---
name: SEO Performance Review
slug: seo-performance-review
category: SEO
description: SEO Performance Review examines Bing Webmaster page and query data, index status, product results, and Bing AI Performance citations to diagnose search and AI visibility problems. Use it to compare periods, analyze cited pages and grounding queries, and decide the next SEO or GEO action.
github: "https://github.com/tsingyuai/growth-lab/tree/main/executors/review-seo-performance"
language: Python
stars: 1734
forks: 150
install: "npx degit https://github.com/tsingyuai/growth-lab/tree/main/executors/review-seo-performance ~/.claude/skills/review-seo-performance"
installs_to: ~/.claude/skills/review-seo-performance
source_path: executors/review-seo-performance/SKILL.md
collection_size: 19
category_size: 164
collection_url: "https://dirskills.com/collections/tsingyuai/growth-lab"
added: 2026-08-19T07:25:50.954Z
last_synced: 2026-08-19T07:25:50.954Z
canonical_url: "https://dirskills.com/skills/seo-performance-review"
---

# SEO Performance Review

SEO Performance Review examines Bing Webmaster page and query data, index status, product results, and Bing AI Performance citations to diagnose search and AI visibility problems. Use it to compare periods, analyze cited pages and grounding queries, and decide the next SEO or GEO action.

**Install:**

```bash
npx degit https://github.com/tsingyuai/growth-lab/tree/main/executors/review-seo-performance ~/.claude/skills/review-seo-performance
```

## README

# 复盘 SEO 与 AI 可见性

用可比较周期和页面原始目标复盘已发布页面。考虑上线日期、季节性、抓取与收录延迟，把证据与解释分开。

## 收集传统搜索证据

```bash
node collectors/bing-webmaster/bing-webmaster.mjs page-stats \
  --site "$SITE_URL" --out <page-stats-file>

node collectors/bing-webmaster/bing-webmaster.mjs page-query-stats \
  --site "$SITE_URL" --page "$PAGE_URL" --out <query-stats-file>

node collectors/bing-webmaster/bing-webmaster.mjs url-info \
  --site "$SITE_URL" --url "$PAGE_URL"
```

读取：

- 抓取与索引状态；
- 展现、查询、点击和点击率；
- 平均展现位置与点击位置；
- 页面或摘要更新前后的变化；
- 产品动作、激活、收入或当前产品真正关心的结果；
- 相关 Memory 中的基线和历史行动。

## 收集 Bing AI Performance

Bing Webmaster Tools 的 AI Performance 主要通过网页界面提供。使用已登录浏览器读取：

| 指标 | 含义 |
|---|---|
| Total Citations | 页面内容在 AI 答案中作为来源出现的总次数 |
| Cited Pages | 被 AI 当作来源的页面数量与时间变化 |
| Page-level citations | 具体 URL 的被引用次数 |
| Grounding Queries | AI 为寻找引用材料实际运行的检索短语 |

Grounding queries 与传统人类关键词不同。用户的一句话会被模型拆成多个查询，这就是 query fan-out。程序化查询常出现比较、评估、监控、标准、优缺点等结构，它们可以揭示传统关键词工具看不到的内容需求。

AI Performance 的产品状态和字段可能变化，grounding queries 没有稳定 API 时以 Bing Webmaster Tools 当前网页界面为准。只报告界面实际提供的数据，不把推测的合作方覆盖范围写成官方承诺。

### 用 Grounding queries 反推内容

1. 聚合重复出现的概念、对象、比较维度和任务。
2. 区分自然查询与程序化查询。
3. 找出频繁触发检索但当前页面引用弱或没有覆盖的概念。
4. 判断它应成为现有页面的新段落、比较表、FAQ、独立页面还是不值得处理的旁支。
5. 回到实时 SERP 和产品能力验证，不因 AI 查询出现就自动创建页面。

### 检查可提取性

- 高频 grounding 术语是否出现在对应 H2 与前一到两段；
- 结论是否前置，段落能否独立理解；
- 表格、FAQ、步骤和定义是否便于准确抽取；
- 数据、示例和来源是否足以支撑引用；
- 页面是否有作者、更新时间和相邻主题覆盖；
- schema.org、canonical、robots、sitemap 与 IndexNow 是否正确。
- 站点需要面向 LLM 提供内容导航时，检查 `llms.txt` 是否准确、可访问并只声明真实公开内容；不要把它当成收录或引用保证。

### 三层验证

1. 服务器日志：区分 BingBot、OAI-SearchBot 等机器访问和真实用户访问。
2. 查询模式：比较传统搜索查询与 AI Performance 的程序化 grounding queries。
3. 产品结果：把引用和搜索可见性与分析工具中的来源、访问和产品动作对照。

引用多、点击少不等于失败，也不等于成功。它表示内容被 AI 使用但没有形成等量访问，需要结合品牌呈现、用户后续动作和产品目标判断。

## 诊断主要约束

- 发现：目标 canonical 尚未被抓取或收录。
- 需求：目标词族没有足够可观察需求。
- 排名：有展现但位置弱。
- 摘要：位置有竞争力但点击率弱。
- 意图：实际到达查询与页面任务偏离。
- 内容：竞品提供更强证据、工具、信息增益、新鲜度或清晰度。
- 转化：页面满足搜索意图但没有带来相应产品行动。
- 有引用无访问：AI 系统使用内容，但用户很少继续访问或识别品牌。

## 输出复盘

需要视觉比较时，在当前 Model 的 Memory 生成独立 HTML，包含适合当前证据的周期比较、查询表、位置分布、产品结果、AI 引用、grounding query 分类和标注结论。原始导出放在同一 Memory 下。

推荐一个首要下一步，并说明验证它的证据：

- 加强当前页面；
- 修改 title 和摘要；
- 补充缺失证据、工具或信息增益；
- 调整转化路径；
- 新建支持页面；
- 修复收录、canonical 或发现问题；
- 增强 AI 可提取性；
- 等待一个明确观察窗口。