AI Discoverability Audit
Audite la visibilité d'une marque dans la recherche IA (ChatGPT, Perplexity, Claude) et évalue les lacunes
Testé · Fonctionne
Ce que fait
Une compétence uniquement basée sur des invites qui audite la manière dont une marque est décrite et recommandée par des assistants IA comme ChatGPT, Perplexity, Claude et Gemini, puis évalue six dimensions sur 30 et produit une feuille de route de corrections hiérarchisée par priorité avec des points de contrôle de ré-audit datés à 30/60/90 jours. Se déclenche lorsque l'utilisateur mentionne la recherche IA, l'AEO, la visibilité LLM, la découvrabilité IA, ou demande comment sa marque apparaît dans ChatGPT. Nécessite un accès web ou que l'utilisateur colle les résultats de requête pour tester des plateformes au-delà de ce que Claude peut répondre à partir de ses propres connaissances.
Rapport de test
J'ai récupéré SKILL.md via GitHub brut : le frontmatter est analysé avec name+description, aucun script référencé, aucune faille de sécurité; les fichiers groupés references/query-bank.md et SKILL-OC.md renvoient tous deux HTTP 200. Phrases de déclenchement testées (3 devraient se déclencher : "comment mon SaaS apparaît-il lorsque les gens demandent des recommandations à ChatGPT", "exécuter un audit AEO / de découvrabilité IA sur ma marque", "mon entreprise est-elle visible par les LLM comme Perplexity et Claude"; 2 ne devraient pas : "faire un audit SEO technique de la crawlability et des Core Web Vitals", "écrire une invite ChatGPT pour générer des idées de blog") — les 5 ont été jugées correctement. Pour la sortie, j'ai audité Plausible Analytics par rapport à mes propres connaissances de Claude : la référence (110 mots) était une prose non structurée se terminant par "forte présence, continuez à publier des comparaisons"; l'artefact suivant la compétence (442 mots) a produit une hypothèse de clarté d'entité pré-audit qui a mis en évidence une omission réelle (le mot du dictionnaire "plausible" diluant les requêtes non-marquées), un score de 24/30 sur 6 dimensions, une matrice de concurrents avec le même ensemble de requêtes, des lacunes hiérarchisées, des points de contrôle de ré-audit datés à 30/60/90 jours, et une auto-critique signalant que seulement 1 des 3 plateformes avait réellement été interrogée. La sortie a obtenu un score de 7 et non plus élevé car les tests empiriques multi-plateformes qui sont la promesse principale de l'audit ne peuvent pas être exécutés sans accès web ou collage manuel des résultats.
Testé le: 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.
Commandes et exemples de prompts
/ai-discoverability-auditAudite la visibilité d'une marque dans la recherche IA (ChatGPT, Perplexity, Claude) et évalue les lacunes
Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :
Audit how our brand shows up in ChatGPTCheck our AI discoverability across LLMsImprove our visibility in AI-powered search