Performance Reporter

核心用法

performance-reporter 是一款面向 SEO 与 GEO（生成式引擎优化）领域的综合报告生成技能，专为需要将多源数据转化为高层可读洞察的专业人士设计。用户通过自然语言指令（如"生成月度SEO报告"或"出月报"）触发，系统执行11步结构化分析流程，输出涵盖执行摘要、流量分析、关键词排名、GEO/AI表现、域名权威度、内容质量评分、反向链接、内容绩效及行动建议的完整报告。

显著优点

• 多语言触发支持：覆盖中英日韩等12种语言变体，包括正式、口语及拼写错误场景
• 零配置启动：无需API密钥即可运行，支持手动数据输入与自动工具集成双模式
• 结构化输出模板：11个标准化报告章节，适配高管、技术团队、客户三类受众
• GEO前瞻布局：原生集成AI引用监测、CORE-EEAT内容质量评分，应对搜索范式转移
• 技能生态系统：遵循统一 Skill Contract 与 State Model，支持与 alert-manager 等20+技能联动

潜在缺点与局限性

• 数据依赖性强：若无 MCP 连接器，需用户手动提供5类数据源，增加操作负担
• 模板化风险：标准化输出可能难以满足高度定制化的行业特定需求
• 时效性约束：报告生成依赖历史数据快照，非实时监测工具
• ROI计算简化：预设公式可能未覆盖复杂的企业级归因模型

适合人群

• 数字营销机构：需定期向客户交付品牌化绩效报告
• 企业SEO团队：负责跨部门高管汇报与资源申请
• 独立顾问：快速生成专业级交付物提升服务溢价
• 产品经理：追踪GEO/AI搜索可见性对产品获客的影响

常规风险

• 数据溯源争议：混合自动采集与用户手动输入数据时，若未清晰标注来源可能影响决策可信度
• 过度承诺风险：AI生成的"预期影响"评估缺乏历史验证时，建议标注置信区间
• 存储合规：技能建议将结果写入 memory/monitoring/ 路径，用户需确保符合内部数据保留政策

技术规格

| 属性 | 值 |

|------|-----|

| 版本 | 9.0.0 |

| 许可证 | Apache-2.0 |

| 兼容性 | Claude Code ≥1.0, skills.sh, ClawHub, Vercel Labs |

| 系统依赖 | 无必需包，可选MCP网络访问 |

| 作者 | aaron-he-zhu |

| GEO相关性 | medium |

核心用法

performance-reporter 是一款面向 SEO/GEO 场景的综合绩效报告生成工具，通过结构化提示词模板将零散的数据转化为决策就绪的洞察。用户只需提供域名和时间范围，即可获得覆盖 11 个维度的完整报告：

报告生成流程：
1. 参数定义 → 明确报告周期、对比基准、受众类型（高管/技术/客户）
2. 高管摘要 → 一键生成 KPI 总览表（流量、排名、转化、Domain Rating、AI 引用数）
3. 专项分析 → 有机流量、关键词排名、GEO/AI 可见性、外链建设、内容表现
4. 质量评分 → 若已运行前置技能，自动嵌入 CITE 权威评分与 CORE-EEAT 内容质量分
5. 行动建议 → 按紧急/短期/长期分级，明确负责人与预期 ROI
6. 完整交付 → 整合所有章节，附带数据来源说明与方法论文档

数据输入方式：

• 自动模式：连接 ~~analytics、~~search console、~~SEO tool、~~AI monitor 后全自动聚合
• 手动模式：用户提供截图/数据导出，技能完成结构化分析与可视化呈现

---

显著优点

1. 零配置开箱即用
纯 Markdown 提示词实现，无需 API key、无依赖安装、无环境配置。对于无技术背景的营销人员或高管，这是最低门槛的 SEO 报告解决方案。

2. 多语言触发支持
内置 30+ 触发词覆盖英语（正式/口语）、中文（专业/ casual）、日语、韩语、西班牙语、葡萄牙语及常见拼写错误，国际化团队友好。

3. 与技能生态深度集成

• 自动读取 CLAUDE.md 与共享 State Model 中的基线数据
• 无缝衔接 content-quality-auditor（内容质量）、cite-auditor（权威性评分）等上游技能
• 输出可写入 memory/monitoring/ 供下游 alert-manager 持续追踪

4. 决策驱动设计
报告模板强调「洞察优先于数据」——每个指标附带趋势判断（↑↓→）、目标达成状态（On track/Watch/Action required），并强制输出可执行的下一步行动。

---

潜在缺点与局限性

1. 依赖外部数据输入
无自动数据采集能力。若用户未连接 SEO 工具或未手动提供数据，技能将回退至「请提供以下信息」的交互模式，增加使用摩擦。

2. 提示词执行的不确定性
作为纯文档型技能，实际输出质量取决于 Claude Code 的提示词遵循能力。复杂场景（如多品牌聚合、自定义 KPI 公式）可能出现格式偏差，需人工复核。

3. 无实时数据更新
报告基于「某时间点数据」生成，非持续监控仪表盘。用户需主动重新运行技能获取最新状态，无法替代 Google Data Studio、Looker 等实时 BI 工具。

4. 有限的可视化能力
输出为 Markdown 表格与文本描述，无原生图表渲染。若需商业级可视化，需导出至其他工具二次处理。

5. 中文语境的 GEO 适配待验证
技能文档中 GEO（Generative Engine Optimization）指标设计偏向欧美市场（Wikidata、AI Overview）。针对百度文心一言、阿里通义等国内 AI 引擎的可见性追踪，尚未明确支持。

---

适合人群

| 用户类型 | 使用场景 | 预期收益 |

|---------|---------|---------|

| **SEO 经理/专员** | 月度/季度内部汇报 | 30 分钟生成完整报告，节省 80% 手工整理时间 |

| **数字营销代理** | 客户汇报与续约提案 | 标准化交付物，提升专业形象 |

| **CMO/市场VP** | 向 CEO 汇报有机增长 ROI | 高管友好的一页摘要，数据驱动的预算争取 |

| **内容运营团队** | 追踪内容审计后的 CORE-EEAT 改进 | 关联质量评分与流量表现，验证内容策略 |

| **GEO 早期采用者** | 监测 ChatGPT/Perplexity 等品牌引用 | 快速建立 AI 可见性基线 |

不适合：需要实时数据看板、复杂跨渠道归因模型、或全自动无人值守监控的企业级用户。

---

常规风险

数据隐私风险（低-中）
用户可能在报告中粘贴敏感商业数据（收入、转化率、未公开的产品指标）。建议：

• 在「Save Results」环节审查待写入 memory/ 的内容
• 对外分享前执行敏感信息脱敏

决策偏差风险（中）
技能基于用户提供的数据生成「建议」，若输入数据存在采样偏差（如仅选表现好的关键词），输出将放大此偏差。建议交叉验证关键结论。

技能链依赖风险（低）
若期望自动嵌入 CITE/CORE-EEAT 评分但未运行前置技能，报告将显示「Not yet evaluated」，可能导致报告完整性预期落差。