AI Discoverability Audit
Audytuje, jak marka pojawia się w wyszukiwaniu AI (ChatGPT, Perplexity, Claude) i ocenia luki
Testowano · Działa
Co robi ten skill
Umiejętność tylko na podstawie promptu, która audytuje, jak marka jest opisywana i rekomendowana przez asystentów AI, takich jak ChatGPT, Perplexity, Claude i Gemini, a następnie ocenia sześć wymiarów na 30 i generuje priorytetową mapę drogową poprawek z datowanymi punktami kontrolnymi ponownego audytu co 30/60/90 dni. Wyzwala się, gdy użytkownik wspomina o wyszukiwaniu AI, AEO, widoczności LLM, wykrywalności AI lub pyta, jak jego marka pojawia się w ChatGPT. Wymaga dostępu do sieci lub wklejenia wyników zapytania przez użytkownika, aby przetestować platformy poza tą, na którą Claude może odpowiedzieć na podstawie własnej wiedzy.
Raport z testu
Pobrałem SKILL.md za pośrednictwem raw GitHub: frontmatter parsował z name+description, brak odwołujących się skryptów, brak zagrożeń bezpieczeństwa; dołączone references/query-bank.md i SKILL-OC.md oba zwróciły HTTP 200. Przetestowane frazy wyzwalające (3 powinny wyzwolić: „jak moja usługa SaaS pojawia się, gdy ludzie pytają ChatGPT o rekomendacje”, „przeprowadź audyt AEO / wykrywalności AI dla mojej marki”, „czy moja firma jest widoczna dla LLM-ów takich jak Perplexity i Claude”; 2 nie powinny: „przeprowadź techniczny audyt SEO dotyczący indeksowalności i Core Web Vitals”, „napisz mi prompt ChatGPT do generowania pomysłów na bloga”) — wszystkie 5 oceniono poprawnie. Do testu wyjścia audytowałem Plausible Analytics na podstawie mojej własnej wiedzy Claude: linia bazowa (110 słów) była nieustrukturyzowaną prozą kończącą się „silna obecność, kontynuuj publikowanie porównań”; artefakt zgodny z umiejętnością (442 słowa) wygenerował hipotezę przejrzystości encji przed audytem, która ujawniła prawdziwe przeoczenie (słowo słownikowe „plausible” rozwadniające zapytania niezwiązane z marką), 6-wymiarowy wynik 24/30, macierz konkurentów dla tego samego zestawu zapytań, warstwowe luki, datowane punkty kontrolne ponownego audytu co 30/60/90 dni oraz samokrytykę wskazującą, że tylko 1 z 3 platform została faktycznie zapytana. Wynik wyjścia 7, a nie wyższy, ponieważ wieloplatformowe testy empiryczne, które są główną obietnicą audytu, nie mogą działać bez dostępu do sieci lub ręcznego wklejania wyników.
Testowano: 2026-07-21 · Claude Code 2.x (agent harness)
Instalacja
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.
Komendy i przykładowe prompty
/ai-discoverability-auditAudytuje, jak marka pojawia się w wyszukiwaniu AI (ChatGPT, Perplexity, Claude) i ocenia luki
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
Audit how our brand shows up in ChatGPTCheck our AI discoverability across LLMsImprove our visibility in AI-powered search