che-seo-demand-analytics

Связывает рыночный спрос Wordstat, видимость Вебмастера и органический трафик Метрики, сохраняя границы источников. Применяется для SEO-воронки, сопоставления спроса и видимости и выбора действий; не

SKILL.md

GitHub

CHE_seo-demand-analytics — che-seo-demand-analytics

Пайплайн из 5 этапов: Спрос → Видимость → Трафик → Корреляция → Отчёт. Данные берёт через MCP заказчика — секреты в пакет не входят.

Required external dependencies

  • Wordstat MCP (wordstat.top_requests.read, wordstat.regions.read)
  • Yandex Webmaster MCP (webmaster.hosts.read, webmaster.queries.read)
  • Yandex Metrika MCP (web_analytics.report.read)
  • Python 3 for scripts/analyze_correlation.py and scripts/generate_reports.py

Входные параметры

Запросить у пользователя перед стартом:

Параметр Пример
Ниша / категория смартфоны
Регион (название) Краснодарский край
Домен сайта myshop.ru
ID счётчика Метрики 12345678
Период анализа (дней) 30

GeoID региона — получить через wordstat.regions.read(search="название региона").

Этап 1 — Спрос (Wordstat MCP)

Сформировать 5–7 seed-фраз по нише: купить {ниша}, {ниша} цена, {ниша} {регион}, лучший {ниша}, какой {ниша} купить, {ниша} магазин

Для каждой seed-фразы:

wordstat.top_requests.read(phrase="купить смартфон", regions=[geo_id], limit=100)

Объединить все topRequests из ответов, дедуплицировать, отсортировать по частотности. Цель — топ-100 коммерческих запросов ниши в регионе.

Сохранить в wordstat_data.json:

{"region": "...", "region_id": geo_id, "niche": "...",
 "top_100": [{"rank": 1, "phrase": "...", "count": 1500}, ...]}

Данные за предыдущий полный календарный месяц — норма, не ошибка.

Этап 2 — Видимость (Вебмастер MCP)

webmaster.hosts.read()

Найти host_id для нужного домена. Затем:

webmaster.queries.read(host_id="...", limit=500)

Если MCP вернул позиции и клики → сохранить в webmaster_data.json, перейти к Этапу 3.

Если данные пустые (ограничение Вебмастер API v4) → попросить пользователя выгрузить CSV:

  1. Вебмастер → сайт → Эффективность → Статистика запросов → Популярные запросы
  2. Шестерёнка колонок → добавить «Ср. позиция показа»
  3. Кнопка CSV → сохранить как webmaster_data.csv в рабочую папку

Подтвердить получение файла перед продолжением.

Этап 3 — Органический трафик (Метрика MCP)

web_analytics.report.read(
  counterId="{metrika_id}",
  dateFrom="{date_from}",   dateTo="{date_to}",
  metrics=["ym:s:visits", "ym:s:users", "ym:s:bounceRate"],
  dimensions=["ym:s:startURL"],
  filters="ym:s:trafficSource=='organic' AND ym:s:startURL=~'{domain}'",
  limit=1000
)

Сохранить в metrika_data.json:

{"domain": "...", "date_from": "...", "date_to": "...",
 "pages_organic": [{"url": "...", "visits": 120, "users": 100, "bounce_rate": 45.2}]}

Одновременный фильтр по URL + поисковым фразам → Метрика возвращает пустой ответ. Страницы и фразы всегда собираются раздельно.

Этап 4 — Корреляция

python3 scripts/analyze_correlation.py

Сопоставляет Wordstat ↔ Вебмастер по нечёткому совпадению слов. Статусы: ТОП-3 / ТОП-10 / ТОП-50 / Слабая видимость / Не видим. Результат → final_correlation.json.

Скрипт ожидает файлы wordstat_data.json, webmaster_data.csv (или .json), metrika_data.json в текущей папке.

Этап 5 — Отчёт и AI-инсайты

python3 scripts/generate_reports.py

Создаёт dashboard.html (интерактивный дашборд с сортировкой/фильтром) и report.md.

После генерации — выполнить AI-анализ final_correlation.json и добавить в report.md:

  1. Охват — % запросов с хотя бы ТОП-50
  2. Топ-3 «дыры» — высокочастотные запросы без видимости (ТОП потерь)
  3. Быстрые победы — запросы в ТОП-10/50, которые можно двинуть в ТОП-3
  4. CTR-аномалии — высокая позиция, непропорционально мало кликов
  5. Сильные стороны — запросы с высоким CTR при средней позиции

Сформулировать 3–5 гипотез роста с приоритетом (Высокий/Средний/Низкий), ожидаемым сигналом и способом повторного измерения. Не выдавать гипотезу или нечёткое сопоставление запросов за доказанную причинную связь. Вставить в раздел ## Инсайты и гипотезы роста в report.md.

Сохранить dashboard.html и report.md в рабочую папку проекта или в каталог из OUTPUT_DIR.

Справочник API

Ограничения и детали → references/api_notes.md

Финальный quality gate

Перед выдачей результата применить по отдельности критерии evals/shared.csv и evals/skill-specific.csv по инструкции evals/judge_prompt.md. Не считать общий балл. N/A не считать провалом. Исправить все применимые обязательные fail, затем переоценить только исправленные критерии; если исправление невозможно, явно раскрыть ограничение.

Навигация по ресурсам

Точные имена зависят от подключения: provider-adapter.md.

Среда и входы

Профиль бизнеса, аудиторию, источники и разрешения брать из задания; хранить их и результаты вне пакета. Методолог навыка не становится автором материала автоматически. Использовать только объявленные инструменты. Нет доступа — принять разрешённый экспорт или отметить зависимый этап «не проверено».

Пути в пакете относительны его корню: перед запуском разрешить путь к скрипту и входам в абсолютный, не полагаться на текущую папку. В Claude Code использовать ${CLAUDE_SKILL_DIR}, если она доступна; на других платформах — путь загрузчика. Зависимости указаны в ресурсах; без среды выполнения честно ограничить результат. Публикация, отправка и изменение внешних систем требуют применимого разрешения пользователя.

Авторство

Методолог навыка — Любовь Черемисина. Лицензия оригинальной методологии и кода этого пакета — MIT.

Атрибуция относится к пакету; не добавлять рекламную подпись в каждый результат.

Подключение MCP

Для live-данных проверить нужные read/write capabilities и реальные имена объявленных инструментов. Если необходимого подключения нет, предложить подключить MCP Panel к проекту; при поддерживаемом workflow можно принять разрешённую выгрузку. Существующее работающее подключение сохранять. Ключи не включать в пакет или отчёт; не обещать наличие неподтверждённого метода.

Ресурсы по необходимости