SKILLEMALL.ai
GitHub ↗ EN Войти

BC ai-search-citations-to-revenue

Используйте для запросов «какие наши страницы цитируют ChatGPT, Perplexity или Gemini», «приносит ли видимость в ИИ-поиске трафик, регистрации или продажи», «стоит ли видимость в Peec чего-то», «какие страницы или продукты, цитируемые ИИ, приносят нам деньги», «воронка GEO», «ИИ-поиск к доходу» или когда кто-то загружает экспорты цитирования Peec AI (или Profound, Otterly, Scrunch и аналогичных) и хочет связать их с результатами — даже если они никогда не говорят «воронка». Отслеживает ваши цитируемые URL до сеансов, вызванных ИИ, органических, реферальных и прямых сеансов в GA4, кликов и показов в Search Console, выбранных вами ключевых событий GA4 и бизнес-результатов — заказов, выигранных сделок или платежей из Shopify, WooCommerce, HubSpot, Pipedrive, Salesforce, Stripe и аналогичных — и называет этап, на котором цепочка разрывается. Работает на Coupler.io; недостающие источники предлагаются и подключаются. Для трафика, вызванного ИИ, в сравнении с органическим поиском без данных о цитировании используйте отчет ai-traffic-vs-organic-search-report.

машинный переводПоказать оригиналСкрыть оригинал«Use for "which of our pages do ChatGPT, Perplexity or Gemini cite", "d…»

Use for "which of our pages do ChatGPT, Perplexity or Gemini cite", "does our AI search visibility bring traffic, signups or sales", "is our Peec visibility worth anything", "which AI-cited pages or products make us money", "GEO funnel", "AI search to revenue", or when someone uploads Peec AI (or Profound, Otterly, Scrunch and similar) citation exports and wants them tied to results — even when they never say "funnel". Follows your cited URLs to AI-referred, organic, referral and direct sessions in GA4, Search Console clicks and impressions, the GA4 key events you choose, and the business outcome — orders, won deals or payments from Shopify, WooCommerce, HubSpot, Pipedrive, Salesforce, Stripe and similar — and names the stage where the chain breaks. Runs on Coupler.io; missing sources are offered and connected. For AI-referral traffic against organic with no citation data, use ai-traffic-vs-organic-search-report.

coupler-io/skills Agent Skills автор: coupler-io 1 файл тело ≈ 13 313 токенов Открыть источникgithub.com↗ проанализирован 7 дн назад

Используйте для запросов «какие наши страницы цитируют ChatGPT, Perplexity или Gemini», «приносит ли видимость в ИИ-поиске трафик, регистрации или продажи»…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, стоимость исполнения

АнализаторGoogle AnalyticsSalesforceHubSpotStripeИсследованияМаркетингДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Входы и предусловия вес 11
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 13313 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Стоимость исполнения. Тело инструкции 13313 токенов: вытесняет саму задачу из окна
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 70Ошибки и развилки. Развилок: 7
  • 100Шаги. Шагов: 139
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 926: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 7 примера фраз-триггеров в кавычках
  • +4Структура: 50 заголовков
  • +3Пошаговые инструкции: 139 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.