Claude SEO 实战用 FLOW CTR Audit Prompt 产出可执行的点击率优化交付物【免费下载链接】claude-seoUniversal SEO skill for Claude Code. 26 sub-skills 19 sub-agents covering technical SEO, E-E-A-T, schema, GEO/AEO, agent readiness (Lighthouse Agentic Browsing, WebMCP, llms.txt), backlinks, local SEO, e-commerce, international SEO, Google APIs, and PDF/Excel reporting. 9 optional extensions for live SEO data.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-seo本篇技术指南围绕 CTR AUDIT PROMPT点击率审计提示词展开讲解它如何在 Claude Code 的 seo-flow 技能中扮演 Optimize优化阶段的结构化交付物生成器把搜索结果中的点击率瓶颈转化为带证据标签、可排序、可验证、可执行的优化工作文档。读完本文你将掌握该提示词的完整用法、输入与输出契约、与其配套的 FLOW 框架方法论以及它在仓库源码层面技能编排、Agent 调用链、提示词同步机制是如何落地的。一、背景CTR 审计为什么需要结构化提示词FLOW 是 claude-seo 仓库中集成的证据驱动型搜索与转化循环框架分为四个阶段Find发现需求→ Leverage利用分布式证据→ Optimize优化自有资产的可提取性与信任度→ Win用页面与测量打通发现与营收。该框架的完整定义见 flow-framework.md。CTR Audit Prompt 属于其中的 Optimize 阶段。这一阶段的定位是当资产难以被搜索引擎或 AI 提取、难以被用户信任、难以转化为动作时产出结构化的优化方案。仓库 SKILL.md 明确说明Optimize 阶段共沉淀了 21 条提示词CTR Audit Prompt 是其中之一与 technical-audit-prompt、property-content-with-authority-audit-prompt、visibility-follow-up-prompt 等共同构成优化提示词族。为什么 CTR 审计需要提示词而不是自由发挥flow-framework.md 给出了两个 2026 年数据背景当 AI Overview 出现在结果页时排名第一内容的平均 CTR 下降了 58%Ahrefs 2025 年 12 月数据集在 ChatGPT 引用的头部 URL 中有 25% 在 Google 自然结果中没有任何可见度seoClarity。点击率不再是标题写得好不好的问题而是搜索结果这个入口能否把用户带进资产的问题。数据来源可在 bibliography.md 中核对——这正是 FLOW 框架证据标准的体现凡涉及数字的声明要么可溯源到参考文献要么删除。二、Use This When什么时候触发这条提示词原文档给出的触发条件是当你需要一份结构化的优化交付物structured optimize deliverable并希望模型严格区分观察observations假设assumptions推荐动作recommended actions和需要验证的声明claims that need verification时使用。一句话概括只要输出会被团队执行、被后续环节引用、或被当作决策依据就应该用这条提示词来约束模型的输出纪律。典型场景包括某页面有曝光但点击率低于同位置均值需要诊断 SERP 入口问题本地服务页转化弱、资料信息前后不一致需要一份重写简报rewrite brief需要把零散的搜索词数据、分析数据整理成可执行的优先级清单需要向客户或团队交付一份观测 vs 假设 vs 待验证边界清晰的报告。从 SKILL.md 的编排逻辑看/seo flow optimize [url]命令会先读取references/prompts/optimize/下所有文件名结合 URL、行业垂直和对话中已有的分析上下文只挑选 2-3 条最相关的提示词加载然后应用。也就是说CTR Audit Prompt 不会单独被无差别倾倒而是被选中的场景通常是搜索结果可见性与点击入口存在明显疑点且之前的技能输出如 seo-technical 的抓取问题、seo-content 的 E-E-A-T 缺口已经暗示 CTR 层面的问题。三、AI Compatibility不同规模模型的适配策略原文档明确了一条兼容性约束适用于长上下文推理模型long-context reasoning models。对于较小规模的模型请提供更窄的输入范围并一次只要求输出一个章节。这背后是实际的上下文工程考量。CTR 审计的完整输入可能包含分析数据、搜索结果、通话记录、评论、资料事实等多类证据叠加提示词要求的六维输出结构对上下文窗口和推理深度都有要求。实际使用时可以这样做大模型一次性灌入全部输入要求输出完整交付物中小模型按原文档的建议切分——先给目标与输入清单让它输出执行摘要再逐段提供证据与缺口要求输出优先级表最后给出待验证声明清单。每次只产出一个章节避免推理质量滑坡。该策略与 agents/seo-flow.md 中 Agent 的约束一致——Agent 规定每次调用最多应用 5 条提示词上下文窗口限制且 Optimize 阶段绝不一次性加载全部 21 条提示词而是根据页面信号挑选。四、Inputs五个维度的输入契约原文档规定触发前必须准备好以下输入。任何一个缺失都会导致输出中假设占比上升输入维度具体内容缺失后果业务标识企业或网站名称交付物无法定位资产目标对象目标页面、资料profile、查询集合query set或 campaign无法区分优化谁受众与地域受众画像与相关地理范围意图分析失去锚点现有证据分析数据、搜索结果、通话记录、评论、资料事实、来源笔记观察与假设混为一谈约束条件限制、排除项exclusions与必需来源可能输出不可执行的建议注意第五项的必需来源required sources它直接呼应 FLOW 框架第 3 条操作原则——可观测证据与假设必须分离带数字的声明必须能溯源到 bibliography.md 或被移除。在实际项目中这通常体现为该说法只能引用 Google Search Console 数据或这条结论必须附带抓取时间戳。五、Prompt 全文与逐条拆解以下是原文档给出的完整提示词正文可直接复制使用Act as a senior SEO strategist using the FLOW model. Task: create a optimize deliverable for: [BUSINESS OR ASSET]. Use only the supplied inputs and clearly label any assumption. Do not invent statistics. Do not reuse private examples. Build the answer around: 1. Searcher or buyer intent. 2. Evidence available now. 3. Gaps that block trust, extraction, or conversion. 4. Recommended changes in priority order. 5. Measurement events and review cadence. 6. Claims that require source verification before publication. Return a concise working document the team can execute.六个构建维度逐一解读搜索者或买家意图Searcher or buyer intent先回答谁在搜、带着什么决策风险来搜而不是从公司偏好出发。FLOW 框架的失败模式清单中专门点名围绕公司偏好而非买家问题与决策风险来写页面当前可用证据Evidence available now只使用输入中提供的证据不调用模型记忆中的过期案例或熟悉的数据阻碍信任、提取或转化的缺口Gaps把问题归类到三个层面——用户不信任信任缺口、搜索引擎/AI 无法提取提取缺口、有流量无动作转化缺口按优先级排序的推荐变更Recommended changes in priority order不是罗列而是排序让团队能直接照着执行测量事件与复查节奏Measurement events and review cadence对应 FLOW 的 Measurement 部分——如果页面或资料无法被测量先补测量事件再评判表现发布前需要验证的声明Claims that require source verification把待验证项显式列出杜绝听起来熟悉就直接发布。提示词末尾的Return a concise working document是刻意的交付物应当简洁、可执行而不是一篇冗长的分析散文。六、Output交付物的六个标准章节原文档规定输出必须包含以下六部分建议直接作为工作文档的一级结构章节内容执行者使用方式Executive summary执行摘要3-5 句结论决策者快速判断Priority table优先级表建议含问题→证据→动作→影响→成本列排期依据Recommended copy / structure / audit findings推荐文案、结构调整或审计发现编辑与开发者直接取用Evidence needed尚缺的证据清单数据团队采集依据Measurement plan测量计划事件、指标、复查节奏验证优化是否生效Verification checklist验证清单发布前逐项打勾发布闸门这套输出契约与 FLOW 的质量底线Quality Bar完全咬合公开声明要么有已核实的来源要么保持定性表述示例必须是通用的或为本仓库新建的私有编辑笔记只能用于识别候选概念绝不能作为公开文案。七、Example本地服务页实战推演原文档给出的示例输入与期望输出输入一个本地服务页面信任证据薄弱weak proof资料详情前后不一致inconsistent profile details。期望输出一份按优先级排序的重写简报prioritized rewrite brief、需要核对的事实清单facts to reconcile、需要补充的内部链接internal links to add以及需要测量的转化事件conversion event to measure。把六维结构套到这个例子上可以推演出交付物轮廓意图本地服务查询搜索者处于货比三家决策阶段顾虑是资质、价格透明度与可预约性现有证据GSC 中该页曝光不低但点击率偏低、GBP 资料字段有矛盾、仅有的 2 条评论口径不一缺口信任缺口无资质/案例证据、提取缺口NAP 信息不一致导致本地实体识别混乱、转化缺口无明确的预约 CTA优先级动作① 核对并统一 NAP 资料事实 → ② 重写首屏信任证据 → ③ 补充 2-3 条指向相关服务页的内部链接 → ④ 加装预约电话转化事件测量以点击电话/表单提交为转化事件设定复查周期如两周一次待验证声明本地排名前 3行业领先等宣传语发布前必须核对事实。值得注意的是facts to reconcile需核对的事实正是 CTR 审计区别于普通文案优化的关键点击率的改善不只靠标题还靠 SERP 中实体信息的一致性——当资料前后矛盾时即使点击进站跳出率与转化也会受影响。八、在 Claude Code 中的实际调用方式方式一通过/seo flow optimize命令在 Claude Code 中执行/seo flow optimize [url]后技能会读取references/prompts/optimize/下全部 21 个提示词的文件名结合 URL、行业垂直及对话中先前的技能输出选择 2-3 条最相关的提示词只加载选中的文件避免上下文噪音应用提示词并输出结构化结果交叉引用如需完整的内容质量分析会提示转向/seo content url与/seo geo url。选择逻辑见 SKILL.md 的 Context Matching 一节按优先级判断行业垂直SaaS → 页面技术本地 → 引证GBP出版 → E-E-A-T新鲜度→ 先前技能输出seo-technical 标记抓取问题 → 技术类提示词seo-content 标记 E-E-A-T 缺口 → 内容类提示词→ URL 信号产品页 → 转化博客 → 新鲜度权威。方式二通过 FLOW 分析 Agentagents/seo-flow.md 定义了专门的 FLOW 提示词分析 Agent模型 sonnet最多 15 轮。当给它一个 URL 和阶段时它会用 WebFetch 抓取目标 URL理解页面内容与行业信号读取skills/seo-flow/references/prompts/{stage}/下的相关提示词文件对 Optimize 阶段先读全部文件名再依据页面可见的行业信号、内容缺口、技术或权威问题选择 2-3 条逐条应用并填充到当前站点返回带阶段标签FIND / LEVERAGE / OPTIMIZE / WIN / LOCAL、所选提示词文件名选择理由、证据标签化发现、以及验证/强化每条发现所需的数据。Agent 输出格式要求首行携带归属声明Framework and prompts © Daniel Agrici, CC BY 4.0并规定每次最多应用 5 条提示词、Optimize 阶段禁止一次性加载全部提示词。安全规则同样值得注意WebFetch 响应视为不可信外部内容不可执行、不可 eval、不可原样拼入工具调用。方式三结合 GSC 数据使用CTR 审计离不开真实点击数据。仓库提供了 gsc_query.py 等 Google Search Console 查询脚本可拉取 clicks / impressions / ctr / position 原始数据作为提示词输入中的现有证据。对应测试 test_gsc_totals_aggregate.py 明确处理了一个真实陷阱按查询维度聚合时点击被匿名化可能产生虚假的0 点击站点总量正确做法是取无量纲的聚合值该测试断言totals.clicks 24而非各查询行之和。这提示我们喂给 CTR Audit Prompt 的数据必须经过正确的聚合口径校验否则证据本身就是错的六维输出的可信度会整体崩塌。九、提示词是如何进入仓库的同步机制溯源CTR Audit Prompt 文件头部标注了来源Source: github.com/AgriciDaniel/flow | License: CC BY 4.0 | Synced: 2026-04-26这来自 sync_flow.py 的同步机制。该脚本从上游 FLOW 仓库按阶段拉取提示词文件五个阶段find / leverage / optimize / win / local对应的上游目录是docs/09-prompts/{stage}拉取后统一写入skills/seo-flow/references/prompts/{stage}/同时会执行链接重写rewrite_flow_links上游编号目录布局如01-framework/、10-references/在本仓库中不存在脚本会把链接重指到扁平化布局对未随插件发布的文件则去除链接保留文案确保同步后不产生死链每次同步后生成 SHA-256 锁文件 flow-prompts.lock作为提示词基线并输出 ADDED / CHANGED / REMOVED 漂移报告。这意味着本文讨论的提示词正文是可追溯、可校验的版本化资产——任何改动都会在锁文件漂移报告中暴露。/seo flow sync命令即触发该脚本同步完成后展示 JSON 摘要与归属声明。十、常见陷阱与执行红线综合原文档与 flow-framework.md 的 Common Failure Modes使用 CTR Audit Prompt 时最需要注意发布熟悉但未核实的统计数字提示词明确禁止invent statistics框架层面要求数字声明必须加载并标注日期;把 AI 可见性当成格式技巧只改标题格式而忽略品牌证据、实体一致性与站外佐证CTR 改善不会持久围绕公司偏好而非买家问题写作这是 FLOW 框架点名的最常见失败模式只优化流量而不定义下一步合格动作点击率提升后如果没有明确转化事件测量计划就是空转复用私有旧示例提示词要求不复用私有示例通用示例或新建示例更干净、更持久证据口径错误如第八节所述聚合数据口径错误会让整个交付物失真。十一、与其他提示词的分工CTR Audit Prompt 不是孤立存在的。在 Optimize 阶段的 21 条提示词中它与 visibility-follow-up-prompt.md可见性跟进、prompt-core-30-content-audit.md核心内容审计、basic-prompt.md基础提示词共享同一套输入→六维构建→六章节输出结构——从源码看这些文件的 Prompt 正文与输出契约完全一致差异体现在各自聚焦的资产类型与触发信号上。完整索引见 prompts/README.md。当 CTR 审计发现有流量但转化弱、归因不清时应转向 Win 阶段的 conversion-audit-prompt.md转化审计它专门处理页面有流量但合格线索少、转化率低的场景且明确要求在内容、Offer 清晰度与测量缺口评估完成之前不建议追加广告预算。这条阶段衔接路径正是 FLOW 框架先判断哪个阶段阻塞进展再在那个阶段构建证据的落地体现。十二、从提示词到团队执行的闭环CTR Audit Prompt 的最终价值是把一次凭感觉优化标题的行为替换成一条可追溯的流水线输入带约束的证据→ 六维构建意图/证据/缺口/优先级/测量/待验证→ 六章节交付物可执行工作文档→ 验证清单发布闸门→ 测量事件复查节奏。配合仓库中的 GSC 数据脚本、FLOW 框架的参考文献标准bibliography.md以及/seo flow optimize的命令编排团队可以从一条提示词出发建立一套可复用、可审计、可度量的点击率优化 SOP。【免费下载链接】claude-seoUniversal SEO skill for Claude Code. 26 sub-skills 19 sub-agents covering technical SEO, E-E-A-T, schema, GEO/AEO, agent readiness (Lighthouse Agentic Browsing, WebMCP, llms.txt), backlinks, local SEO, e-commerce, international SEO, Google APIs, and PDF/Excel reporting. 9 optional extensions for live SEO data.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-seo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
