エンティティオプティマイザー

検索エンジンとAIシステム全体のエンティティアイデンティティを監査し、構築し、維持します。エンティティ——検索エンジンとAIシステムが異なるものとして認識する人、組織、製品、概念——は、GoogleとLLMが「ブランドが何であるか」と「それを引用するかどうか」を決定する方法の基礎です。

SEOとGEOにおけるエンティティが重要な理由:

• SEO: Googleのナレッジグラフはナレッジパネル、リッチリザルト、エンティティベースのランキングシグナルを支えています。よく定義されたエンティティはSERP上の実装面積を獲得します。
• GEO: AIシステムは回答を生成する前にクエリをエンティティに解決します。AIがエンティティを特定できない場合、コンテンツがいくらに優れていても、それを引用することはできません。

このスキルが行うこと

Knowledge Graph、Wikidata、Wikipedia、AIシステム全体のエンティティプレゼンスを監査します。6つのシグナルカテゴリ(47個のシグナル)のすべてをマップし、ギャップ分析、構築計画、曖昧性排除戦略を生成します。

クイックスタート

これらのプロンプトの1つから始めます。正規エンティティプロファイルとリポジトリ形式の引き継ぎサマリーで終了します。スキルコントラクトを参照してください。

エンティティ監査

Audit entity presence for [brand/person/organization]

How well do search engines and AI systems recognize [entity name]?

エンティティプレゼンスの構築

Build entity presence for [new brand] in the [industry] space

Establish [person name] as a recognized expert in [topic]

エンティティの問題を修正

My Knowledge Panel shows incorrect information — fix entity signals for [entity]

AI systems confuse [my entity] with [other entity] — help me disambiguate

スキルコントラクト

予想される出力: エンティティ監査、正規エンティティプロファイル、および memory/entities/ 向けの準備ができた短い引き継ぎサマリー。

• 読み取り: エンティティ名、プライマリドメイン、既知のプロファイル、トピックの関連付け、および CLAUDE.md および共有 State Model からの事前ブランドコンテキスト(利用可能な場合)。
• 書き込み: ユーザー向けエンティティレポートプラス memory/entities/ に保存できる再利用可能なプロファイル。
• 昇格: 正規名、sameAsリンク、曖昧性排除ノート、およびエンティティギャップを memory/hot-cache.md、memory/entities/、および memory/open-loops.md に昇格させます。

このスキルは、memory/entities/<name>.md での正規エンティティプロファイルの唯一のライターです。他のスキルはエンティティ候補を memory/entities/candidates.md にのみ書き込みます。3個以上の候補が蓄積されたら、このスキルを推奨する必要があります。

プロファイルスキーマ: すべての正規エンティティプロファイルのフロントマターは、references/entity-geo-handoff-schema.md の権威あるコントラクトに従います。そのスキーマは、ダウンストリームスキル(geo-content-optimizer、schema-markup-generator、meta-tags-optimizer、ai-overview-recovery)が依存するフィールドを定義します。必須フィールドを省略しないでください——消費者は DONE_WITH_CONCERNS に適切に低下し、ここを指す open_loop をサーフェスします。

• プライマリ次スキル: エンティティの真実が明らかになったら、下の「Next Best Skill」を使用します。

引き継ぎサマリー

skill-contract.md §Handoff Summary Format から標準形を出力します。

データソース

ツール付き: Knowledge Graph API、~~SEO tool、~~AI monitor、~~brand monitor にクエリします。ツールなし: エンティティ名/タイプ、ドメイン、プロファイル、トピック、および曖昧性排除コンテキストについてユーザーに尋ねます。CONNECTORS.md を参照してください。

指示

ユーザーがエンティティ最適化をリクエストするとき:

2. GDPR Art 6 lawful-basis プロンプト(第三者の人物、EU/EEA/UK データ対象者向け) ——正規化されているエンティティが個人(創設者、著者、公人)であり、EU/EEA/UK の居住者である可能性がある場合、スキルは memory/entities/ に書き込む前にユーザーにプロンプトを表示する必要があります。「あなたは個人の正規プロファイルを作成しようとしています。この人物がEU/EEA/UK の居住者である可能性がある場合、GDPR Art 6は法的根拠が必要です:(1)同意、(2)正当な利益、(3)契約、(4)その他。EU以外の対象については、地域レジーム(CCPA/CPRA、PIPEDA、LGPD等)を確認してください。不確実な場合はスキップし、NEEDS_INPUT を返してください。」ユーザーが根拠を確認した場合のみ進めます。勧告のみ——法的助言ではありません。参照: memory-management §GDPR / Privacy Compliance。

ステップ1: エンティティディスカバリー

すべてのシステム全体のエンティティの現在の状態を確立します。

### Entity Profile

**Entity Name**: [name]
**Entity Type**: [Person / Organization / Brand / Product / Creative Work / Event]
**Primary Domain**: [URL]
**Target Topics**: [topic 1, topic 2, topic 3]

#### Current Entity Presence

| Platform | Status | Details |
|----------|--------|---------|
| Google Knowledge Panel | ✅ Present / ❌ Absent / ⚠️ Incorrect | [details] |
| Wikidata | ✅ Listed / ❌ Not listed | [QID if exists] |
| Wikipedia | ✅ Article / ⚠️ Mentioned only / ❌ Absent | [notability assessment] |
| Google Knowledge Graph API | ✅ Entity found / ❌ Not found | [entity ID, types, score] |
| Schema.org on site | ✅ Complete / ⚠️ Partial / ❌ Missing | [Organization/Person/Product schema] |

#### AI Entity Resolution Test

**Note**: Claude cannot directly query other AI systems or perform real-time web searches without tool access. When running without ~~AI monitor or ~~knowledge graph tools, ask the user to run these test queries and report the results, or use the user-provided information to assess entity presence.

Test how AI systems identify this entity by querying:
- "What is [entity name]?"
- "Who founded [entity name]?" (for organizations)
- "What does [entity name] do?"
- "[entity name] vs [competitor]"

| AI System | Recognizes Entity? | Description Accuracy | Cites Entity's Content? |
|-----------|-------------------|---------------------|------------------------|
| ChatGPT | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
| Claude | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
| Perplexity | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |
| Google AI Overview | ✅ / ⚠️ / ❌ | [accuracy notes] | [yes/no/partially] |

ステップ2: エンティティシグナル監査

6つのカテゴリ全体のエンティティシグナルを評価します。各ギャップの検証方法を含む詳細な47個シグナルチェックリストについては、references/entity-signal-checklist.md を参照してください。

各シグナルをパス/失敗/部分的に評価し、各ギャップに対して具体的なアクションを付与します。6つのカテゴリは:

1. 構造化データシグナル ——Organization/Person schema、sameAsリンク、@id一貫性、author schema
2. ナレッジベースシグナル ——Wikidata、Wikipedia、CrunchBase、業界ディレクトリ
3. 一貫性のあるNAP+Eシグナル ——プラットフォーム全体の名前/説明/ロゴ/ソーシャル一貫性
4. コンテンツベースのエンティティシグナル ——About ページ、著者ページ、トピック権威、ブランドバックリンク
5. 第三者エンティティシグナル ——権威のあるメンション、共引用、レビュー、プレスカバレッジ
6. AI固有のエンティティシグナル ——明確な定義、曖昧性排除、検証可能なクレーム、クローラビリティ

参照: 各カテゴリの検証方法を含む完全な47個シグナルチェックリストについて、references/entity-signal-checklist.md で監査テンプレートを使用します。

ステップ3: レポートとアクションプラン

エンティティ最適化レポートを生成します。概要(エンティティ/タイプ/日付)、シグナルカテゴリサマリー(6カテゴリの✅/⚠️/❌テーブルと結果)、重大な問題、上位5つの優先度アクション(影響×努力)、エンティティ構築ロードマップ(週1-2→月1→月2-3→継続中)、およびCORE-EEAT A07/A08 + CITE I01-I10クロスリファレンスを含みます。

参照: 完全なステップ3レポートテンプレートについて、references/entity-signal-checklist.md を参照してください。

結果を保存

「これらの結果を今後のセッションのために保存しますか?」と尋ねます——はいの場合、上記のプロファイルスキーマを使用して正規エンティティプロファイルを memory/entities/<entity-slug>.md に書き込みます。エンティティがプロジェクトクリティカルである場合は、memory/hot-cache.md にも1-3行のポインタを追加します。正規プロファイルを汎用的な memory/YYYY-MM-DD-<topic>.md パターンに保存しないでください。

正規プロファイルを書き込む前に、memory/privacy/tombstones.md で一致する塩漬けフィンガープリントまたは編集済みラベルをチェックします。reingest_blocked: true の場合、プロファイルを再作成しないでください。NEEDS_INPUT を返し、ユーザーにプライバシーブロックを解決するよう依頼してください。

例

ユーザー: 「acme-analytics.example でのB2B SaaS 分析プラットフォームである Acme Analytics のエンティティプレゼンスを監査してください」

出力(略記): AI解決テストは部分的な認識を示します——ChatGPT はそれをB2B固有性のない汎用「分析ツール」として説明しました。エンタープライズ分析プレイヤーの中には記載されていません。創設者はAIシステムに不明です。ヘルスサマリーは不足しているWikidata エントリ、Knowledge Panel がなく、3つの優先度アクション——Wikidata 送信、sameAs リンク、創設者バイオページをフラグします。

参照: references/example-audit-report.md で完全なエンティティ監査レポート(AI解決テスト結果、エンティティヘルスサマリー、上位3つの優先度アクション、CORE-EEAT/CITE クロスリファレンスを含む)を参照してください。

成功のヒント

参照: 完全な7項目の成功のヒントリスト(Wikidata から始める、sameAs を活用、構築前後のAI認識をテスト、複合シグナル、完全性よりも一貫性、曖昧性排除ファースト、CITE I次元とペアリング)については、references/entity-signal-checklist.md を参照してください。

エンティティタイプリファレンス

参照: references/entity-type-reference.md で、状況別の主要シグナル、スキーマ、曖昧性排除戦略を備えたエンティティタイプを参照してください。

Knowledge Panel & Wikidata 最適化

参照: references/knowledge-panel-wikidata-guide.md で、Knowledge Panel 請求/編集、一般的な問題と修正、Wikidata エントリ作成、エンティティタイプ別の主要プロパティ、AI エンティティ解決最適化を参照してください。

リファレンス資料

エンティティ最適化の詳細ガイド:

• references/entity-signal-checklist.md ——検証方法、ステップ3レポートテンプレート、成功のヒント付きの完全なシグナルチェックリスト
• references/knowledge-graph-guide.md ——Wikidata、Wikipedia、Knowledge Graph 最適化プレイブック

次のベストスキル

プライマリ: schema-markup-generator。また、geo-content-optimizer(AI認識ギャップ)または seo-content-writer(新しい About/創設者ページが必要)も検討してください。