claude-knowledge portion of the audit is empirical.

Befehle & Beispiel-Prompts

/ai-discoverability-auditPrüft, wie eine Marke in der KI-Suche (ChatGPT, Perplexity, Claude) erscheint und bewertet Lücken

Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):

Audit how our brand shows up in ChatGPT
Check our AI discoverability across LLMs
Improve our visibility in AI-powered search

Vollständiger Testbericht (Englisch) →