--- name: demand-research description: "Исследование спроса и семантики: анализ упущенного спроса, сезонный прогноз бюджета, каннибализация ключевых, верификация интента. Используй при запросах 'исследование спроса', 'найти ключевые', 'упущенный спрос', 'каннибализация', 'сезонность', 'минус-слова из запросов'." --- # Demand Research — Исследование спроса и семантики Скилл для исследования поискового спроса, анализа семантики и оптимизации ключевых слов в Яндекс Директе. Сочетает MCP-инструменты Wordstat и Яндекс Директа с локальными Python-скриптами для глубокого анализа. **MCP-сервер:** `yandex-direct` — Wordstat является частью единого MCP-сервера Яндекс Директа. ### Инструменты `wordstat_*` | Инструмент | Описание | |---|---| | `wordstat_top_requests` | Популярные запросы с точной частотностью + ассоциации (до 128 фраз) | | `wordstat_dynamics` | Динамика (тренд) числа запросов: по дням/неделям/месяцам (с 2018) | | `wordstat_regions` | Распределение запросов по регионам с индексом интереса | | `wordstat_regions_tree` | Справочник регионов Wordstat (ID для фильтрации) | | `wordstat_user_info` | Квота API: лимиты и остаток дневных запросов | --- ## Доступные скрипты ### `scripts/missed_demand.py` — Анализ упущенного спроса Парсит CSV-экспорт поисковых запросов из Яндекс Директа и категоризирует их. ```bash # Базовый запуск python scripts/missed_demand.py search_queries.csv # С файлом существующих ключевых слов python scripts/missed_demand.py search_queries.csv --keywords-file keywords.txt # С настройкой порогов python scripts/missed_demand.py search_queries.csv --min-cost 200 --min-conversions 2 ``` **Категории результатов:** - **OPPORTUNITIES** — есть конверсии, но запрос не в текущих ключевых → добавить как ключевое - **WASTE** — значительный расход, но 0 конверсий → кандидат в минус-слова - **INFORMATIONAL** — информационный интент (что такое, как, отзывы) → вероятный негатив - **OK** — есть конверсии, уже покрыто → оставить как есть **Итог:** оценка экономии от негативов и прироста конверсий от новых ключевых. ### `scripts/seasonal_forecast.py` — Сезонный прогноз бюджета Анализирует 12-месячные данные частотности и выдает рекомендации по бюджету. ```bash # Из JSON (вывод MCP wordstat_dynamics) echo '{"data": [...]}' | python scripts/seasonal_forecast.py # Из CSV python scripts/seasonal_forecast.py --csv history.csv # С указанием текущего бюджета для абсолютных рекомендаций python scripts/seasonal_forecast.py --csv history.csv --budget 50000 ``` **Результат:** таблица с сезонными индексами и множителями бюджета по месяцам. --- ## Workflows (выполняются Claude без скриптов) ### 1. Сбор семантики (через MCP) Полный цикл сбора и группировки ключевых слов. **Шаги:** 1. **Быстрая проверка частотности** — вызвать MCP `wordstat_top_requests` для списка базовых фраз. Отсечь фразы с нулевой частотностью. 2. **Расширение семантики** — вызвать MCP `wordstat_top_requests` для каждой базовой фразы. Собрать все связанные запросы и ассоциации. 3. **Фильтрация по интенту** — для каждого запроса определить интент по паттернам из `references/intent_patterns.md`: - COMMERCIAL → оставить - TRANSACTIONAL → оставить - INFORMATIONAL → в минус-слова (если не стратегия контент-маркетинга) - NAVIGATIONAL → исключить (чужие бренды в минус) 4. **Группировка по смыслу** — объединить запросы в группы по тематике. Каждая группа = одна группа объявлений. Принцип: 1 группа = 1 посадочная страница = 1 набор объявлений. **Операторы Wordstat:** см. `references/operators.md` для правильного использования операторов при проверке частотности. ### 2. Анализ упущенного спроса Поиск ключевых слов, которые приносят конверсии, но не добавлены как ключевые, и запросов, которые тратят бюджет впустую. **Шаги:** 1. **Получить данные** — вызвать MCP `get_search_queries` за последние 30 дней: ``` get_search_queries( campaign_ids: [...], date_from: "YYYY-MM-DD", date_to: "YYYY-MM-DD", field_names: ["Query", "Impressions", "Clicks", "Cost", "Conversions"], attribution: "LYDC" ) ``` 2. **Сохранить как CSV** — сохранить результат в файл (например, `search_queries_export.csv`). 3. **Запустить анализ:** ```bash python scripts/missed_demand.py search_queries_export.csv --keywords-file current_keywords.txt ``` 4. **Действия по результатам:** - **OPPORTUNITIES** → добавить как ключевые слова в соответствующие группы через MCP - **WASTE** → добавить в минус-слова на уровне кампании или группы через MCP - **INFORMATIONAL** → добавить в минус-слова на уровне кампании 5. **Обновить файл кампании** — записать результаты в `campaigns/.md`. ### 3. Каннибализация ключевых Поиск пересечений ключевых слов между кампаниями — когда одна и та же фраза есть в нескольких кампаниях и они конкурируют друг с другом. **Шаги:** 1. **Получить список кампаний:** ``` get_campaigns(states: ["ON"], field_names: ["Id", "Name"]) ``` 2. **Для каждой кампании получить ключевые слова:** ``` get_keywords(campaign_id: ) ``` 3. **Сравнить ключевые между кампаниями.** Для каждой фразы (нормализованной: нижний регистр, без операторов) проверить, есть ли она в нескольких кампаниях. 4. **Сформировать отчёт:** | Фраза | Кампании | Рекомендация | |-------|----------|-------------| | купить X | Кампания А, Кампания Б | Оставить в Кампании А (больше конверсий), удалить из Кампании Б | 5. **Критерии решения:** - Оставить фразу в кампании с лучшей конверсией - Если конверсий нет — оставить в кампании с лучшим CTR - Если данных нет — оставить в кампании, чей лендинг релевантнее 6. **Действия:** удалить дубли из проигравших кампаний, при необходимости добавить минус-слова для разграничения. ### 4. Верификация интента Проверка, соответствует ли поисковый запрос коммерческому интенту, через анализ реальной выдачи. **Шаги:** 1. **Первичная классификация** — проверить запрос по паттернам из `references/intent_patterns.md`. Это даст предварительный вердикт. 2. **Проверка через выдачу** — вызвать WebSearch с запросом в Яндексе. 3. **Анализ ТОП-10 результатов.** Для каждого результата определить тип страницы: - Лендинг, интернет-магазин, карточка товара → COMMERCIAL - Статья, Википедия, форум, блог → INFORMATIONAL - Сайт бренда, личный кабинет → NAVIGATIONAL - Калькулятор, сервис, форма заявки → TRANSACTIONAL 4. **Вердикт:** - 7+ из 10 коммерческих → **COMMERCIAL** — подходит для рекламы - 7+ из 10 информационных → **INFORMATIONAL** — в минус-слова - Иначе → **MIXED** — использовать с осторожностью, следить за CTR 5. **Записать результат** — сохранить вердикт для использования при фильтрации семантики. ### 5. Сезонный прогноз бюджета Анализ сезонности спроса и рекомендации по распределению бюджета. **Шаги:** 1. **Получить исторические данные** — вызвать MCP `wordstat_dynamics` для основных ключевых слов кампании. Для гео-анализа использовать `wordstat_regions`. 2. **Запустить прогноз:** ```bash echo '' | python scripts/seasonal_forecast.py --budget 50000 ``` 3. **Интерпретация результатов:** - Месяцы с индексом > 1.2 → повысить бюджет (максимальный охват в пик спроса) - Месяцы с индексом 0.8–1.2 → стандартный бюджет - Месяцы с индексом < 0.8 → снизить бюджет (перенести на пиковые месяцы) 4. **Обновить кампанию** — скорректировать недельный бюджет через MCP в соответствии с прогнозом. --- ## Cross-references - **Высокий CPA** (из аналитики Метрики) → запустить анализ упущенного спроса (workflow 2). Часто причина — нерелевантные запросы, тратящие бюджет. - **После добавления ключевых** → создать/обновить кампанию через MCP Яндекс Директ. Следовать правилам из `METRIKA-ADS-RULES.md`. - **Результаты всех исследований** → сохранять в `campaigns/.md` с датой и выводами. - **Юридическая проверка** → при формировании текстов объявлений для новых ключевых сверяться с `LEGAL.md`. --- ## Справочные материалы - `references/operators.md` — операторы Wordstat для точной проверки частотности - `references/intent_patterns.md` — паттерны определения интента поисковых запросов - `config/README.md` — информация о настройке и зависимостях