geo-seo-claude — GEO-скилл для Claude Code: аудит и оптимизация сайтов под AI-поиск

· 2 мин чтения
skills seo geo claude-code audit
📂 Исходный код на GitHub

GEO-first SEO-скилл для Claude Code: 13 под-скиллов и 5 параллельных субагентов для аудита видимости сайта в AI-поиске — citability-скоринг, анализ AI-краулеров, брендовые упоминания, schema-разметка и PDF-отчёты. Лицензия MIT.

geo-seo-claude — GEO-скилл для Claude Code: аудит и оптимизация сайтов под AI-поиск

AI-поиск постепенно отъедает трафик у классического Google: пользователи спрашивают ChatGPT, Perplexity и Claude, а не листают десять синих ссылок. geo-seo-claude — это скилл для Claude Code, который оптимизирует сайты под новый канал: ChatGPT, Claude, Perplexity, Gemini и Google AI Overviews, не забывая при этом про классические SEO-основы. Формула проекта — «GEO-first, SEO-supported»: генеративная оптимизация (GEO) на первом месте, традиционное SEO — как фундамент.

Проект набирает популярность: более 10 тысяч звёзд на GitHub, распространяется под лицензией MIT. По сути это готовый «аудиторский отдел» внутри Claude Code: главный скилл-оркестратор geo, 13 специализированных под-скиллов, 5 параллельных субагентов и набор Python-скриптов для измерений.

Зачем GEO в 2026 году

Автор приводит подборку метрик, объясняющих, почему генеративная оптимизация стала отдельной дисциплиной:

Метрика Значение
Рынок GEO-услуг $850M+ (прогноз $7.3B к 2031)
Рост трафика из AI-систем +527% год к году
Конверсия AI-трафика против органики в 4.4 раза выше
Прогноз Gartner: падение поискового трафика к 2028 −50%
Корреляция брендовых упоминаний с AI-видимостью против бэклинков в 3 раза сильнее
Маркетологи, инвестирующие в GEO всего 23%

Логика простая: трафик уходит туда, где его спрашивают, а большинство игроков рынка туда ещё не пришли.

Установка

Ставится одной командой (macOS/Linux):

curl -fsSL https://raw.githubusercontent.com/zubair-trabzada/geo-seo-claude/main/install.sh | bash

Или вручную:

git clone https://github.com/zubair-trabzada/geo-seo-claude.git
cd geo-seo-claude
./install.sh

Для Windows есть отдельный install-win.sh, который запускается из Git Bash (входит в Git for Windows) — PowerShell и CMD не поддерживаются.

Требования:

  • Python 3.8+ (на Debian/Ubuntu дополнительно python3-venv)
  • Claude Code CLI
  • Git
  • Опционально: uv — если установлен, инсталлятор использует его для более быстрой установки зависимостей
  • Опционально: Playwright — для скриншотов

Зависимости Python ставятся в изолированное виртуальное окружение ~/.claude/skills/geo/.venv/ — системный Python не затрагивается, а скилл и агенты ссылаются на этот venv напрямую, так что инструмент работает независимо от того, на что указывает python3 в PATH. Удаление — ./uninstall.sh.

Команды

После установки открываете Claude Code и работаете через команды с префиксом /geo:

Команда Что делает
/geo audit <url> Полный GEO + SEO аудит с параллельными субагентами
/geo quick <url> 60-секундный снимок GEO-видимости
/geo citability <url> Оценка контента на готовность к цитированию AI
/geo crawlers <url> Проверка доступа AI-краулеров (robots.txt)
/geo llmstxt <url> Анализ или генерация llms.txt
/geo brands <url> Скан брендовых упоминаний на платформах, цитируемых AI
/geo platforms <url> Оптимизация под конкретные платформы
/geo schema <url> Анализ и генерация структурированных данных
/geo technical <url> Технический SEO-аудит
/geo content <url> Качество контента и оценка E-E-A-T
/geo report <url> Клиентский GEO-отчёт в markdown
/geo report-pdf Профессиональный PDF-отчёт с графиками

Как это устроено внутри

geo-seo-claude/
├── geo/SKILL.md                  # Главный скилл-оркестратор
├── skills/                       # 13 специализированных под-скиллов
│   ├── geo-audit/                # Полный аудит и скоринг
│   ├── geo-citability/           # Скоринг цитируемости AI
│   ├── geo-crawlers/             # Доступ AI-краулеров
│   ├── geo-llmstxt/              # Стандарт llms.txt
│   ├── geo-brand-mentions/       # Бренды на AI-платформах
│   ├── geo-platform-optimizer/   # Оптимизация под платформы
│   ├── geo-schema/               # Структурированные данные
│   ├── geo-technical/            # Технический SEO
│   ├── geo-content/              # Контент и E-E-A-T
│   ├── geo-report/               # Markdown-отчёты
│   ├── geo-report-pdf/           # PDF-отчёты с графиками
│   ├── geo-prospect/             # CRM-lite для prospects
│   ├── geo-proposal/             # Генерация предложений клиентам
│   └── geo-compare/              # Ежемесячные дельты и прогресс
├── agents/                       # 5 параллельных субагентов
├── scripts/                      # Python-утилиты
└── schema/                       # JSON-LD шаблоны

В scripts/ лежат утилиты на Python: fetch_page.py для загрузки и парсинга страниц, citability_scorer.py — движок скоринга цитируемости, brand_scanner.py — детектор брендовых упоминаний, llmstxt_generator.py — валидация и генерация llms.txt, generate_pdf_report.py — PDF-генератор на ReportLab. В schema/ — готовые JSON-LD шаблоны: Organization, LocalBusiness, Article + Person для E-E-A-T, SoftwareApplication для SaaS, Product с оферами для e-commerce, WebSite + SearchAction.

Интересно, что помимо аудита сюда встроен лёгкий CRM-контур: geo-prospect ведёт пайплайн потенциальных клиентов, geo-proposal генерирует коммерческие предложения, geo-compare отслеживает динамику метрик между аудитами. Данные складываются в ~/.geo-prospects/ (вне директории Claude Code) — и этот каталог удалёнщик не чистит, так что пайплайн переживёт переустановку скилла.

Как проходит полный аудит

Команда /geo audit https://example.com запускает четырёхэтапный конвейер:

  1. Discovery — загружается главная страница, определяет тип бизнеса, обходит sitemap
  2. Параллельный анализ — одновременно стартуют 5 субагентов: AI Visibility (цитируемость, краулеры, llms.txt, бренды), Platform Analysis (готовность к ChatGPT, Perplexity, Google AIO), Technical SEO (Core Web Vitals, SSR, безопасность, мобильность), Content Quality (E-E-A-T, читаемость, свежесть) и Schema Markup (детекция, валидация, генерация)
  3. Синтез — оценки агрегируются в композитный GEO Score от 0 до 100
  4. Отчёт — приоритизированный план действий с быстрыми победами

Итоговый скоринг взвешен так:

Категория Вес
AI Citability & Visibility 25%
Brand Authority Signals 20%
Content Quality & E-E-A-T 20%
Technical Foundations 15%
Structured Data 10%
Platform Optimization 10%

Ключевые возможности

Скоринг цитируемости. Анализирует блоки контента на готовность к цитированию AI-моделями. По данным проекта, оптимальные для AI-цитат фрагменты — это самодостаточные passage'ы на 134–167 слов, насыщенные фактами и напрямую отвечающие на вопрос.

Анализ AI-краулеров. Проверяет robots.txt на 14+ AI-краулеров (GPTBot, ClaudeBot, PerplexityBot и другие) и выдаёт конкретные рекомендации, кого пускать, а кого блокировать.

Скан брендовых упоминаний. Упоминания бренда коррелируют с AI-видимостью в 3 раза сильнее, чем бэклинки. Скилл сканирует YouTube, Reddit, Wikipedia, LinkedIn и ещё 7+ платформ, которые AI-системы активно цитируют.

Оптимизация под конкретные платформы. Только 11% доменов цитируются и ChatGPT, и Google AI Overviews по одному и тому же запросу — платформы «выбирают» разные источники, поэтому рекомендации даются отдельно под каждую.

Генерация llms.txt. Создаёт файл по одноимённому emerging-стандарту, который помогает AI-краулерам понимать структуру сайта.

Клиентские отчёты. Markdown или PDF с диаграммами-«спидометрами», столбчатыми графиками, визуализацией готовности платформ, цветными таблицами и приоритизированным планом действий — формат, который можно отдавать клиенту как есть.

Кому пригодится

  • GEO-агентствам — прогонять клиентские аудиты и готовить deliverables
  • маркетинговым командам — мониторить и растить видимость в AI-поиске
  • контент-мейкерам — оптимизировать материалы под AI-цитаты
  • локальному бизнесу — попадаться AI-ассистентам
  • SaaS-компаниям — улучшать распознавание сущностей на AI-платформах
  • e-commerce — оптимизировать карточки товаров под AI-рекомендации

Бизнес-контекст

Инструмент бесплатный, но автор честно позиционирует его как часть бизнес-модели: вокруг проекта существует платное сообщество на Skool (AI Workshop Community) с видео-разборами, плейбуком по привлечению клиентов, шаблонами предложений и скриптами холодной рассылки. По словам автора, GEO-агентства берут за такие услуги $2K–$12K в месяц — инструмент делает аудит, сообщество учит его продавать. Впрочем, для личного использования скилл полностью самодостаточен и без сообщества.

Код распространяется под лицензией MIT, вклад в проект приветствуется.

Источник: https://github.com/zubair-trabzada/geo-seo-claude

Похожие материалы