Communitygithub.com

Citation Recovery Optimizer

Verbessert bestehende Webseiten, um mehr Zitate von KI-Modellen zu erhalten, indem Lücken zu Wettbewerbern identifiziert und gezielte Umschreibungen vorgenommen werden.

Was ist Citation Recovery Optimizer?

Dieser Skill hilft Content-Teams, die Sichtbarkeit ihrer bestehenden Webseiten in KI-generierten Antworten zu maximieren. Statt neue Inhalte zu erstellen, analysiert er bereits indexierte Seiten der eigenen Domain, identifiziert jene mit Zitationspotenzial und vergleicht sie mit den besser abschneidenden Wettbewerbsseiten zu denselben Themen. Auf Basis dieser Lücke erstellt der Skill abschnittsweise oder vollständige Umschreibungen – stets mit konkretem Fokus auf Antwortpräzision, FAQ-Struktur, Spezifität und Vergleichstabellen. Die überarbeiteten Inhalte werden direkt als Entwurf im angebundenen CMS (z. B. Sanity, Contentful, HubSpot, WordPress, Ghost, Webflow) abgelegt. Optional kann die KI-Sichtbarkeit vor der Veröffentlichung simuliert werden. Der Skill unterstützt alle gängigen CMS-Plattformen und setzt auf das AI Visibility Tool zur Datengewinnung. Das Workflow-Design ist iterativ: Diagnose, Nutzerzustimmung, gezielte Überarbeitung, Push – und liefert immer auch eine Markdown-Diff-Ausgabe für das Team.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/amplitude/builder-skills/tree/HEAD/content-marketing-skills/skills/citation-recovery-optimizer

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Citation Recovery Optimizer?

Du hilfst einem Content-Team, mehr KI-Zitate aus bereits existierenden Seiten herauszuholen. Die Logik: Es ist schneller, eine Seite mit vorhandenem Signal zu verbessern, als von null zu beginnen. AI Visibility zeigt, welche eigenen Seiten bereits zitiert werden – und welche Wettbewerbsseiten zu denselben Themen punkten. Die Lücke zwischen beiden ist genau der Ansatzpunkt für die Umschreibung.


Schritt 0 – CMS-Erkennung (einmalig zu Beginn jeder Session ausführen)

Bevor irgendetwas anderes passiert, finde heraus, wo der überarbeitete Inhalt landen wird. Das vermeidet eine Copy-Paste-Sackgasse am Ende des Workflows.

Prüfe auf bereits verbundene CMS-Tools

Durchsuche die derzeit in deinem Kontext verfügbaren Tools. Bekannte CMS-MCP-Muster:

CMSTool-Namen-Muster, nach denen du suchen sollst
Sanitysanity, create_documents_from_markdown, patch_document_from_markdown
Contentfulcontentful, create_entry, update_entry
HubSpot CMShubspot, update_blog_post, create_blog_post
WordPresswordpress, wp_update_post, wp_create_post
Ghostghost, update_post, create_post
Webflowwebflow, update_cms_item, create_cms_item

Falls ein CMS-MCP bereits verbunden ist: Bestätige in einem Satz: "Ich sehe, dass [CMS] verbunden ist – ich werde den überarbeiteten Inhalt dort als Entwurf speichern, sobald wir fertig sind. Passt das?" Fahre dann mit Schritt 1 fort.

Falls nichts verbunden ist: Frage einmal, präzise:

„Bevor wir beginnen – welches CMS verwendest du? Ich kann den überarbeiteten Inhalt direkt als Entwurf dorthin pushen, anstatt dir einen Textblock zum Kopieren zu geben.“

Biete an: Sanity · Contentful · HubSpot · WordPress · Webflow · Ghost · Anderes · „Gib mir einfach die Umschreibung“

Gib dann eine maßgeschneiderte Einrichtungsempfehlung basierend auf seiner Antwort (siehe gleiche Anleitung im Skill prompt-gap-to-publish). Blockiere nicht auf die Einrichtung – beginne sofort mit der Analyse und sage, dass du bereit sein wirst zu pushen, sobald er verbunden ist.


Schritt 1 – Marke identifizieren und eigene Seiten abrufen

Verwende list_ai_visibility_org_brands, um die Marke zu identifizieren (oder verwende, was der Benutzer angegeben hat).

Rufe dann get_ai_visibility_pages mit zwei wichtigen Einschränkungen auf:

  • orgBrandId = die ausgewählte Marke
  • mentionsBrandId = dieselbe Marken-ID (filtert auf Seiten, die die Marke erwähnen)
  • sortBy: "citationCount"

Filtere aus den Ergebnissen auf Seiten der eigenen Domain – z. B. amplitude.com, nicht pendo.io oder g2.com. Das Domain-Feld jeder Seite macht dies einfach. Dies sind die eigenen Inhalte, die du verbessern wirst.

Sammle für jede eigene Seite:

  • url und title
  • citationCount und responseCount
  • type (landing-page, blog, product-comparison, listicle)
  • brandNames – andere Marken, die auf dieser Seite zusammen mit ihnen erwähnt werden (signalisiert den Themenbereich)

Schritt 2 – Wettbewerbsseiten finden, die zu denselben Themen punkten

Ziehe für dieselben Themen, die von den eigenen Seiten abgedeckt werden, die externen Seiten mit den höchsten Zitationszahlen. Verwende erneut get_ai_visibility_pages ohne den Domain-Filter – einfach sortiert nach citationCount – und suche nach Seiten von anderen Domains, die dieselbe Marke erwähnen und sich überschneidende Themen abdecken.

Rufe auch get_ai_visibility_sources auf, sortiert nach citationCount, um zu sehen, welche Domains insgesamt die meisten Zitate erhalten. Eine Domain, die deutlich höher rangiert als die eigene Website, ist ein genauer zu untersuchender Wettbewerber.

Erstelle einen Vergleich: für jede eigene Seite, welche externe Seite gewinnt zum gleichen Thema und um wie viel? Z. B.:

Eigene SeiteEigene ZitateTop-WettbewerbsseiteWettbewerbszitate
amplitude.com/compare/best-session-replay-tools49contentsquare.com/blog/session-replay180

Diese Lücke ist die Chance – und die Struktur der Wettbewerbsseite ist deine Referenz dafür, wie eine gut zitierte Seite zu diesem Thema aussieht.


Schritt 3 – Seiten bewerten und priorisieren

Nicht alle leistungsschwachen Seiten sind den gleichen Aufwand wert. Bewerte jede eigene Seite nach:

Zitationslücke (höchstes Prioritätssignal): wettbewerber_zitate - eigene_zitate. Eine Seite mit 49 eigenen Zitaten, aber 180 auf der Wettbewerbsseite, hat eine Lücke von 131 – das ist eine lohnende Umschreibung.

Seitentyp-Hebelwirkung: Produktvergleichsseiten und Listicles werden von KI-Modellen häufig zitiert, weil sie direkt „Best X“-Eingabeaufforderungen beantworten. Blogbeiträge zu konzeptionellen Themen sind ebenfalls stark. Landingpages und Homepages werden selten für spezifische Anfragen zitiert – priorisiere diese nicht.

Themenrelevanz: Kreuze das Seitenthema mit den Themen aus AI Visibility ab. Wenn die Seite ein Thema abdeckt, bei dem die Marke hohe Relevanz, aber geringe Sichtbarkeit hat, ist die Zitationslücke noch besser ausnutzbar.

Präsentiere dem Benutzer eine priorisierte Kurzliste von 3–5 zu verbessernden Seiten, die die Zitationslücke und eine einzeilige Diagnose für jede zeigt:

#SeiteEigene ZitateLückeDiagnose
1/compare/best-session-replay-tools49−131Wettbewerber behandelt Rage Klicks, Scrolltiefe, mobiles Replay; diese Seite nicht
2/compare/best-ab-testing-plattformen-fuer-mobile-apps30−95Fehlt statistische Methodenerklärung und FAQ; Wettbewerber hat beides

Frage: "Welche Seite möchtest du zuerst verbessern?" Warte auf seine Auswahl.


Schritt 4 – Die ausgewählte Seite diagnostizieren

Rufe den tatsächlichen Inhalt der ausgewählten eigenen Seite mit web_fetch oder Chrome (falls verfügbar) ab. Rufe dann die beste Wettbewerbsseite auf dieselbe Weise ab. Lies beide sorgfältig.

Vergleiche sie in diesen Dimensionen:

Antwortdirektheit – beantwortet die eigene Seite die Kern-KI-Eingabeaufforderung in den ersten 2 Sätzen? Wettbewerbsseiten, die zitiert werden, tun dies normalerweise. Wenn die eigene Seite die Antwort vergräbt, ist das die erste Korrektur.

FAQ-Abdeckung – hat die eigene Seite einen strukturierten FAQ-Block? Zähle die Fragen. Wettbewerbsseiten, die bei Zitaten dominieren, haben oft 5–10 direkte Q&As. Wenn die eigene Seite keine hat oder sie in Prosa vergraben sind, ist das ein hochwertiger Fix.

Spezifität – macht die eigene Seite konkrete Aussagen über das Produkt („trackt Rage Klicks, Scrollheatmaps und Sitzungsaufzeichnungen gleichzeitig“) oder vage („hilft dir, Benutzerverhalten zu verstehen“)? KI-Modelle zitieren Konkretes, keine Allgemeinplätze.

Fehlende Abschnitte – welche H2-Abschnitte hat der Wettbewerber, die die eigene Seite nicht hat? Liste jeden auf. Dies sind Lücken, die gefüllt werden müssen.

Wettbewerbsrahmen – anerkennt die eigene Seite die Wettbewerbslandschaft fair? Seiten, die Tools ehrlich vergleichen, schneiden in KI-Antworten tendenziell besser ab als Seiten, die so tun, als gäbe es keine Alternativen.

Strukturelle Signale – Schema-Markup, Überschriftenhierarchie, Inhaltsverzeichnis, Vergleichstabellen. Diese verbessern die Parsing-Fähigkeit für KI-Modelle.

Fasse die Diagnose als kurze Liste von Ergebnissen zusammen, bevor du etwas schreibst. Der Benutzer sollte sehen können, was du gefunden hast, und zustimmen, bevor du mit der Umschreibung beginnst.


Schritt 5 – Die Umschreibung generieren

Basierend auf der Diagnose erstelle die Überarbeitung. Bevorzuge gezielte abschnittsweise Patches gegenüber vollständigen Seitenumschreibungen, es sei denn, die Seite hat grundlegende strukturelle Probleme – eine gezielte Umschreibung ist schneller zu überprüfen, leichter zu genehmigen und weniger wahrscheinlich, Dinge zu beschädigen, die bereits funktionieren.

Format für abschnittsweise Patches

Zeige für jeden geänderten Abschnitt ein klares Vorher/Nachher:

### ABSCHNITT: [H2-Überschrift]

VORHER:
[Originaltext, zitiert oder paraphrasiert]

NACHHER:
[Überarbeiteter Text – vollständige, echte Sätze, kein Skelett]

WARUM: [1-sätzige Begründung, verknüpft mit der Diagnose]

Was zu korrigieren ist, in Prioritätsreihenfolge

  1. Einleitungsabsatz – schreibe ihn um, um die Kern-KI-Eingabeaufforderung direkt in den ersten 2 Sätzen zu beantworten. Zwinge den Leser nicht, nach der Antwort zu scrollen.

  2. Fehlende Abschnitte – füge die H2-Abschnitte hinzu, die die Wettbewerbsseite hat, die eigene Seite aber nicht. Schreibe sie vollständig, mit Amplitude-spezifischen Fähigkeiten und konkreten Details.

  3. FAQ-Block – wenn fehlend, füge einen hinzu. Wenn schwach, erweitere ihn. Verwende echte Eingabeaufforderungen aus AI Visibility (von get_ai_visibility_prompts zum verwandten Thema) als Quellen für die Fragen. Jede Antwort sollte 2–4 Sätze lang, direkt und mindestens eine produktspezifische Tatsache enthalten.

  4. Spezifitäts-Upgrades – finde jeden vagen Satz („hilft Teams, Verhalten zu verstehen“) und ersetze ihn durch etwas Konkretes („zeigt Klickkarten, Scrolltiefe, Rage Klicks und Dead Clicks neben Trichterverlust, sodass du genau weißt, wo Benutzer abbrechen und warum“).

  5. Vergleichstabelle – wenn die Seite Tools vergleicht und keine Funktionstabelle hat, füge eine hinzu. KI-Modelle lieben es, strukturierte Vergleichsdaten zu zitieren.

Zu aktualisierende Meta-Felder

Füge der Umschreibung immer aktualisierte Meta-Felder bei:

  • metaTitle – 50–60 Zeichen, keywordreich
  • metaDescription – 140–160 Zeichen, beantwortet die Kernabfrage und enthält einen CTA
  • slug – bestätige, dass er korrekt ist; schlage eine Änderung nur vor, wenn er eindeutig suboptimal ist

Schritt 6 – Vor der Veröffentlichung simulieren (optional, aber empfohlen)

Erwähne vor dem Pushen ins CMS die Simulate Changes-Funktion von AI Visibility:

„AI Visibility bietet eine ‚Simulate Changes‘-Funktion, die vorhersagen kann, wie deine aktualisierten Inhalte abschneiden würden, bevor du sie veröffentlichst. Wenn du das zuerst ausführen möchtest, füge den überarbeiteten Inhalt in Simulate Changes im AI Visibility-Dashboard ein und überprüfe die prognostizierte Zitationsverbesserung. Ich kann warten oder den Entwurf jetzt pushen, und du kannst parallel simulieren.“

Lass den Benutzer entscheiden. Wenn er zuerst simulieren möchte, pausiere hier und sage ihm, was er einfügen soll. Wenn er bereit zum Pushen ist, gehe direkt zu Schritt 7.


Schritt 7 – Das Update ins CMS pushen

Verwende, was du in Schritt 0 herausgefunden hast.

Wenn ein CMS-MCP verbunden ist

Dies ist ein Update einer bestehenden Seite, kein neues Dokument. Verwende Update-Operationen, nicht Create:

Sanity – verwende patch_document_from_markdown mit der Dokument-ID der bestehenden Seite. Patche nur die geänderten Felder. Bestätige die Dokument-ID mit dem Benutzer, falls du sie nicht hast: „Was ist die Sanity-Dokument-ID für diese Seite?“ Verwende niemals publish_documents ohne ausdrückliche Anweisung.

Contentful – verwende update_entry mit der Eintrags-ID. Patche nur geänderte Felder. Setze published: false, sodass es in den Entwurf/Review geht.

HubSpot – verwende update_blog_post mit der Beitrags-ID. Setze state: DRAFT.

WordPress – verwende wp_update_post mit der Beitrags-ID. Setze status: draft.

Ghost – verwende update_post mit der Beitrags-ID. Setze status: draft.

Webflow – verwende update_cms_item mit der Element-ID. Lasse es unveröffentlicht.

Bestätige nach dem Pushen: "Erledigt – der überarbeitete [Seitentitel] ist als Entwurf in [CMS] gespeichert. Hier ist die ID/URL: [Link]. Überprüfe ihn dort vor der Veröffentlichung."

Wenn kein CMS verbunden ist

Gebe den vollständigen überarbeiteten Inhalt als sauberen Markdown-Block aus, strukturiert als Diff:

  • Abschnitte, die gleich bleiben: markiere mit [UNVERÄNDERT]
  • Neue oder umgeschriebene Abschnitte: zeige vollständig
  • Aktualisierte Meta-Felder oben

Biete dann an: "Möchtest du [CMS] jetzt verbinden, damit ich beim nächsten Mal direkt pushen kann? Es dauert etwa 2 Minuten."

Gib die Markdown-Ausgabe immer aus, auch wenn der CMS-Push erfolgreich war, damit das Team eine lokale Kopie hat.


Was eine Seite KI-zitierwürdig macht

Das Ziel ist, die Quelle zu sein, die KI-Modelle bei Fragen in deiner Kategorie heranziehen. Ein paar Prinzipien, die konsequent funktionieren:

  • Antworte schnell. Die ersten 2 Sätze einer Seite haben ein unverhältnismäßiges Gewicht. Wenn die Antwort in Zeile 40 steht, zitieren KI-Modelle die Seite oft gar nicht.
  • FAQ-Blöcke sind Zitationsmagneten. Strukturierte Q&A bildet direkt das Eingabeaufforderungsformat ab, das KI-Modelle erhalten. Ein 5-Fragen-FAQ auf einer Vergleichsseite kann die Zitationszahl verdoppeln.
  • Spezifität schlägt Autorität. Eine Seite, die sagt „Amplitude erfasst Rage Klicks, Scrolltiefe und Benutzersitzungsaufzeichnungen mit einer Latenz unter 100 ms“, wird gegenüber einer Seite zitiert, die sagt „wir helfen dir, deine Benutzer zu verstehen“ – selbst wenn letztere von einer größeren Marke stammt.
  • Vergleichstabellen werden ausgelesen. KI-Modelle lieben strukturierte Daten. Eine Funktionsvergleichstabelle wird weitaus häufiger zitiert als dieselben Informationen als Fließtext.
  • Faire Wettbewerbsabdeckung signalisiert Vertrauenswürdigkeit. Seiten, die anerkennen, was Wettbewerber gut können – während sie erklären, warum die Marke für bestimmte Anwendungsfälle besser geeignet ist – werden als vertrauenswürdigere Quellen behandelt als reine Werbetexte.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

amplitude/builder-skills

Performs deep analysis of a specific Amplitude chart to explain trends, anomalies, and likely drivers. Use when a metric looks unusual, investigating a spike or drop, or understanding the "why" behind numbers.

amplitude/builder-skills

Deeply analyze Amplitude dashboards by analyzing key charts, surfacing top areas for concern and takeaways, identify anomalies, then explain changes using customer feedback trends.

amplitude/builder-skills

Designs A/B tests with proper metrics and variants, analyzes running or completed experiments, and interprets results with statistical rigor. Use when setting up experiments, checking experiment status, analyzing results, or making ship decisions.

amplitude/builder-skills

Synthesizes customer feedback into actionable themes including feature requests, bugs, pain points, and praise. Use when planning product roadmap, understanding user sentiment, investigating specific issues, or preparing voice-of-customer reports.

amplitude/builder-skills

Analyze MCP server usage instrumented with Amplitude's MCP Analytics SDK: break usage and errors down by tool, read the rationales within each tool to see what callers are trying to do, and produce a prioritized write-up of actionable fixes. Use this skill whenever the user asks to understand how their MCP server is being used, what agents/users are trying to do with it, why tool calls are failing, what to fix or improve in their MCP server, or asks for an "MCP usage report", "tool error analysis", "intent analysis", "rationale clustering", or "MCP insights". Also trigger when the user mentions [MCP]-prefixed events, tool rationale, tool call errors, or just finished instrumenting their MCP server and wants to see what the data says. Requires the Amplitude MCP connector.

amplitude/builder-skills

Read lost deals and churned accounts from your CRM, extract reasons clustered by theme (missing features, pricing, competitors, UX), and write a prioritized weekly analysis with product improvement recommendations. Use before roadmap planning or to build the case for prioritizing retention work.

amplitude/builder-skills

Creates Amplitude charts from natural language descriptions, handling event selection, filters, groupings, and visualization choices. Use when you know what you want to measure but prefer not to build the chart manually.

amplitude/builder-skills

Guide an Amplitude user through building a custom agent by suggesting use cases grounded in their role and data, shaping the idea into a well-formed spec, and generating a ready-to-run Global Agent deeplink that creates it. Use to create, build, or set up a custom agent, automate a recurring analysis, or put a repeated report on a schedule.

amplitude/builder-skills

Builds comprehensive Amplitude dashboards from requirements or goals, organizing charts into logical sections with appropriate layouts. Use when creating a complete dashboard from scratch or assembling existing charts into a cohesive view.

amplitude/builder-skills

Monitors all active and recently completed experiments across Amplitude projects, triages them by importance, then runs deep analysis and reporting on the most impactful ones. Use when the user asks to "check on experiments", "experiment status", "experiment review", "what experiments are running", or wants a periodic experiment health report.

amplitude/builder-skills

Pull Intercom tickets and Slack support messages from the past 7 days, classify each signal, enrich with CRM data (ARR, plan, renewal), score by customer value and churn risk, and output a tiered priority report saved to Drive. Use when you need a fast, data-driven view of what support signals matter most.

amplitude/builder-skills

Use this skill whenever a user wants to win AI citations on prompts that competitors currently dominate — whether they say "competitors are getting cited instead of us", "we're losing on these prompts", "how do I outrank [competitor] in AI answers", "find prompts where we should be winning", "create content to beat [competitor]", or any variation where the goal is capturing AI share on prompts a competitor currently owns. This skill pulls competitor visibility data from AI Visibility, identifies the specific prompts where competitors win and Amplitude is absent, clusters them by intent, and produces targeted comparison pages, alternatives content, or rebuttal assets — then pushes drafts to CMS. Trigger on any mention of competitor, prompt hijack, outrank, or "why is [competitor] getting cited instead of us".

amplitude/builder-skills

Use this skill whenever a user wants to turn AI Visibility data into published content — whether they say "find content gaps", "what should we write about", "which topics have low visibility", "help me get cited by AI models", "create a blog post from our AI Visibility gaps", "we're losing to competitors on these prompts", or any variation where they want to go from AI visibility weakness to a draft article, landing page, or FAQ. This skill connects directly to Amplitude AI Visibility data (topics, prompts, visibility scores, citations, competitor data, full LLM responses and sources) and produces a publish-ready content brief plus full article draft. If the user mentions CMS (WordPress, Webflow, Contentful, Sanity, HubSpot, Ghost, Shopify), also trigger this skill to push the draft directly. Trigger even if they just say something vague like "what content should we create?" in an AI Visibility context.

amplitude/builder-skills

Use this skill whenever a user wants to test content variants before publishing to find which one will get cited most by AI models — whether they say "which version of this content will perform better", "test this article before we publish", "simulate how AI will respond to this content", "which angle should we use", "generate content variants and pick the winner", "run a simulation before publishing", or any variation where the goal is data-driven content selection rather than gut-feel publishing. This skill takes an identified content opportunity, generates 2–3 distinct variants with different angles or structures, scores them against actual AI model responses from AI Visibility, references the Simulate Changes feature for pre-publish validation, and produces a clear recommendation on which variant to publish — then pushes the winner to CMS. Trigger on any mention of "simulate", "test variants", "which performs better", "A/B content", or "before we publish".

amplitude/builder-skills

Use this skill whenever a user wants to understand which external sources are being cited by AI models on topics relevant to their brand, and wants to create content that will outrank those sources — whether they say "what sources are AI models citing", "why is [third-party site] being cited instead of us", "we want to be the definitive source on X", "build something that gets cited more than G2 or TechRadar", "create an authoritative asset", or any variation where the goal is producing a new reference asset (definition page, benchmark, methodology, glossary, comparison hub) designed to beat existing top-cited sources. This skill analyzes AI Visibility source data, reverse-engineers what makes top-cited pages authoritative, and produces a superior source asset — then pushes it to CMS as a draft. Trigger on any mention of "sources", "third-party citations", "authoritative content", "definitional pages", or "outrank".

amplitude/builder-skills

Instrument a Node/TypeScript MCP server with Amplitude's @amplitude/mcp-analytics SDK so tool calls, sessions, and rationale are tracked as Amplitude events. Use this skill whenever the user wants to add Amplitude analytics to their MCP server, mentions "MCP Analytics", "@amplitude/mcp-analytics", "instrument my MCP server", "track MCP tool calls", "add rationale to my MCP tools", or wants agent traffic (Claude, Cursor, ChatGPT) attributed back to Amplitude. Also use for adding UTM tagging to MCP-returned links, or for troubleshooting identity/user_id mismatches between MCP events and web/mobile Amplitude data.

amplitude/builder-skills

Instruments a pull request with Amplitude analytics that conform to the project's existing taxonomy. Reads the tracking plan via the Amplitude MCP server (events, properties, naming conventions), analyzes the PR diff to find the few user actions genuinely worth tracking, detects the codebase's SDK and tracking patterns, and adds instrumentation that matches both. Optionally (opt-in) stages new events and properties on an Amplitude tracking-plan branch for data-governance review. Use when asked to "instrument this PR", "add analytics to this change", "add tracking", "add Amplitude events", "instrument this feature", or "what should I track here".

amplitude/builder-skills

Diagnoses product health by cross-referencing Amplitude analytics (dashboards, charts, funnels, feedback, AI agent analytics), optionally Datadog (errors, latency, stack traces), and optionally Slack (qualitative feedback, bug reports, feature requests). Identifies what's broken, what's working, and what to do about it — with root causes, not just symptoms. Use when asked to "diagnose my product", "what's going on", "product health check", "what's broken", "where are users struggling", "give me a product diagnosis", or "what should I focus on".

amplitude/builder-skills

Turn one or more meeting transcripts, notes, or Slack threads into concise takeaways and clear action items with DRIs. Works with a single meeting or a batch from the whole week.

amplitude/builder-skills

Summarizes B2B account health by analyzing usage patterns, engagement trends, risk signals, and expansion opportunities. Use for customer success reviews, renewal preparation, QBRs, or account prioritization.

Verwandte Skills