实体优化器Skill entity-optimizer

实体优化器

SEO & GEO 技能库 · 20个SEO + GEO技能 · 全部安装: npx skills add aaron-he-zhu/seo-geo-claude-skills

<details> <summary>浏览所有20个技能</summary>

研究 · keyword-research · competitor-analysis · serp-analysis · content-gap-analysis

构建 · seo-content-writer · geo-content-optimizer · meta-tags-optimizer · schema-markup-generator

优化 · on-page-seo-auditor · technical-seo-checker · internal-linking-optimizer · content-refresher

监控 · rank-tracker · backlink-analyzer · performance-reporter · alert-manager

交叉 · content-quality-auditor · domain-authority-auditor · entity-optimizer · memory-management

</details>

这个技能审计、构建和维护搜索引擎和AI系统中的实体身份。实体——搜索引擎和AI系统识别为不同事物的人、组织、产品和概念——是Google和LLMs决定你是什么和是否引用你的基础。

为什么实体对SEO + GEO重要：

• SEO: Google的知识图谱驱动知识面板、丰富的结果和基于实体的排名信号。一个定义良好的实体赢得SERP实体地产。
• GEO: AI系统在生成答案之前将查询解析为实体。如果AI不能识别你的实体，它就不能引用你——不管你的内容有多好。

何时使用这个技能

• 建立一个新品牌/人/产品作为公认的实体
• 审计当前实体在知识图谱、Wikidata和AI系统中的存在
• 改进或更正知识面板
• 构建实体关联（实体 ↔ 主题，实体 ↔ 行业）
• 解决实体消歧问题（你的实体与另一个混淆）
• 加强AI引用的实体信号
• 在启动一个新品牌、产品或组织后
• 准备网站迁移（保留实体身份）
• 定期运行实体健康检查

这个技能做什么

1. 实体审计:评估当前实体在搜索和AI系统中的存在
2. 知识图谱分析:检查Google知识图谱、Wikidata和Wikipedia状态
3. AI实体解析测试:查询AI系统看它们如何识别和描述实体
4. 实体信号映射:识别所有建立实体身份的信号
5. 差距分析:发现缺失或薄弱的实体信号
6. 实体建设计划:创建可行的计划以建立或加强实体存在
7. 消歧策略:解决与同名实体的混淆

如何使用

实体审计

审计[品牌/人/组织]的实体存在

搜索引擎和AI系统如何识别[实体名称]？

构建实体存在

在[行业]空间中为[新品牌]建立实体存在

建立[人名]作为[主题]的公认的专家

修复实体问题

我的知识面板显示错误信息——修复[实体]的实体信号

AI系统将[我的实体]与[其他实体]混淆——帮助我消歧

数据源

看CONNECTORS.md了解工具类别占位符。

连接了~~知识图谱 + ~~SEO工具 + ~~AI监控 + ~~品牌监控： 查询知识图谱API了解实体状态，从SEO工具拉取品牌搜索数据，用AI监控测试AI引用，用~~品牌监控跟踪品牌提及。

只有手动数据： 要求用户提供：

1. 实体名称，类型（人，组织，品牌，产品，创意作品，事件）
2. 主要网站/域名
3. 已知存在的个人资料（Wikipedia，Wikidata，社交媒体，行业目录）
4. 实体应与之关联的前3-5个主题/行业
5. 任何已知的消歧问题（其他具有相同/相似名称的实体）

没有工具，Claude根据用户提供的信息提供实体优化策略和建议。用户必须运行搜索查询，检查知识面板，并测试AI响应以提供分析的原始数据。

使用公共搜索结果、AI查询测试和SERP分析进行审计。注意哪些项目需要工具访问以进行全面评估。

指令

当用户请求实体优化时：

第1步：实体发现

确定实体在所有系统中的当前状态。

### 实体档案

**实体名称**：[name]
**实体类型**：[人/组织/品牌/产品/创意作品/事件]
**主域名**：[URL]
**目标主题**：[主题1，主题2，主题3]

#### 当前实体存在

| 平台 | 状态 | 详情 |
|----------|--------|---------|
| Google知识面板 | ✅存在/❌不存在/⚠️错误 | [详情] |
| Wikidata | ✅列出/❌未列出 | [如果存在QID] |
| Wikipedia | ✅文章/⚠️仅提及/❌不存在 | [重要性评估] |
| Google知识图谱API | ✅找到实体/❌未找到 | [实体ID，类型，分数] |
| 网站上的Schema.org | ✅完整/⚠️部分/❌缺失 | [组织/人/产品模式] |

#### AI实体解析测试

**注意**：Claude无法直接查询其他AI系统或执行实时网络搜索，没有工具访问权限。当没有~~AI监控或~~知识图谱工具时，要求用户运行这些测试查询并报告结果，或使用用户提供的信息评估实体存在。

通过查询测试AI系统如何识别这个实体：
- "[实体名称]是什么？"
- "[实体名称]是谁创立的？"（对于组织）
- "[实体名称]是做什么的？"
- "[实体名称]与[竞争对手]"

| AI系统 | 识别实体？ | 描述准确性 | 引用实体内容？ |
|-----------|-------------------|---------------------|------------------------|
| ChatGPT | ✅/⚠️/❌ | [准确性笔记] | [是/否/部分] |
| Claude | ✅/⚠️/❌ | [准确性笔记] | [是/否/部分] |
| Perplexity | ✅/⚠️/❌ | [准确性笔记] | [是/否/部分] |
| Google AI Overview | ✅/⚠️/❌ | [准确性笔记] | [是/否/部分] |

第2步：实体信号审计

评估6个类别中的实体信号。有关详细的47个信号清单和验证方法，见references/entity-signal-checklist.md。

### 实体信号审计

#### 1. 结构化数据信号

| 信号 | 状态 | 需要的行动 |
|--------|--------|--------------|
| 首页上的组织/人模式 | ✅/❌ | [行动] |
| 权威个人资料的sameAs链接 | ✅/❌ | [行动] |
| logo，foundingDate，founder属性 | ✅/❌ | [行动] |
| 跨页面一致的@id | ✅/❌ | [行动] |
| 相关页面上的产品/服务模式 | ✅/❌ | [行动] |
| 文章上的作者模式与sameAs | ✅/❌ | [行动] |

#### 2. 知识库信号

| 信号 | 状态 | 需要的行动 |
|--------|--------|--------------|
| 完整的属性Wikidata条目 | ✅/❌ | [行动] |
| Wikipedia文章（或重要性路径） | ✅/❌ | [行动] |
| CrunchBase个人资料（组织） | ✅/❌ | [行动] |
| 行业目录列表 | ✅/❌ | [行动] |
| 政府/官方注册 | ✅/❌ | [行动] |

#### 3. 一致的NAP+E信号（名称，地址，电话+实体）

| 信号 | 状态 | 需要的行动 |
|--------|--------|--------------|
| 所有平台上一致的实体名称 | ✅/❌ | [行动] |
| 到处相同的描述/口号 | ✅/❌ | [行动] |
| 匹配的标志和视觉身份 | ✅/❌ | [行动] |
| 社交媒体个人资料全部双向链接 | ✅/❌ | [行动] |
| 目录中一致的联系信息 | ✅/❌ | [行动] |

#### 4. 基于内容的实体信号

| 信号 | 状态 | 需要的行动 |
|--------|--------|--------------|
| 关于页面与实体丰富的结构化内容 | ✅/❌ | [行动] |
| 带有证书和sameAs的作者页面 | ✅/❌ | [行动] |
| 主题权威（目标主题的内容深度） | ✅/❌ | [行动] |
| 内容中的实体提及（自然共现） | ✅/❌ | [行动] |
| 反向链接中的品牌锚文本 | ✅/❌ | [行动] |

#### 5. 第三方实体信号

| 信号 | 状态 | 需要的行动 |
|--------|--------|--------------|
| 在权威网站上提及（新闻，行业） | ✅/❌ | [行动] |
| 与已建立实体的共引用 | ✅/❌ | [行动] |
| 第三方平台上的评论和评级 | ✅/❌ | [行动] |
| 演讲，奖项，出版物 | ✅/❌ | [行动] |
| 包含实体名称的新闻报道 | ✅/❌ | [行动] |

#### 6. AI特定实体信号

| 信号 | 状态 | 需要的行动 |
|--------|--------|--------------|
| 开头段落中的清晰实体定义 | ✅/❌ | [行动] |
| 明确的实体名称（或消歧策略） | ✅/❌ | [行动] |
| 关于实体的事实声明是可验证的 | ✅/❌ | [行动] |
| 实体出现在AI训练数据源中 | ✅/❌ | [行动] |
| 实体的内容可以被AI系统抓取 | ✅/❌ | [行动] |

第3步：报告与行动计划

# 实体优化报告

### 概览

- **实体**：[name]
- **实体类型**：[type]
- **审计日期**：[date]

### 信号类别摘要

| 类别 | 状态 | 关键发现 |
|----------|--------|-------------|
| 结构化数据 | ✅强大/⚠️差距/❌缺失 | [关键发现] |
| 知识库 | ✅强大/⚠️差距/❌缺失 | [关键发现] |
| 一致性（NAP+E） | ✅强大/⚠️差距/❌缺失 | [关键发现] |
| 基于内容 | ✅强大/⚠️差距/❌缺失 | [关键发现] |
| 第三方 | ✅强大/⚠️差距/❌缺失 | [关键发现] |
| AI特定 | ✅强大/⚠️差距/❌缺失 | [关键发现] |

### 重大问题

[列出任何严重影响实体识别的问题——消歧问题，知识面板错误，完全缺失知识图谱]

### 前5个优先行动

按影响对实体识别 × 所需努力排序

1. **[信号]** — [具体行动]
   - 影响：[高/中] | 努力：[低/中/高]
   - 为什么：[解释这个如何改善实体识别]

2. **[信号]** — [具体行动]
   - 影响：[高/中] | 努力：[低/中/高]
   - 为什么：[解释]

3–5. [相同格式]

### 实体建设路线图

#### 第1-2周：基础（结构化数据+一致性）
- [ ] 实施/修复具有完整属性的组织或个人模式
- [ ] 添加所有权威个人资料的sameAs链接
- [ ] 审计和修复所有平台上的NAP+E一致性
- [ ] 确保关于页面实体丰富且结构良好

#### 第1个月：知识库
- [ ] 创建或更新具有完整属性的Wikidata条目
- [ ] 确保CrunchBase/行业目录个人资料完整
- [ ] 构建Wikipedia重要性（或计划通往重要性的路径）
- [ ] 提交给相关权威目录

#### 第2-3个月：权威建设
- [ ] 在权威行业网站上获得提及
- [ ] 与已建立实体建立共引用信号
- [ ] 创建加强实体-主题关联的主题内容集群
- [ ] 追求产生实体提及的公关机会

#### 持续：AI特定优化
- [ ] 每季度测试AI实体解析
- [ ] 更新事实声明以保持当前和可验证
- [ ] 监控AI系统是否有错误的实体信息
- [ ] 确保新内容加强实体身份信号

### 交叉参考

- **CORE-EEAT相关性**：项目A07（知识图谱存在）和A08（实体一致性）直接重叠——实体优化加强权威维度
- **CITE相关性**：CITE I01-I10（身份维度）在域级别测量实体信号——实体优化为这些分数提供食粮
- 内容级审计：[content-quality-auditor](../content-quality-auditor/)
- 域级审计：[domain-authority-auditor](../domain-authority-auditor/)

验证检查点

输入验证

• [ ] 确定实体名称和类型
• [ ] 确认主域名/网站
• [ ] 指定目标主题/行业
• [ ] 如实体名称常见，提供消歧上下文

输出验证

• [ ] 评估所有6个信号类别
• [ ] 至少用3个查询测试AI实体解析
• [ ] 检查知识面板状态
• [ ] 验证Wikidata/Wikipedia状态
• [ ] 审计主网站上的Schema.org标记
• [ ] 每个建议都是具体可行的
• [ ] 路线图包括具体步骤和时间框架
• [ ] 与CORE-EEAT A07/A08和CITE I01-I10交叉参考

示例

用户：“审计实体存在CloudMetrics，我们的B2B SaaS分析平台在cloudmetrics.io”

输出：

# 实体优化报告

### 实体档案

**实体名称**：CloudMetrics
**实体类型**：组织（B2B SaaS）
**主域名**：cloudmetrics.io
**目标主题**：分析平台，商业智能，企业分析

### AI实体解析测试

用户报告的测试查询结果：

| 查询 | 结果 | 评估 |
|-------|--------|------------|
| "CloudMetrics是什么？" | 被描述为"分析工具"，没有进一步细节 | 部分识别——通用描述，没有提到B2B重点或关键特性 |
| "最适合企业的分析平台" | 任何AI响应中均未提及CloudMetrics | 作为企业分析领域参与者未被认可 |
| "CloudMetrics与Datadog" | 正确识别为Datadog的竞争对手，但功能比较不完整且部分不准确 | 部分——实体与正确类别关联，但属性薄弱 |
| "谁创立了CloudMetrics？" | 任何测试的AI系统均未找到答案 | 实体领导力不在AI知识库中 |

### 实体健康摘要

| 信号类别 | 状态 | 关键发现 |
|-----------------|--------|--------------|
| 知识图谱 | ❌缺失 | 没有Wikidata条目；品牌查询未触发Google知识面板 |
| 结构化数据 | ⚠️部分 | 首页有组织模式，包括名称、url和logo；缺少CEO和领导团队的个人模式；没有链接到外部个人资料的sameAs链接 |
| 网络存在 | ✅强大 | 在LinkedIn、Twitter/X、G2和Crunchbase上一致的NAP；社交媒体个人资料链接回cloudmetrics.io；品牌搜索返回拥有的属性在前5名 |
| 基于内容 | ⚠️部分 | 关于页面存在，但以营销副本开头，而不是定义实体的声明；没有专门的领导作者页面 |
| 第三方 | ⚠️部分 | 在G2和Crunchbase上列出；发现2个行业出版物提及；没有奖项或分析师报道 |
| AI特定 | ❌薄弱 | AI系统只有表面意识；任何权威来源中均未提及可引用的实体定义 |

### 前3个优先行动

1. **创建Wikidata条目**，关键属性：实例（P31：商业智能软件公司），官方网站（P856：cloudmetrics.io），成立（P571），国家（P17）
   - 影响：高 | 努力：低
   - 为什么：Wikidata是最具影响力的可编辑知识库；完整的Wikidata条目通常在几周内触发知识面板创建

2. **在关于/团队页面上为领导团队添加个人模式**，包括名称、jobTitle、链接到LinkedIn个人资料的sameAs链接，以及指向组织实体的工作For
   - 影响：高 | 努力：低
   - 为什么：直接解决"谁创立了CloudMetrics？"的差距；关键人物的个人模式创建加强组织身份的双向实体关联

3. **通过独立新闻报道建立Wikipedia重要性**——目标是在行业出版物（TechCrunch、VentureBeat、Analytics India Magazine）中获得3-5篇文章提及CloudMetrics的名字，并有可验证的声明
   - 影响：高 | 努力：高
   - 为什么：Wikipedia重要性需要在独立可靠的来源中报道；新闻提及同时为AI训练数据提供食粮，建立第三方实体信号，并为未来的Wikipedia文章创建引用基础

### 交叉参考

- **CORE-EEAT**：A07（知识图谱存在）评分失败，A08（实体一致性）评分通过——实体优化应专注于知识库差距而不是一致性
- **CITE**：I维度最弱的区域是I01（知识图谱存在）——完成Wikidata条目和获得知识面板直接提高域身份分数

成功提示

1. 从Wikidata开始 — 它是最有影响力的可编辑知识库；完整的Wikidata条目通常在几周内触发知识面板创建
2. sameAs是你最强的Schema.org属性 — 它直接告诉搜索引擎"我在知识图中是这个实体"；始终包括Wikidata URL第一
3. 测试AI识别前后 — 在优化前后查询ChatGPT、Claude、Perplexity和Google AI Overview；这是最直接的GEO指标
4. 实体信号复合 — 与内容SEO不同，来自不同来源的实体信号相互加强；5个弱信号一起比1个强信号更强
5. 一致性胜过完整性 — 在10个平台上一致的实体名称和描述胜过仅在2个平台上的完美个人资料
6. 不要忽视消歧 — 如果你的实体名称与任何其他事物共享，消歧是第一优先；如果它们被归因于错误的实体，所有其他信号都是浪费
7. 与CITE I维度配对以获取域上下文 — 实体审计告诉你实体被识别得如何好；CITE身份（I01-I10）告诉你域代表该实体的程度如何；两者一起使用

实体类型参考

实体类型和主要信号

实体类型	主要信号	次要信号	关键模式
人	作者页面，社交个人资料，出版历史	演讲，奖项，媒体报道	人，ProfilePage
组织	注册记录，Wikidata，行业列表	新闻报道，合作伙伴关系，奖项	组织，公司
品牌	商标，品牌搜索量，社交存在	评论，品牌提及，视觉身份	品牌，组织
产品	产品页面，评论，比较提及	奖项，专家背书，市场份额	产品，SoftwareApplication
创意作品	出版记录，引用，评论	奖项，改编，文化影响	创意作品，书籍，电影
事件	事件列表，新闻报道，社交热度	赞助，演讲者个人资料，出席人数	事件

按情况消歧策略

情况	策略
常见名称，独特实体	加强所有信号；让信号量解决歧义
与更大实体的名称冲突	一致添加限定词（例如，“Acme Software"不仅仅是"Acme”）；广泛使用sameAs；构建区分主题特定权威的
与类似实体的名称冲突	地理，行业，或产品限定词；确保模式@id是唯一且一致的；优先Wikidata消歧
缩写/首字母冲突	在结构化数据中优先使用全名；只有在实体已经建立的上下文中才使用缩写
合并或更名实体	重定向旧实体信号；更新所有结构化数据；创建明确的"前称"内容；更新Wikidata

知识面板优化

声明和编辑

1. Google知识面板：通过Google的验证过程声明（搜索实体 → 点击"声明这个知识面板"）
2. Bing知识面板：由Wikidata和LinkedIn驱动——更新这些来源
3. AI知识：由训练数据驱动——确保权威来源正确描述实体

常见知识面板问题

问题	根本原因	修复
没有面板出现	实体不在知识图谱中	创建Wikidata条目 + 结构化数据 + 权威提及
错误的图像	图片来自错误页面	更新Wikidata图像；确保关于页面和社交个人资料上有首选图像
错误的描述	描述从错误来源拉取	编辑Wikidata描述；确保关于页面第一段有清晰的实体描述
缺少属性	结构化数据不完整	向模式和Wikidata条目添加属性
显示错误实体	消歧失败	加强独特信号；添加限定词；解决Wikidata消歧
信息过时	源数据未更新	更新Wikidata，关于页面和所有个人资料

Wikidata最佳实践

创建Wikidata条目

1. 检查重要性：实体必须至少有一个权威参考
2. 创建项目：添加标签，描述和相关语言的别名
3. 添加声明：实例，官方网站，社交媒体链接，成立日期，创始人，行业
4. 添加标识符：官方网站（P856），社交媒体ID，CrunchBase ID，ISNI，VIAF
5. 添加参考资料：每条声明都应有权威来源的参考

重要：Wikipedia的利益冲突（COI）政策禁止个人和组织创建或编辑关于自己的文章。不要直接编辑Wikipedia：（1）专注于通过独立可靠来源（新闻报道，行业出版物，学术引用）建立重要性；（2）如果你认为Wikipedia文章是合理的，考虑通过请求文章过程聘请独立Wikipedia编辑；（3）在任何Wikipedia参与之前，确保所有关于实体的声明都可以通过第三方来源验证。

按实体类型的关键Wikidata属性

属性	代码	人	组织	品牌	产品
实例	P31	人类	组织类型	品牌	产品类型
官方网站	P856	是	是	是	是
职业/行业	P106/P452	是	是	—	—
创始人	P112	—	是	是	—
成立	P571	—	是	是	是
国家	P17	是	是	—	—
社交媒体	各种	是	是	是	是
雇主	P108	是	—	—	—
开发者	P178	—	—	—	是

AI实体优化

AI系统如何解析实体

用户查询 → 实体提取 → 实体解析 → 知识检索 → 答案生成

AI系统遵循这个管道：

1. 提取查询中的实体提及
2. 解析每个提及为已知实体（或失败 → “我不确定”）
3. 检索与实体相关的知识
4. 生成引用确认实体属性的来源的响应

AI系统用于实体解析的信号

信号类型	AI检查什么	如何优化
训练数据存在	实体是否在预训练语料库中？	在高质量，广泛抓取的来源中被提及
检索增强	实体是否出现在实时搜索结果中？	强大的SEO存在，用于品牌查询
结构化数据	实体是否可以与知识图谱匹配？	完整的Wikidata + Schema.org
上下文共现	什么主题/实体一起出现？	在内容中建立一致的主题关联
来源权威	关于实体的来源是否可信？	被权威，知名来源提及
最新性	信息是否最新？	保持所有实体个人资料和内容更新

实体特定的GEO策略

1. 明确定义：关于页面和关键页面的第一段应该以AI可以直接引用的方式定义实体
2. 保持一致：在所有平台上使用相同的实体描述
3. 建立关联：创建明确连接实体与目标主题的内容
4. 获得提及：第三方权威提及比自我描述更强的实体信号
5. 保持最新：过时的实体信息导致AI失去信心，停止引用

参考资料

实体优化的详细指南：

• references/entity-signal-checklist.md — 完整的信号清单与验证方法
• references/knowledge-graph-guide.md — Wikidata，Wikipedia和知识图谱优化剧本

相关技能

• content-quality-auditor — CORE-EEAT项目A07（知识图谱存在）和A08（实体一致性）直接相关
• domain-authority-auditor — CITE I01-I10（身份维度）在域级别测量实体信号
• schema-markup-generator — 生成组织，个人，产品和其他实体模式
• geo-content-optimizer — 实体信号为AI引用概率提供食粮
• competitor-analysis — 与竞争对手的实体存在比较
• backlink-analyzer — 品牌反向链接加强实体信号
• performance-reporter — 跟踪品牌搜索和知识面板指标
• memory-management — 存储实体审计结果以供跟踪