AI Discoverability Audit

Reviderer hvordan et merke vises i AI-søk (ChatGPT, Perplexity, Claude) og scorer mangler

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

Bestått ★ 8.4/10

AI Discoverability Audit — Reviderer hvordan et merke vises i AI-søk (ChatGPT, Perplexity, Claude) og scorer mangler

Hva den gjør

En kun-prompt-ferdighet som reviderer hvordan et merke beskrives og anbefales av AI-assistenter som ChatGPT, Perplexity, Claude og Gemini, deretter scorer seks dimensjoner ut av 30 og produserer en prioritert fikse-veikart med daterte 30/60/90-dagers re-revisjonskontrollpunkter. Utløses når brukeren nevner AI-søk, AEO, LLM-synlighet, AI-oppdagbarhet, eller spør hvordan merket deres vises i ChatGPT. Krever nettilgang eller at brukeren limer inn spørringsresultater for å teste plattformer utover det Claude kan svare fra sin egen kunnskap.

Testrapport

Hentet SKILL.md via rå GitHub: frontmatter tolkes med name+description, ingen skript referert, ingen sikkerhetsbrudd; medfølgende references/query-bank.md og SKILL-OC.md returnerer begge HTTP 200. Utløserfraser testet (3 skal utløses: "hvordan vises min SaaS når folk spør ChatGPT om anbefalinger", "kjør en AEO / AI-oppdagbarhetsrevisjon på merket mitt", "er selskapet mitt synlig for LLM-er som Perplexity og Claude"; 2 skal ikke: "utfør en teknisk SEO-revisjon av crawlability og Core Web Vitals", "skriv meg en ChatGPT-prompt for å generere bloggideer") — alle 5 bedømt korrekt. For utdata reviderte jeg Plausible Analytics mot min egen Claude-kunnskap: grunnlinjen (110 ord) var ustrukturert prosa som endte med "sterk tilstedeværelse, fortsett å publisere sammenligninger"; den ferdighetsfulgte artefakten (442 ord) produserte en pre-revisjons entitets-klarhetshypotese som avdekket en genuin glipp (ordet "plausible" som fortynnet ikke-merkede spørringer), en 6-dimensjons 24/30-score, en konkurrentmatrise med samme spørringssett, lagdelte mangler, daterte 30/60/90-dagers re-revisjonskontrollpunkter, og en selvkritikk som flagget at kun 1 av 3 plattformer faktisk ble spurt. Utdata scoret 7 ikke høyere fordi den multi-plattform empiriske testingen som er revisjonens kjerne-løfte ikke kan kjøres uten nettilgang eller manuell resultat-innliming.

Testet på: 2026-07-21 · Claude Code 2.x (agent harness)

Installer

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.

Kommandoer og eksempelprompter

/ai-discoverability-auditReviderer hvordan et merke vises i AI-søk (ChatGPT, Perplexity, Claude) og scorer mangler

Skills utløses av vanlige forespørsler — ingen kommandoer å huske. Etter installasjonen aktiverer prompter som disse skillen (på engelsk):

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

Full rapport →