seo-geo-claude-skills解説：GEO時代のSEOをClaudeスキル20個で仕組み化する

「検索で1位を取ったのに、ChatGPTに質問すると別のサイトばかり引用される」——2026年のコンテンツ運用で、こんな逆転現象に気づいた人は少なくないはずです。読者はもう検索結果の10本のリンクを吟味せず、生成AIがまとめた1つの答えを読んで満足してしまう。すると勝負の土俵は「検索順位」から「AIの答えに引用されるか」へと静かに移ります。この新しい土俵をGEO（Generative Engine Optimization＝生成エンジン最適化）と呼びます。seo-geo-claude-skills（aaron-he-zhu作）は、従来のSEOと、このGEOの両方を、Claudeのスキル20個＋コマンド5個として仕組み化したOSSです。

この記事を読むと、①seo-geo-claude-skillsで結局何ができるのか（SEOとGEOのワークフローをスキルとして呼び出し、120項目で品質を採点する）、②どんな課題を解決するのか（属人的で再現しにくかったSEO/GEO判断を、数値ゲートとSHIP/FIX/BLOCKの明快な結論に置き換える）、③何を代替できるのか（手動の主観的レビューや、バラバラなSEOチェックリストを、統一されたスキル群で置き換える）が分かります。まずClaude Code自体の全体像から押さえたい方は、Claude Code完全ガイド2026：インストールから本番運用までを先に読むと、本記事のスキルがどこで動くのかが掴みやすくなります。

1. seo-geo-claude-skillsとは：SEOとGEOをClaudeスキルに仕組み化するOSS

seo-geo-claude-skillsは、SEOとGEOのワークフローを、Claudeのスキルとコマンドとして体系化したライブラリです。中身は20個のスキルと5個のコマンド。従来のGoogle/Bing向けSEOと、生成AIに引用されるためのGEOの両方をカバーします。作者はaaron-he-zhu氏で、ライセンスはApache-2.0。スキル本体は外部依存のないゼロ依存のMarkdown（SKILL.md形式）で書かれています。

ここで言う「スキル」とは、Claudeが読み込んで実行できる手順書のようなMarkdownファイルです。seo-geo-claude-skillsは、これまで人間の頭の中や、担当者ごとにバラバラなExcelチェックリストに閉じ込められていたSEO/GEOの知見を、Claudeが直接呼び出せる形に外出しした点が新しいと言えます。「キーワードを調べる」「競合を分析する」「記事の品質を採点する」といった作業を、自然文の指示やスラッシュコマンドで呼び出せるようになります。

このOSSの位置づけを整理すると、次の3つの性質を1つに束ねた点が特徴です。

・GEO対応：検索順位（SEO）だけでなく、生成AIの回答内での被引用（GEO）まで最適化対象にする
・定量ゲート：品質と権威性を計120項目で採点し、SHIP/FIX/BLOCKという明快な結論を出す
・移植性：ゼロ依存のMarkdownなので、特定のツールに縛られず35以上のホストで動く

これまでも、SEOのチェックリストやツールは無数にありました。しかしそれらは「担当者の経験に依存する」「ツールごとに指標がバラバラ」「そもそも生成AI時代のGEOに対応していない」といった具合に、どこかで妥協が生じます。seo-geo-claude-skillsが新しいのは、この3つの要件をスキルという移植可能な単位でまとめ、しかも採点基準まで内蔵した点です。「SEOツールを1つ増やす」というより、「AIエージェントにSEO/GEOの判断基準を1式インストールする」感覚に近いと言えます。

2. GEO（生成エンジン最適化）とは：SEOとの違いをやさしく解説

このOSSを理解するうえで最重要なのが、GEO（Generative Engine Optimization）という新しい概念です。日本語ではまだ耳慣れないため、ここで丁寧に説明します。

SEOは「検索結果一覧で上位に表示される」ことを目指す最適化です。GoogleやBingの結果ページで、いかに上のリンクを取るか。読者はそのリンクをクリックして、あなたのサイトに来ます。一方、GEOは「生成AIの回答の中で引用・参照される」ことを目指す最適化です。ChatGPTやPerplexity、Gemini、Claude、Google AI Overviewsが答えを生成するとき、その根拠としてあなたのコンテンツが選ばれるか——それがGEOの勝敗です。

なぜこれが別物なのか。生成AIは、検索結果の10本のリンクをユーザーに見せる代わりに、複数のソースを読み込んで1つの答えを合成します。このとき「引用されやすいコンテンツ」には、順位とは別の性質が求められます。geo-content-optimizerスキルは、その狙いを「ChatGPT、Perplexity、AI Overviews、Gemini、Claudeでの引用されやすさ（citation readiness）を高める」と明記しています。

GEOで引用されやすくするための具体的な打ち手は、次のようなものです。

・単独で意味が通る定義文：前後の文脈がなくても、その一文だけ抜き出して引用できる形にする
・出典付きの言明：主張に根拠となる出典を添え、AIが安心して引用できるようにする
・権威性のシグナル：誰が・どの立場で書いたのかを明示する
・構造化されたフォーマット：見出し・箇条書き・表など、AIが抜き出しやすい形に整える
・Q&A形式の「引用可能な回答ブロック」：想定される質問に対し、そのまま引用できる短い答えを用意する

geo-content-optimizerの完了基準は明快で、「対象とする各AIクエリに対し、単独で成立し引用可能な回答ブロックが用意されていること」です。しかも、引用されやすさは実際の生成エンジンにURLを投げて数分で検証できます。ここが従来のSEOと大きく違うところで、順位のように何週間も待つ必要がありません。

ここで押さえたいのは、geo-content-optimizerは万能ではないことです。ページ内の構造的なオンページSEO（見出し構造やメタ情報の最適化）はon-page-seo-auditorの担当であり、ゼロから新規に本文を書き起こすのはseo-content-writerの担当です。geo-content-optimizerは、あくまで既存コンテンツの引用されやすさを高めることに特化しています。役割を分けて考えるのが、このOSSの使い方のコツです。

「順位を取る」から「AIの答えに引用される」へ——GEOは、検索の主役が生成AIに移る時代の新しい勝ち筋です。日本語圏ではまだ意識している運用者が少ないぶん、早く取り組む価値があります。

3. 20個のスキル全体像：Research・Build・Optimize・Monitorの4フェーズ

seo-geo-claude-skillsの20スキルは、SEO/GEOの作業フローに沿って4つのフェーズ＋横断（Cross-cutting）に整理されています。全体像を図にすると、こうなります。

各フェーズに割り当てられたスキルは次のとおりです。

Research（調査・4スキル）：keyword-research（キーワード調査）、competitor-analysis（競合分析）、serp-analysis（検索結果分析）、content-gap-analysis（コンテンツの穴分析）。何を書くべきか、どこに勝機があるかを見極めるフェーズです。

Build（作成・4スキル）：seo-content-writer（SEO本文作成）、geo-content-optimizer（GEO最適化）、meta-tags-optimizer（メタタグ最適化）、schema-markup-generator（構造化データ生成）。実際にコンテンツを組み上げるフェーズです。

Optimize（最適化・4スキル）：on-page-seo-auditor（オンページ監査）、technical-seo-checker（技術SEO点検）、internal-linking-optimizer（内部リンク最適化）、content-refresher（既存記事の刷新）。公開済み・作成済みのコンテンツを磨くフェーズです。

Monitor（計測・4スキル）：rank-tracker（順位追跡）、backlink-analyzer（被リンク分析）、performance-reporter（成果レポート）、alert-manager（アラート管理）。効果を測り、次の打ち手につなげるフェーズです。

Cross-cutting（横断・4スキル）：content-quality-auditor（CORE-EEAT80項目の品質ゲート）、domain-authority-auditor（CITE40項目の権威性ゲート）、entity-optimizer（エンティティ最適化）、memory-management（HOT/WARM/COLDのプロジェクト記憶管理）。全フェーズにまたがって効くスキルです。

これらのスキルは連鎖（チェイン）します。たとえばkeyword-researchが調べたキーワードを、そのままcompetitor-analysisに渡して競合を分析する、という具合です。各スキルの末尾には「Next Best Skill（次に呼ぶべきスキル）」が書かれており、AIが自然に次の作業へ手を伸ばせるようになっています。

memory-managementのHOT/WARM/COLDという記憶の階層も、地味ながら効きます。頻繁に参照する情報はHOT、たまに使うものはWARM、めったに使わないアーカイブはCOLDと分けることで、プロジェクトの文脈を効率よく保持し、長期の運用でも一貫した判断ができるようになります。

4. SKILL.mdの構造：スキルはどう書かれ、どう連鎖するのか

「スキル」と聞くとブラックボックスに思えるかもしれませんが、seo-geo-claude-skillsのスキルはすべて読めるMarkdown（SKILL.md）です。中身を知っておくと、信頼して使えるようになります。

各SKILL.mdは、YAMLフロントマターと本文で構成されます。フロントマターには、name（名前）、description（説明）、version（バージョン）、license（ライセンス）、compatibility（互換性）、homepage（配布元）が並びます。本文の典型的な構成は次のとおりです。

・Quick Start：まず何をするかの最短手順
・Skill Contract：このスキルが受け取る入力と返す出力の約束
・Handoff Summary：次のスキルへ引き継ぐ要約
・Data Sources：使うデータの出所
・Instructions：具体的な実行手順
・References：参照資料
・Next Best Skill：次に呼ぶべきスキル

この構成のうち、特にSkill ContractとHandoff Summaryがスキル連鎖の鍵です。あるスキルの出力が、そのまま次のスキルの入力になるよう「契約」で型が揃えられているため、keyword-research → competitor-analysis のように手渡し（ハンドオフ）がスムーズに進みます。人間がデータを整形し直す手間がなくなるわけです。

リポジトリのディレクトリ構成も、この設計を反映しています。

seo-geo-claude-skills/
├── research/          # keyword-research, competitor-analysis 他
├── build/             # seo-content-writer, geo-content-optimizer 他
├── optimize/          # on-page-seo-auditor, technical-seo-checker 他
├── monitor/           # rank-tracker, backlink-analyzer 他
├── cross-cutting/     # content-quality-auditor, domain-authority-auditor 他
├── commands/          # :auto, :research, :create, :audit, :track
└── references/        # 共通の参照資料

フェーズごとにディレクトリが分かれ、横断スキルはcross-cutting、コマンドはcommands、共通資料はreferencesにまとまっています。この見通しの良さのおかげで、「geo-content-optimizerって何をするスキル？」と思ったら、build/geo-content-optimizer/SKILL.md を開けばそのまま仕様が読めるわけです。ブラックボックスではなく、すべて検証可能な手順書として公開されているのは、信頼のうえで大きな意味があります。

もうひとつ、このOSSが徹底しているのがデータの正直さです。スキルが扱うすべての指標には「Measured（実測）／User-provided（ユーザー提供）／Estimated（推定）」のラベルを付けることが求められ、推定値を実測値のように提示することは禁止されています。SEOの世界では「なんとなくの数字」が独り歩きしがちですが、このルールがあることで、出てきた数値の信頼度を常に判断できます。推定を実測と偽らせない——この一線が、AIにSEO作業を任せるうえでの安心材料になっているのは見逃せないポイントです。

5. 品質ゲートの正体：CORE-EEAT80項目とCITE40項目で採点する

seo-geo-claude-skillsが「単なるスキル集」を超えている最大の理由が、2つの採点フレームワークを内蔵していることです。手動SEOの弱点だった「良し悪しの判断が主観的」という問題を、計120項目の定量ゲートで置き換えます。

CORE-EEAT：コンテンツ品質を80項目で採点

content-quality-auditorが担うCORE-EEATは、コンテンツ品質を80項目で採点するゲートです。各項目をPass=10 / Partial=5 / Fail=0で評価します。名前の由来は2つの頭字語です。

・CORE：Contextual Clarity（文脈の明快さ）／Organization（構成）／Referenceability（引用可能性）／Exclusivity（独自性）
・EEAT：Experience（経験）／Expertise（専門性）／Authority（権威性）／Trust（信頼性）

そして重要なのが拒否項目（veto items）です。特定の致命的な問題があると、他がどれだけ高得点でも自動的にBLOCKになります。具体的には、T04（アフィリエイト開示の欠落）／C01（タイトルと本文の不一致＝クリックベイト）／R10（ページ内のデータ矛盾）が拒否項目です。1つでも該当すれば公開は止まります。

最終的な判定はSHIP（公開可）／FIX（要修正）／BLOCK（公開不可）の3つ。「何点だからこう直せ」ではなく、明快な結論が出るのが実務で効きます。

CITE：ドメイン権威性を40項目で採点

domain-authority-auditorが担うCITEは、ドメインの権威性を40項目・100点満点で採点します。4つの次元に重みが付いています。

・Citation（引用）：35%
・Identity（同一性）：20%
・Trust（信頼）：25%
・Eminence（卓越性）：20%

4次元 × 各10項目 = 40項目で、合計0〜100点。スコアに応じてPoor（0〜39）……Excellent（90〜100）のように格付けされます。CITEにも拒否項目があり、T03（リンクとトラフィックの不一致）／T05（被リンクの重複）／T09（ペナルティ）が該当すると評価が大きく下がります。

この2つのゲートを図にすると、判定の流れが見えてきます。

この120項目という数値化こそ、後述する「手動SEOの代替」の核心です。人によってブレる主観的なレビューを、同じ物差しで誰が見ても同じ結論が出る採点に置き換えているわけです。

6. 導入と使い方：インストールからスラッシュコマンドまで

実際に使うのは驚くほど簡単です。Claude Codeなら、プラグインとして2コマンドで入ります。

/plugin marketplace add aaron-he-zhu/seo-geo-claude-skills
/plugin install aaron-seo-geo@aaron

Claude Code以外の汎用ホスト（skills.sh対応）では、npx で導入します。

# 全スキルをまとめて追加
npx skills add aaron-he-zhu/seo-geo-claude-skills

# 特定のスキルだけ追加（例：keyword-research）
npx skills add aaron-he-zhu/seo-geo-claude-skills -s keyword-research

# ソースを直接クローンして中身を読む
git clone https://github.com/aaron-he-zhu/seo-geo-claude-skills

導入したら、あとは自然文かスラッシュコマンドで呼び出すだけです。自然文なら、こんな具合に指示できます。

Research keywords for my SaaS product targeting small teams
Score this how-to guide against the 80-item benchmark: [content]

前者はkeyword-researchを、後者はcontent-quality-auditor（CORE-EEATの80項目採点）を呼び出す指示です。スラッシュコマンドを使うと、より明示的に制御できます。

/aaron-seo-geo:auto audit https://example.com/blog/my-article
/aaron-seo-geo:research
/aaron-seo-geo:create --brief
/aaron-seo-geo:track --alert

コマンドは全部で5つあります。

・:auto：意図を推論して最小限のワークフローを組み立てる（--deep で網羅的に実行）
・:research：調査フェーズのスキルを呼び出す
・:create：作成フェーズ（本文・メタ・構造化データ）を回す
・:audit：品質・権威性のゲート採点を実行する
・:track：計測フェーズ（順位・被リンク・レポート）を回す

このうち:autoが入り口として便利です。「監査して」「調べて」といった曖昧な依頼でも、意図を推論して必要なスキルだけを最小構成で走らせます。徹底的に見たいときは --deep を付ける、という二段構えです。

動作要件も確認しておきましょう。Claude Code（プラグイン経由）か、スキル互換ホスト（Cursor・Codex・35以上）が必要です。スキル本体はゼロ依存のMarkdownで、フックにはBashランナー、コネクタにはPython3を使います。外部APIは任意で、Tier 1はユーザー提供データだけで動き、Tier 2以上でMCPやコネクタ（Search Console、各種SEOツール）を接続できます。まずは手元のデータで試し、必要になったら連携を足す、という段階的な導入が可能です。