核心功能
Offsite Signal Analyzer 是一款专注于站外信号分析的专业SEO技能，提供两大核心工作模式：
Backlinks模式（反向链接分析）：深度解析网站的外链画像，包括引用域名质量、锚文本分布、有毒链接识别及清理建议。通过对接主流SEO数据库，可生成完整的链接健康报告，识别竞争对手的链接缺口，发现外链建设机会。支持无工具场景下的CSV导入分析，并提供GDELT新闻提及追踪作为非链接引用的补充信号。
AI-Referrals模式（AI引流分析）：这是该技能的差异化亮点——专门追踪AI助手产生的引荐流量。通过分析GA4、Search Console或服务器日志，识别来自ChatGPT、Perplexity、Gemini、Copilot、Claude等AI平台的访问会话，统计趋势变化、高转化落地页，并对比AI流量与自然搜索的转化效率。支持Tavily API进行上游引用检测，验证品牌是否被AI答案引擎收录引用。
显著优势
1. AI时代先发优势：当前市面上极少数专门量化"AI引荐流量"的分析工具，填补传统SEO与生成式AI流量之间的数据鸿沟
2. CITE框架原生整合：外链数据直接映射到Citation/Trust维度的评分输入，与domain-authority-auditor无缝衔接
3. 零依赖测量体系：内置ledger.py实现跨期数据存储与趋势计算，无需外部BI工具即可追踪AI流量KPI变化
4. 多源数据兼容：既支持付费SEO工具接入，也支持纯CSV导入的轻量分析，适应不同技术栈环境
5. 行业基准对标：集成Cloudflare Radar AI Insights作为全网AI爬虫流量基准，帮助判断自身AI流量的相对表现
局限性与注意事项
1. AI流量归因的固有局限：引荐日志仅能证明AI答案链接了网站，无法确认引用 prominence——高流量可能来自答案底部备注，而非核心推荐位置
2. 数据完整性依赖：backlinks模式无数据库连接时需用户手动导出；ai-referrals模式依赖GA4/GSC/log的准确标记，部分AI来源可能被归类为"Direct"
3. 样本量敏感：AI引荐流量目前整体占比仍低，短期波动可能不具备统计显著性，需配合measurement protocol的"readback window"设计谨慎解读
4. 地理覆盖中等：技能标注geo-relevance为medium，部分地区AI工具使用率差异可能影响结果可比性
5. 正则表达式维护成本：AI来源匹配依赖维护更新的正则列表，新兴AI平台可能出现漏检
适用对象
- SEO/增长团队：需监测AI流量转化效率、优化AI时代的获客策略
- 内容/产品运营：希望了解哪些内容被AI答案引用、驱动实际访问
- 数字营销分析师：负责跨渠道归因建模，需将AI引荐纳入渠道组合评估
- 站长/独立开发者：低成本获取专业级外链与AI流量洞察
- CITE框架实施者：需要为域名权威度评分收集站外信号输入
使用风险与常规注意事项
性能风险：GDELT新闻提及查询有≥5秒调用间隔限制；大规模日志分析可能消耗显著计算资源
依赖风险：Tavily等上游检测为第三方服务，存在可用性与定价变动可能
数据安全：需处理GA4导出数据、服务器日志等敏感信息，应确保传输与存储符合内部安全策略
误读风险：AI流量增长≠品牌被AI"推荐"，需结合上游引用检测交叉验证，避免战略误判
维护状态：技能版本18.0.0，Apache-2.0开源协议，托管于个人GitHub仓库，建议关注更新节奏与社区活跃度