企业官网建设流程全解析

导读

本文围绕 claude-seo 仓库中的 SXO（Search Experience Optimization，搜索体验优化）子代理 agents/seo-sxo.md 及其配套技能 skills/seo-sxo/SKILL.md 展开。SXO 的核心命题是：为什么技术优化做到 95 分的页面仍然无法排名——答案往往不是技术问题，而是该页面根本不是 Google 为这个关键词所奖励的"页面类型"。读完本文，你将掌握一套完整的 SXO 方法论：从 SPA 感知、SSRF 防护的页面抓取与解析，到 SERP 反向分析、8 类页面类型分类、页面类型错配评级、用户故事推导、7 维差距评分、人设评分，再到可选的 IST/SOLL 线框生成，以及如何与 DataForSEO、E-E-A-T、Schema、本地 SEO 等其他子技能协同。

1. SXO 子代理的定位与核心洞察

1.1 子代理是什么

在 claude-seo 中，seo-sxo同时以两种形态存在：

• Agent 形态：agents/seo-sxo.md 定义了一个可被编排器调用的 SXO 分析员角色，标注model: sonnet、maxTurns: 20，可用工具为 Read、Bash、WebFetch、WebSearch、Glob、Grep、Write。
• Skill 形态：skills/seo-sxo/SKILL.md 提供用户可直接调用的/seo sxo命令族，版本号为 2.2.0，user-invocable: true，参数提示为<url> [keyword]。

两者的分工是：Agent 面向编排器（audit orchestrator）提供结构化的审计输出；Skill 面向用户在 Claude Code 会话中交互式执行。两者共享同一套执行流水线和 skills/seo-sxo/references/ 下的四份方法论参考文档。

1.2 核心洞察：页面类型错配（Page-Type Mismatch）

SXO 与传统 SEO 审计的根本区别在于视角：

• SEO Health Score= 技术合规度（可抓取性、速度、Schema 等），衡量"页面是否被机器理解"。
• SXO Gap Score= 页面与 SERP 期望的契合度，衡量"页面是否值得为这个关键词排名"。

一个页面的 SEO 可以拿到 95 分、SXO 却只有 30 分——技术完美但战略错位。最典型的场景：当 Google 为某个关键词展示 8 个产品页和 2 个对比页时，无论这篇博客写得多么优化，它都很难挤进前十，因为它属于错误的页面类型。这正是 SXO 要回答的核心问题："基于 Google 在 SERP 中实际奖励的内容，这个页面配得上这个关键词的排名吗？"

2. 目标页面获取：SPA 感知且 SSRF 防护的渲染链路

SXO 分析的起点是拿到目标页面的真实渲染结果。Agent 文档明确要求两条命令，而不是直接 curl：

python3 scripts/render_page.py "<url>" --mode auto --json python3 scripts/parse_html.py "<url>"

2.1 为什么必须使用 render_page.py

scripts/render_page.py 是 claude-seo 共享的无头渲染器，其设计动机（见模块 docstring）非常明确：v2.0.0 之前只有seo-visual使用 Playwright，其余子代理抓取原始 HTML，在 SPA 上会产生大量假阴性——<div id="root">为空、源码里没有 Schema、没有正文。SXO 的搜索体验评分恰恰需要渲染后的 DOM，因为用户看到的就是 JS 产出的内容；文档进一步建议--mode always，让首屏分析（above-the-fold）与用户人设实际遭遇的内容一致。

三种模式的语义：

SPA 检测逻辑见 scripts/render_page.py：_SPA_SHELL_PATTERNS覆盖 React（<div id="root">、__next）、Vue/Nuxt（#app、__nuxt）、Svelte（data-svelte-h=）、Astro islands 以及 "please enable javascript" 提示；此外还会在<body>可见文本不足 100 字符时判定为 JS 渲染内容（阈值刻意调得保守，避免误判 example.com 这类极简静态页）。

--json输出会返回结构化字段：raw_content（JS 执行前）、content（JS 执行后）、is_spa、extracted_text（经 trafilatura 去样板后的正文）、publication_date（经 htmldate 识别）。为避免把数 MB HTML 灌进 stdio，JSON 模式会对content、raw_content、extracted_text做截断（见 scripts/render_page.py）。CLI 还支持--viewport（desktop/laptop/tablet/mobile）、--timeout-ms（默认 15000）、--block image|media|font|stylesheet加速渲染、--no-extract跳过后处理、--a11y-tree捕获 Playwright 无障碍树（会强制渲染）。

2.2 SSRF 与 DNS 重绑定防护

Agent 文档强调："never call requests.get directly on user-supplied URLs"。所有 URL 必须经过 scripts/url_safety.py 的validate_url_strict()预检，该函数用socket.getaddrinfo解析域名并核对每个 A 记录均为公网 IP（拒绝私网、环回、保留、链路本地、组播、未指定地址，见is_safe_ip），返回(normalized_url, pinned_ipv4)。

由于 Chromium 内部自行解析 DNS、无法在 Python 层做 DNS 固定，Playwright 路径采用双重防御：预检 +make_safe_playwright_route_handler()拦截每个子资源请求并中止解析到非公网 IP 的请求（见 scripts/url_safety.py 的 Limitations 说明与 scripts/render_page.py 的调用处）。对 requests 路径则提供safe_requests_get/safe_requests_head/safe_requests_session，在 DNS 固定的上下文管理器内完成请求，OS 解析器只会看到预检通过的 IP。

2.3 解析目标页面的 SEO 元素

scripts/parse_html.py 基于 BeautifulSoup 提取：title、meta description、canonical、H1/H2/H3 层级（并标记 ≤3 字符或纯数字的疑似计数器标题）、图片（含懒加载方式识别：native/perfmatters/ewww/js-generic/none，见 scripts/parse_html.py）、内外部链接、JSON-LD Schema（自动展平@graph）、hreflang、可见文本字数（剔除 script/style/nav/footer/header 后统计，见 scripts/parse_html.py）。

SXO 分析员基于这些元素确认：页面类型、title、H1、meta description、标题结构、字数、Schema、CTA、媒体。若未提供关键词，则从 title 与 H1 的重叠词推导主关键词。

3. SERP 反向分析（Backwards Analysis）：读 Google 的奖励信号

"反向分析"的含义是：不猜 Google 想要什么，而是从 SERP 现有赢家的共同特征反推 Google 正在奖励什么。第 2 步要求用 WebSearch 搜索目标关键词，然后逐条记录：

对前 10 条自然结果，记录每个结果的：

• URL 与域名权威层级（品牌站 / 垂直权威站 / 未知站）；
• 页面类型（用下述 8 类分类法归类）；
• 内容格式（长文、列表、教程、对比、工具、视频）；
• 字数估算（从摘要长度与页面结构推断）；
• Schema 类型（从 SERP 特征推断：评分、FAQ、HowTo）；
• 媒体信号（视频轮播、图片包、缩略图）。

同时记录 SERP 特征区块：

• 精选摘要（段落/列表/表格/视频）；
• People Also Ask（提取全部可见问题）；
• 广告（顶部与底部，计数并分析广告文案主题）；
• 相关搜索（全部提取）；
• 知识面板 / 本地包 / 购物结果；
• AI Overview 的存在及其引用来源类型。

最后计算SERP 共识：主导页面类型（>60% 为强共识，40–60% 为混合，<40% 为碎片化）、内容深度期望（平均字数层级）、Schema 期望（最常见的结构化数据类型）、媒体期望（视频是否必需、图片是否关键）。

3.1 8 类页面类型分类法

分类法完整定义在 skills/seo-sxo/references/page-type-taxonomy.md。每个页面（无论目标页还是 SERP 结果）必须归入且仅归入一类，信号冲突时选择主信号最强的类型。8 类概览：

分类优先级（多信号冲突时按序裁决）：工具 > 本地（除非工具为主）> 对比 > 产品 > 落地页 > 服务页 > 混合 > 博客（默认兜底）。

4. 页面类型错配检测：SXO 的核心结论

第 3 步将目标页用同一套分类法归类，与 SERP 主导类型比对，按四级评级：

若 SERP 碎片化（无主导类型），则记录为差异化机会——这正是反向分析的隐藏价值：当 Google 自己都未形成共识时，一个定义清晰、深度到位的页面反而可以定义该关键词的赢家模板。错配一旦存在，就是本次分析的 PRIMARY finding，必须放在报告最前面。

5. 用户故事推导：从信号到意图

5.1 五类信号源

skills/seo-sxo/references/user-story-framework.md 规定：每条用户故事必须引用具体的 SERP 信号，禁止无证据猜测。信号源及其揭示的意图：

1. PAA 问题→ 知识缺口与顾虑。按主题聚类：定义类（what is = 认知阶段）、流程类（how to = 考虑阶段）、评估类（is X worth it）、对比类（X vs Y = 决策阶段）、风险类（is X safe）。
2. 广告文案主题→ 商业触发点与异议处理。常见模式：免费试用强调（顾虑：承诺）、trusted-by 计数（顾虑：信任）、价格锚定（顾虑：成本）、速度宣称（顾虑：时间）。若无广告，说明该词偏信息型、商业意图低。
3. 相关搜索→ 搜索旅程。+ "for beginners" / + "pricing" = 收窄；"[词] alternatives" = 不满信号；"[词] vs [对手]" = 对比决策阶段；"[词] reviews" = 购买前寻求信任。
4. 精选摘要格式→ 期望的答案结构。段落=简明定义；列表=步骤/排行；表格=结构化对比；视频=可视化演示；无摘要=Google 未定形（机会）。
5. AI Overview→ Google 认可的权威综合。被引用来源=该主题上 Google 信任的权威信号；若目标页未被引用，说明其内容不匹配 Google 的综合模型。

5.2 用户故事模板

对每个信号簇生成一条用户故事，3–5 条，覆盖至少两个旅程阶段（认知、考虑、决策）：

As a [persona derived from signal], I want to [goal derived from query intent], because [emotional driver from ad copy / PAA tone], but I'm blocked by [barrier derived from PAA questions / related searches].

5.3 情感状态与障碍类型映射

情感状态映射：PAA 出现 "Is X safe / legitimate / scam" → 怀疑；相关搜索大量对比 → 选择过载；PAA 被 "How to [基础任务]" 主导 → 困惑/受挫；高广告密度 + 购物结果 → 准备购买；"Best [X] for [use case]" → 谨慎评估；"[X] not working" → 对现有方案不满。

障碍类型（每条都必须能在页面层面给出解法）：信息缺口 → 首屏给出完整答案；信任缺口 → 社会证明、资历、保证；对比疲劳 → 明确差异化或推荐；价格敏感 → 透明定价与价值论证；技术困惑 → 分步指南、演示或工具；时间压力 → 速胜内容、快速解决。

示例推导（关键词 "project management software"，完整示例见参考文档）：由 PAA "cheapest"、相关搜索 "small business"、广告 "free forever" 推导出SMB 主的价格敏感故事；由相关搜索 "Asana vs Monday vs ClickUp" 与 PAA "is Monday better than Asana" 推导出评估者的对比疲劳故事；由广告 "set up in 5 minutes" 与 PAA "do I need PM software for small team" 推导出非技术管理者的技术困惑故事。每条故事都标注了来源信号。

6. 七维差距分析：SXO Gap Score

第 5 步把目标页与 SERP 期望在 7 个维度上逐一对比，满分 100：

每个分数必须附带具体证据（引用页面实际内容），不能只给数字。分数越低差距越大，越高越契合——注意 SXO Gap Score 的方向语义与常规健康分相反。

7. 人设评分：从多重视角审视页面

7.1 人设推导

skills/seo-sxo/references/persona-scoring.md 要求从 SERP 意图信号推导 4–7 个人设，不发明无人设证据的人设。来源包括：PAA 问题簇 → 新手/技术评估者；广告文案分群 → 预算买家/企业买家；相关搜索主题 → 研究者/对比购物者；SERP 结果类型 → 视觉学习者/数据驱动分析师；精选摘要格式 → 速答寻求者。

人设卡片格式（每条含 Role、Goal、Emotional state、Journey stage、Key questions、SERP evidence）。

7.2 四维评分细则（每维 25 分，每人设 100 分）

• 相关性 Relevance（0–25）：页面是否回应此人的具体需求。21–25 直接命中主要目标；16–20 覆盖主题但缺人设化深度；11–15 仅沾边需自行推导；6–10 提到主题但服务他人；0–5 完全无关。评分信号：关键词与人设目标对齐、人设相关区块（如为 SMB 人设设 "for small businesses" 板块）的存在。
• 清晰度 Clarity（0–25）：此人能否在 10 秒内找到答案。21–25 首屏可见；16–20 在页面上但需滚动；11–15 存在但埋没于长文；6–10 需拼凑多个区块；0–5 找不到答案直接跳出。评分信号：标题与人设问题对齐、可扫描性（列表/表格/加粗）、目录与锚点跳转。
• 信任 Trust（0–25）：页面是否提供此人所需的信任信号。21–25 多个直接相关的信任信号；16–20 有通用信号但不针对人设；11–15 有信号但有缺口；6–10 极少信号感到不确定；0–5 无信号甚至损害信任。评分信号：同类用户证言、相关认证、安全徽章（面向风险厌恶者）、匹配行业/规模的案例研究、作者专业度。
• 行动 Action（0–25）：此人是否有清晰的下一步。21–25 清晰且低摩擦的人设化 CTA；16–20 CTA 存在但泛化；11–15 有下一步但不醒目；6–10 单一 CTA 不匹配旅程阶段；0–5 死胡同。评分信号：CTA 与旅程阶段匹配（认知期 "learn more" vs 决策期 "buy now"）、摩擦度（免费试用 vs 销售电话）、放置位置、为不同准备程度提供替代路径。

7.3 分数解读与优先级

聚合与排序：按预估搜索量占比加权（SERP 70% 信息意图则加权信息型人设；广告主导则加权商业型；有本地包则加权本地人设）。修复优先级：最弱且搜索量权重最高的人设 = 最大机会→所有维度中得分最低的跨人设共性 = 系统性问题→Critical Mismatch 人设 = 根本页面类型问题。建议必须具体到区块名、CTA 文案与放置位置。

8. 可选步骤：IST/SOLL 线框生成

仅当调用/seo sxo wireframe <url>时执行，模板见 skills/seo-sxo/references/wireframe-templates.md。流程：

1. 从已解析的页面结构生成IST（现状）线框；
2. 基于 SERP 共识页面类型 + 差距分析发现 + 人设评分弱点生成SOLL（目标）线框。

三条核心原则：超具体占位符（不是 "Add a CTA here"，而是 "Add pricing CTA with annual savings badge below hero, linking to /pricing#enterprise"）；移动优先（假设 375px 视口，首屏约 600px 内必须承载该页面类型最关键元素）；语义化 HTML（以 HTML5 元素输出区块大纲与注释）。

参考文档按 8 类页面类型分别给出 SOLL 模板骨架，例如 Landing Page 为header(logo+3-4 链接+主CTA) → hero(H1+副标题+CTA+信任行) → social-proof → features(3 块，回应 PAA) → how-it-works(3 步) → testimonial → pricing(2-3 档+推荐高亮+年付切换) → faq(5-7 条 PAA，FAQPage Schema) → final-cta。同时提供"糟糕 vs 具体"的占位符对照表，确保生成结果可直接交给前端落地。

9. 命令一览与 DataForSEO 集成

9.1 用户命令

9.2 DataForSEO 集成

若环境中存在 DataForSEO MCP 工具：任何 API 调用前先做成本估算并与用户确认；用google_organic_serp获取精确 SERP 数据（排名、特征、摘要）；用keyword_data获取搜索量与竞争度；DataForSEO 不可用时回退 WebSearch，并在输出中注明精度降低。参考 extensions/dataforseo/docs/DATAFORSEO-SETUP.md 可了解该扩展的接入方式。

10. 标准输出格式与错误处理

10.1 完整 SXO 分析模板

## SXO Analysis: [URL] ### Target Keyword: [keyword] ### 1. SERP Landscape - Dominant page type: [type] ([confidence]% consensus) - SERP features: [list] - Content depth norm: [word count range] - Schema expectation: [types] ### 2. Page-Type Alignment - Your page type: [type] - SERP expects: [type] - Verdict: [ALIGNED | MISMATCH (severity)] - Impact: [explanation] ### 3. User Stories (derived from SERP signals) [3-5 user stories with source signals] ### 4. Gap Analysis (SXO Score: XX/100) [7-dimension breakdown table] ### 5. Persona Scores [4-7 persona cards with 4-dimension scores] ### 6. Priority Actions [Ranked list: fix mismatch first, then weakest persona gaps] ### 7. Limitations [What could not be assessed, data source notes]

输出规则：SXO 分数与 SEO Health Score 完全分离、始终标注为 "SXO Gap Score"；有错配则置顶；必须包含 Limitations 小节（诚实说明哪些内容无法评估）；最后提供 "Generate a PDF report? Use/seo google report"。

10.2 错误处理矩阵

11. 跨技能协同与持久化输出

11.1 跨技能推荐

SXO 不试图解决一切问题，发现问题后按表转交：

对应的子代理定义见 agents/seo-content.md、agents/seo-schema.md、agents/seo-local.md、agents/seo-technical.md 等。

11.2 审计持久化

当编排器提供output_dir时，写入：

• output_dir/findings/sxo.md：SERP 意图、页面类型错配、用户故事、人设与 UX 差距发现；
• audit-data.json中 Search Experience 类目下的结构化 JSON 兼容发现。

12. 交付前质量清单

两份文档（Agent 与 Skill）都内置了交付前核查，合并如下：

• 目标 URL 经由scripts/render_page.py --mode auto抓取（而非裸 curl/fetch）
• 页面类型归类使用了 taxonomy 参考文档
• 至少分析了 5 条 SERP 结果
• 每条用户故事引用了具体的 SERP 信号作为证据
• 人设评分包含具体改进建议
• 错配严重度已明确评级
• SXO 分数明确标注为独立于 SEO Health Score
• Limitations 小节存在且诚实
• 在相关处包含跨技能推荐

结语：把 SXO 纳入常规审计循环

SXO 的价值不在于取代传统技术审计，而在于补上"技术满分却排不上去"这一盲区。它通过 agents/seo-sxo.md 中定义的流水线——安全渲染目标页 → SERP 反向分析 → 8 类页面类型归类 → 错配评级 → 信号驱动的用户故事 → 7 维 Gap Score → 4–7 人设多视角评分（→ 可选线框）——把"Google 奖励什么"与"页面提供了什么"之间的差距变成可量化、可排优先级、可落地的行动计划。在每次 SEO 健康分审计的同时运行 SXO 分析，并同时报告两个分数（例如 95 SEO + 30 SXO），你就能从"为什么排不上去"走向"它值得排上去的页面形态是什么"。