有個 Reddit 使用者做了一套系統，讓 Claude Code 自己研究關鍵字、每天發文章、每週出一個免費互動工具。不是一次性的實驗，是持續在跑的東西。
Ahrefs 的 Mateusz Makosiewicz 把這件事寫進他 2026 年 9 月 30 日刊出的文章，標題直接叫《Claude Code for SEO: 35 Use Cases》。他沒有喊「AI 自動化 SEO」這種口號，而是列了 35 個具體案例，每一個都講得清楚：丟什麼進去、要它做什麼、產出什麼給你看。
這篇不是概念文。Makosiewicz 是 Ahrefs 的 SEO 與行銷教育者，也是站上之前那篇 AI 搜尋優化指南的作者。他這次談的是Claude Code（Anthropic 出的程式撰寫工具，可以用自然語言叫它讀檔案、跑資料、改東西）怎麼接進 SEO 的日常工作。文章裡引用的案例有的來自社群分享，有的來自 Ahrefs 內容總監 Ryan Law 自己跑的內容系統。每一段我會標清楚，哪個是作者自己的建議，哪個是有數據或公開案例的。
這套工具怎麼接上 SEO 工作
Makosiewicz 給的第一個重點是：Claude Code 變有用，不是因為你叫它「讓我明天排第一」，而是因為你給了它具體的東西。
他舉的例子是：與其叫它「分析流量」，不如給它兩份 Google Search Console（Google 提供的網站搜尋表現報表工具）的匯出檔，叫它找出哪些頁面掉了最多點擊、掉了多少、兩個期間之間變了什麼。它可以比對檔案、算出差距、把結果存成一張新表。
這個模式貫穿整篇文章。給檔案或資料、說清楚要找什麼、叫它產出一個你可以審的東西。他強調，從簡單的 CSV（用逗號分隔的資料檔）或試算表開始就好，不用第一天就把所有 SEO 工具接上去。
他另外提了三個會常看到的名詞，每個都接了一句白話解釋：API 讓 Claude 從服務直接抓資料，不用手動匯出；MCP（Model Context Protocol，讓模型直接連到工具的協定）讓 Claude 可以更直接連到 Ahrefs 這類工具；Skills 是可重複使用的指令，同一個任務想用同樣方式跑超過一次的時候用。
內容這塊，它做的是「轉寫」不是「原創」
這一類的案例最多，而且都繞著同一個邏輯：你手上已經有東西了，Claude Code 把它變成另一種形式，你來決定要不要發。
訪談錄音轉成文章
Cody Schneider 的做法是把業界觀點錄下來，交給 Claude 從排名頁面和錄音內容寫文章。Makosiewicz 特別補了 Google 關於實用內容的指導：頁面要有原創資訊和一手經驗，像是實際用過產品。你的經驗是競爭頁面沒有的部分，而你的觀點被寫成通泛建議，是這個流程裡最需要盯的地方。他寫道，要叫 Claude 把你的看法保留得很具體，不要抹平，事後也要檢查你的觀點有沒有活過編輯，有沒有哪句話是它硬塞給你、你根本沒說的。
舊文章找出內容缺口
Teresa Torres 把她多年的部落格存檔和書稿轉成文字檔，叫 Claude 拿這些跟關鍵字資料比，找出她寫過但沒發展成文章的主題。然後她花大約一個小時，寫出一篇新文章，因為大部分的素材已經在她過去的寫作裡了。Makosiewicz 補充，Torres 講得很清楚：Claude 是幫她找出並整理素材，文章是她自己寫的。
影片轉文章、文章轉影片腳本
Ryan Doser 做了一個 skill，把自己的影片變成部落格文章：給它影片、想攻的搜尋詞、標題，它就從逐字稿寫文、加截圖和主圖、把草稿送到網站。反向的做法是 Borja Fatás 描述的每週流程：把每篇新文章轉成一支同主題影片，長度抓 8 到 12 分鐘，分章節。他開始這樣做，是因為他分析購買相關的搜尋時，發現大部分 AI 回答引用的都是影片。
一串 skill 串成文章產線
Ryan Law 用 23 個 skill 檔組了一套內容系統，把一個關鍵字想法在 6 到 12 分鐘內跑到接近完成的草稿。每一段流程存成獨立檔案，草稿差就回去看大綱或研究檔，找到哪步出錯，修那個 skill，從上一個好的步驟重跑。Makosiewicz 寫，Ryan 的系統會用 Ahrefs MCP 抓關鍵字數字、常見問題、目前搜尋結果，所以草稿不會靠編出來的數字。Ryan 自己補了一句：這套能用，是因為它複製了他團隊本來就有的編輯流程，而且他只用在熟到能檢查每個論點的主題上。
資料分析這塊，最值錢的是「交叉比對」
Search Console 看自然搜尋表現，廣告報表看付費搜尋，網站分析看訪客進來之後幹嘛。Makosiewicz 說，Claude 可以把這些報表的資料對在一起分析。
Will Scott 做了一個專案資料夾，裡面放幾支小程式，把他的客戶 Search Console、網站分析、廣告資料拉成檔案，Claude Code 可以一起讀。那些小程式是 Claude Code 幫他寫的。
付費和自然搜尋重疊的字
Scott 幫一個高等教育客戶交叉比對，找到 351 個搜尋詞，客戶在上面花錢投廣告，但自然搜尋已經排得很好。Makosiewicz 說這會帶出一個值得問的問題：那支廣告有沒有真的多帶客人進來？他建議把兩邊的報表丟給 Claude，叫它把搜尋詞對上，保留自然排名、廣告支出、有紀錄的詢問或購買，產出一張付費和自然團隊可以一起看的清單。
付費有量、自然沒曝光的字
同一個客戶的分析還找到 41 個搜尋詞，廣告是唯一的曝光管道，自然搜尋完全看不到。Scott 把這些當成內容缺口。Makosiewicz 的寫法是：廣告報表可以洩漏那些已經在帶客人或客戶的搜尋詞，就算你的網站在自然搜尋裡對它們沒什麼能見度。Claude 的工作就是把付費字跟自然資料比對，回傳一張「缺的字」的表，附上廣告支出和紀錄的線索或銷售。
高曝光低點擊的字
Cory Schneider 叫 Claude Code 找出所有他的頁面排在前 10、曝光至少 100 次、點擊率低於 3% 的搜尋詞。Claude 寫好資料庫查詢並執行，回傳一串清單。其中一個例子是排在第 5 的頁面，曝光超過 700 次，零點擊。Makosiewicz 說，曝光多是頁面有出現，點擊少是沒人選你，標題或描述可能不夠清楚，或競爭結果更直接回答了搜尋的人。
你要自己上手，先挑一個單一任務
Makosiewicz 在文章開頭就把立場講清楚：你不需要把整個 SEO 流程自動化，它才有用。從一個任務開始，自己留在控制位，決定哪些發現重要、哪些改動值得做。
選任務的方式很直接：挑一件你本來就在做的事，找到文章裡對應的例子，改成自己的流程。他甚至寫，可以把這篇文章丟給 Claude Code，要它把這些想法轉成 SEO skills。
具體來說，最小的起步是匯出兩份 CSV。不用裝終端機、不用接任何工具。Anthropic 後來讓 Claude Code 的快速起步不再需要透過終端機安裝執行，技術門檻降了一截。要接 Ahrefs 的話，Ahrefs MCP 在付費方案 Lite 起跳就有，配額最近翻倍。
要往「可重複執行」走，關鍵在 Skills。Makosiewicz 的建議是：把每個步驟分開存檔，給 Claude 專注的指令。一個長 prompt 想包下所有工作，通常每個工作都做得比較差。分開的 skill 讓你可以單獨跑某一步，或整串跑。出問題的時候，回去看上一步的輸出檔，不是從頭來。
MCP 省時間的點在於：人工整理報表的動作，從「下載、打開、複製貼上、重排」，變成 Claude 直接抓。它讀得到哪些字有人搜、哪些頁在排、哪些網站連到你，也能讀你接上去的 Search Console 和網站分析專案。你把兩份匯出檔丟給它，跟它說要比什麼，它回傳的是一張可以直接看的表。
文章轉 skill 的流程，Ryan Law 的例子最完整。他的做法是：把關鍵字研究、主題缺口分析、大綱這些編輯步驟各自做成 skill 檔，一個主 skill 照順序跑。開跑前，他會加一兩句方向，像是要切入的角度或要包含的產品功能。他強調這套流程複製的是團隊原本的編輯流程，不是憑空設計的。
這篇值不值得看
如果你的工作是每週要整理報表、更新舊文、或是把同一套內容流程跑很多遍，這篇值得看。它不跟你談 AI 會不會取代 SEO，它給的是 35 個可以直接抄的起手式，而且大部分只要 CSV 就能開始。
我個人比較有感的是作者反覆講的那句：別想把整個流程一次自動化。這跟市面上很多「AI 一鍵搞定 SEO」的講法相反。他寧可你從一件事開始，自己留決策權。這不是保守，是他看過這些案例之後的結論：有用的不是全部交給它，是你知道哪一步該交給它，哪一步自己看。
原文：Ahrefs〈Claude Code for SEO: 35 Use Cases〉
本文由 Claire 撰寫。Claire 是文案大叔開發的自動化寫作系統，從素材選題、撰稿到推上草稿全程自動執行，發布前由本人過目。
