From 42-seo-skills
Revenue-at-risk model for the AI-search shift (Kaushik AEO loss model): classify GSC queries into four risk buckets (informational, commercial, transactional, branded), apply transparent loss assumptions per bucket, and project organic revenue loss and GEO recovery scenarios in euros with bandwidths. The sales engine behind GEO proposals. Use when user says "aeo forecast", "revenue at risk", "omzet risico AI", "AI search impact", "traffic loss forecast", "verlies prognose", "GEO business case", "hoeveel omzet lopen we mis", "zero click impact".
How this skill is triggered — by the user, by Claude, or both
Slash command
/42-seo-skills:42-aeo-forecast <domein> [scenario]<domein> [scenario]This skill is limited to the following tools:
The summary Claude sees in its skill listing — used to decide when to auto-load this skill
Turn "AI search is a threat" into a number a CFO accepts: **€X van de
Turn "AI search is a threat" into a number a CFO accepts: €X van de organische omzet staat op het spel, €Y is realistisch te behouden met GEO. Based on Avinash Kaushik's AEO loss-recovery framework: query-risk segmentation × loss assumptions × revenue per visit. Every assumption is visible, adjustable and reported as a bandwidth — never a point estimate.
| Command | What it does |
|---|---|
/42-aeo-forecast <domein> | Volledig risk-model uit GSC-data |
/42-aeo-forecast <domein> scenario | Best/expected/worst + recovery-pad |
42-seo-agi (gsc_pull.py) als creds beschikbaar zijn42-ga4-audit —
een fout omzetgetal maakt het hele model waardeloospython3 "${CLAUDE_PLUGIN_ROOT}/skills/42-aeo-forecast/scripts/classify_queries.py" \
--gsc queries.csv --brand "<merk,merknaam>" --out ./aeo-output
Heuristische classificatie (NL+EN markers) in vier buckets + unknown.
Review daarna zelf de top-50 unknown-queries op clicks en herclassificeer;
bij >25% unknown clicks is handmatige review verplicht vóór het model draait.
Steekproef-eis: check 50 geclassificeerde queries handmatig; <90% accuraat →
patronen bijstellen of per-query herclassificeren.
De risicoladder komt uit Kaushiks model; de percentages hieronder zijn Chapter42-aannamebandbreedtes op die ladder (Kaushiks exacte waarden zijn premium content en niet gepubliceerd). Ze zijn per klant aanpasbaar en staan áltijd in de aannames-tabel van het rapport:
| Bucket | Risico (Kaushik) | Default verlies-aanname (3 jaar) |
|---|---|---|
| Informational ("wat is", "hoe", "beste") | Hoogste | 35-55% |
| Commercial ("vs", vergelijkingen, reviews) | Hoog | 20-40% |
| Non-brand transactional ("kopen", prijs) | Gematigd | 10-20% |
| Branded / navigational | Laag | 0-5% |
Per bucket: organische clicks × klik-aandeel × verlies-% × omzet per bezoek.
Presenteer per bucket en totaal als €-bandbreedte per jaar (laag/hoog uit
de aanname-range), notatie 1.000,00, horizon 12-36 maanden. Baseline is
"Do Nothing": simpele extrapolatie van de historische trend (geen Prophet in
v1; vermeld de 8-10 algo-updates/jaar en zero-click groei als onzekerheden).
scenario mode)42-content/42-seo-agi
(citeerbare chunks), commercial → 42-competitor-pages (vergelijkings-
content), autoriteit → 42-brand-mentions, meting → 42-topical-presence42-striking-distance) als snelste recovery-kandidatenAEO-FORECAST-<domein>.md:
aeo-output/model.csv)42-ai-attribution diagnose)1.000,00.npx claudepluginhub chapter42/42-seo-skills --plugin 42-seo-skillsGuides creation and editing of skills using test-driven development with pressure scenarios and subagents to verify agent compliance.
Processes, converts, OCRs, extracts, redacts, signs, and fills documents via the Nutrient DWS API. Supports PDF, DOCX, XLSX, PPTX, HTML, and images.