Communitygithub.com

App Landing SEO — listing store → pages mots-clés

SEO bout-en-bout pour landing d'app mobile : données App Store/Play, recherche mots-clés, landing SEO + guides par mot-clé, images paysage GPT Image, FAQ schema, sitemap/robots, copy dé-sloppée prête à publier.

Qu'est-ce que App Landing SEO — listing store → pages mots-clés ?

Landing Pages étape 3 (SEO ship) : AustineA/app-landing-seo. Listings store → landing + guides mots-clés avec FAQ schema.

Compatible avec✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/AustineA/app-landing-seo/tree/HEAD/skill/app-landing-seo

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Page d’atterrissage SEO pour application

Workflow complet pour transformer la fiche d’une application en un site d’atterrissage à fort taux de conversion et optimisé SEO, avec des pages guides basées sur des requêtes longue traîne. Stack par défaut : Vite + React avec pré-rendu à la compilation (architecture en Phase 3). Si le dépôt utilise déjà un framework web (Next.js, Astro), construisez plutôt à l’intérieur de celui-ci et adaptez les chemins de sortie. Chaque phase se termine par une vérification.

Cette compétence dépend du skill gpt-image installé séparément dans le même dépôt. Lorsque des images de guide sont nécessaires, chargez ce skill et suivez ses instructions. Ne supposez pas que son helper réside dans le répertoire de cette compétence.

Phase 1 — Récupérer la fiche de l’application (source de vérité)

  1. Récupérez les métadonnées complètes via l’API de recherche iTunes (pas d’authentification nécessaire) :

    curl -s "https://itunes.apple.com/lookup?id=<APP_ID>&country=us"
    

    Extrayez : nom, bundleId, description, prix / conditions d’achat intégré, genres, nombre d’évaluations, captures d’écran, icône, version, vendeur. Vérifiez également une éventuelle fiche Google Play (play.google.com/store/apps/details?id=<bundleId>) — ne supposez pas que l’application est uniquement sur iOS.

  2. Téléchargez les ressources en haute résolution en modifiant le suffixe des vignettes mzstatic :

    • Icône : remplacez 512x512bb.jpg par 1024x1024bb.png
    • Captures d’écran : remplacez 392x696bb.jpg par 1284x2282bb.png (repli gracieux ; vérifiez avec file)
  3. Lisez chaque capture d’écran avec l’outil Read. Les légendes, les sujets des guides et le texte de la page d’atterrissage doivent décrire ce que les captures montrent réellement. Extrayez également la palette de couleurs et le style typographique de la marque à partir de celles-ci.

  4. Écrivez app.md à la racine du dépôt : tableau d’identité, description textuelle, liste de fonctionnalités dérivée de la fiche et des captures d’écran, liste des ressources, puis la recherche de mots-clés (Phase 2) et le plan de placement. Ce fichier est le contrat pour tout ce qui suit.

Phase 2 — Recherche de mots-clés qui convertissent

  • Si les outils MCP astro sont connectés, utilisez get_keyword_suggestions et search_app_store pour connaître la popularité/la difficulté et le classement actuel sur l’App Store. Enregistrez le classement actuel de l’application.
  • Utilisez WebSearch pour valider les requêtes longue traîne côté Google (la page d’atterrissage se classe sur Google, pas sur l’App Store).
  • Structurez la sortie dans app.md :
    • Mots-clés principaux (3 à 5 termes génériques) → balise title, H1, texte du hero, meta description
    • Secondaires → H2 des sections, texte des fonctionnalités
    • Longue traîne (6 à 10 phrases de question/tâche) → une page guide chacune
  • Règles importantes :
    • Chaque mot-clé longue traîne doit correspondre à un problème que l’application résout de manière démontrable — idéalement visible dans une capture d’écran. C’est ce qui fait que le trafic convertit.
    • Vérifiez la SERP réelle pour chaque terme générique et ignorez ceux qui sont pollués (par exemple, "suivi des stocks" renvoie à des applications de bourse ; "logiciel de gestion des stocks" renvoie à des fournisseurs d’entreprise).
    • Privilégiez les formulations "comment faire" là où les blogs se classent — une page d’application avec un schéma HowTo/FAQ peut les battre.

Phase 3 — SEO on-page de la page d’atterrissage

Architecture Vite + React SSG (par défaut)

Une SPA est invisible pour les robots d’indexation sans rendu JavaScript, donc livrez du HTML statique pré-rendu. Aucun framework SSG n’est nécessaire — un script de pré-rendu d’environ 30 lignes fait l’affaire, et les pages n’ont généralement besoin d’aucun JS côté client (les accordéons FAQ sont des <details> natifs ; n’hydratez pas ce qui n’a pas d’interactivité) :

landing/
  package.json          # build : vite build --ssr src/entry-server.tsx --outDir dist-ssr && node scripts/prerender.mjs
  vite.config.ts        # plugins: [react()], ssr: { noExternal: true }  ← bundl react dans dist-ssr pour que prerender.mjs l’importe de manière autonome
  index.html            # coquille de développement uniquement : <div id="root"> + /src/entry-client.tsx
  public/               # style.css, assets/ (copiés textuellement dans dist/)
  src/
    data.ts             # TOUT le contenu : entrées FAQ, corps des guides, titres, descriptions. Source unique de vérité.
    seo.ts              # Type PageMeta + constructeurs JSON-LD (homeJsonld, guideJsonld, breadcrumbJsonld) lisant depuis data.ts
    components.tsx      # Header, Footer, StoreBadge, FaqItem, GuideCard, CtaCallout
    pages/              # Home.tsx, GuidePage.tsx, GuidesIndex.tsx
    routes.tsx          # ROUTES : [{ meta: PageMeta, element }] — une entrée par page, les guides sont répartis depuis data.ts
    entry-server.tsx    # renderRoute(route) : chaîne HTML complète — balises head + JSON-LD + renderToStaticMarkup(body)
    entry-client.tsx    # développement uniquement : matchRoute(location.pathname) → createRoot().render()
  scripts/prerender.mjs # importe dist-ssr/entry-server.js ; écrit dist/<path>/index.html par route + sitemap.xml + robots.txt ; cpSync public/ → dist/

Décisions clés intégrées dans cette structure :

  • renderToStaticMarkup, pas renderToString — pas de marqueurs d’hydratation, HTML propre, car aucun bundle client n’est livré.
  • URLs propres : les chemins de routes se terminent par / (/guides/<slug>/) et le pré-rendu écrit <path>/index.html. Les liens internes sont absolus par rapport au site (/guides/…/), ce qui permet également la navigation sur le serveur de développement.
  • Expérience développeur : vite sert entry-client.tsx avec HMR ; l’entrée client n’est jamais livrée en production.
  • Utilisez esc() pour les valeurs d’attributs dans le modèle head construit à la main ; JSON-LD via JSON.stringify (pas de problèmes d’échappement).
  • L’attribut React est fetchPriority (camelCase) — fetchpriority en minuscules génère un avertissement.

Règles on-page (quel que soit le stack)

Sections : hero, téléchargement, captures d’écran, comment ça marche, guides, FAQ, CTA, pied de page.

  • Exactement un H1, contenant le mot-clé principal. Les titres de sections sont des H2 (les titres de type "Disponible sur" ne doivent pas être des H1).
  • <title> ≈ "Marque — Mot-clé principal pour le public" (≤60 caractères). Meta description ≤155 caractères avec mot-clé principal et principaux différenciateurs.
  • URL canonique par page, balises OG + Twitter Cards, apple-itunes-app meta (bannière intelligente d’application). Dans la configuration Vite, ces éléments se trouvent dans entry-server.tsx ; Next.js : metadataBase, alternates.canonical, template du titre, itunes.appId.
  • JSON-LD sur la page d’accueil : SoftwareApplication (avec offers, installUrl ; ignorez aggregateRating en dessous d’environ 50 évaluations), FAQPage, WebSite. Construisez les objets dans seo.ts à partir de data.ts afin que le schéma et le texte visible partagent une seule source.
  • Badges de magasin / CTA de téléchargement au-dessus de la ligne de flottaison, plus une section CTA répétée plus bas.
  • Les captures d’écran reçoivent un texte alt contenant le mot-clé et décrivant l’écran réel. Recompressez les PNG du store (souvent 1–2 Mo chacun) en JPEG ≤200 Ko (sips -Z 1386 -s format jpeg -s formatOptions 80) ; conservez les originaux dans public/assets/full/.
  • FAQ : 8 à 10 questions, chacune étant une véritable requête de recherche, répondue en 2 à 3 phrases, chacune avec un lien "En savoir plus →" vers son guide correspondant. Le JSON-LD FAQPage doit contenir le même texte Q/A que la FAQ visible — les deux sont rendus à partir du même tableau data.ts.
  • sitemap.xml + robots.txt : générés par scripts/prerender.mjs à partir de la liste ROUTES, de sorte que les nouveaux guides apparaissent automatiquement.

Phase 4 — Pages guides (une par mot-clé longue traîne)

Stockez le contenu des guides dans le module de données unique (src/data.ts dans la configuration Vite ; lib/guides.ts dans Next.js) et rendez-le via un seul composant modèle afin que le schéma, les cartes, les liens de pied de page et le sitemap dérivent tous de la même liste. Modélisez chaque guide comme des données structurées, pas comme des blocs HTML : { slug, title, description, h1, intro, featureImage: { src, alt, width, height }, howto?, sections: [{ h2, paras, cta?, figure? }], faq, related } — l’appel au CTA et les figures deviennent des composants, et les paragraphes restent des chaînes de caractères interrogeables (le HTML en ligne <em> via dangerouslySetInnerHTML est acceptable).

Workflow d’image de fonctionnalité avec GPT Image

Chaque article guide reçoit sa propre image de fonctionnalité en paysage. Chargez et utilisez le skill gpt-image, qui appelle gpt-image-2 d’OpenAI ; ne remplacez pas par des images libres de droits, des dégradés CSS, des captures d’écran ou un autre modèle d’image sauf demande explicite de l’utilisateur. Si gpt-image n’est pas installé, arrêtez-vous avant la génération d’images et demandez à l’utilisateur d’installer le skill frère de ce dépôt.

  1. Une fois les titres et slugs des guides finalisés, réalisez un brief d’image par guide à partir de son intention de recherche, de son sujet concret et de l’identité visuelle de l’application capturée dans app.md. Les concepts doivent être significativement différents, pas des permutations de palette d’une même composition.
  2. Générez une invite pour une image de fonctionnalité éditoriale dans la palette de couleurs de la marque de l’application. Décrivez le sujet, le cadre, la composition, l’éclairage, les matériaux, la caméra/le point de vue, et où l’espace de respiration visuelle doit se situer. Terminez chaque invite par : Landscape editorial feature image, 3:2 composition. Absolutely no text, words, letters, numbers, captions, watermarks, interface labels, or logos. Ne demandez pas au modèle de rendre le titre de l’article.
  3. Résolvez GPT_IMAGE_SKILL_DIR vers le répertoire installé contenant le SKILL.md du skill gpt-image, puis exécutez son générateur avec une destination déterministe :
    "$GPT_IMAGE_SKILL_DIR/scripts/generate_image.py" "<invite spécifique au guide>" \
      --model gpt-image-2 \
      --aspect-ratio 3:2 \
      --quality high \
      --background opaque \
      --format webp \
      --output "<répertoire-public-du-site>/assets/guides/<slug>-feature.webp"
    
    Cela produit une source paysage de 1536×1024. Créez le répertoire de destination si nécessaire. Préservez la source générée ; utilisez le pipeline d’images du framework pour des variantes responsives plus petites plutôt que de la recompresser.
  4. Inspectez chaque image en pleine taille avant de l’intégrer. Vérifiez l’absence de texte/lglyphes accidentels, d’objets mal formés, d’UI d’application copiée, de logos non intentionnels, de sujets hors de propos et d’une mauvaise sécurisation des recadrages aux formats desktop et carte. Ne régénérez que les images échouées, en modifiant l’invite pour corriger le défaut observé ; arrêtez-vous après deux régénérations échouées pour le même guide et signalez le problème restant plutôt que de passer un temps infini.
  5. Ajoutez l’image à l’enregistrement structuré du guide avec width: 1536, height: 1024 et un texte alt descriptif concis basé sur ce que l’image contient réellement. Rendez-la comme image de fonctionnalité au-dessus de la ligne de flottaison de l’article, comme vignette de la carte guide, et comme og:image/twitter:image de la page. Ajoutez-la à Article.image JSON-LD sous forme d’URL absolue. N’utilisez pas le mot-clé de recherche comme texte alt passe-partout s’il ne décrit pas les pixels.

Par guide :

  • Slug URL = mot-clé (/guides/comment-suivre-les-stocks-petite-entreprise)
  • Ouverture en réponse directe : le premier paragraphe répond directement à la question recherchée (appât pour extrait optimisé), puis le corps enseigne la tâche avec l’application intégrée comme outil — enseignez d’abord, vendez ensuite.
  • Les H2 portent des formulations secondaires du mot-clé. 600 à 900 mots de substance, sans remplissage.
  • Une capture d’écran pertinente de l’application avec légende descriptive, un appel au CTA au milieu de la page, et une FAQ de 2 questions propre à ce guide (ne dupliquez pas les questions de la FAQ de la page d’accueil — duplication de schéma).
  • JSON-LD : Article + BreadcrumbList + FAQPage, plus HowTo lorsque le guide se présente sous forme d’étapes.
  • Liez les guides entre eux et vers les sections de la page d’accueil.
  • L’image de fonctionnalité générée par GPT Image est présente, unique à l’article, et intégrée dans le hero, la carte, les métadonnées sociales et Article.image JSON-LD. Utilisez des srcset responsives / l’optimisation d’images du framework et définissez des dimensions explicites pour éviter les déplacements de mise en page ; ne chargez pas paresseusement l’image de fonctionnalité au-dessus de la ligne de flottaison.

Phase 5 — Désartificialiser le texte (Wikipédia : Signes d’écriture par IA)

Passez en revue TOUT le contenu que vous avez écrit (guides, réponses FAQ, texte hero/section) avant de livrer. Les indicateurs, par ordre d’importance :

  1. Tirets cadratins — indicateur n°1. Budget : une poignée sur l’ensemble du site, pas par paragraphe. Remplacez par des points, des virgules, des deux-points, des parenthèses.
  2. Parallélismes négatifs — "Ce n’est pas X, c’est Y", "pas seulement X mais Y", "X, pas Y". Maximum un par site, et seulement s’il mérite sa place.
  3. Règle de trois — "pas de A, pas de B, pas de C", "adj, adj, adj". Divisez en paires ou en listes réelles.
  4. Structure formulique — ouvertures identiques d’une page à l’autre (par exemple, chaque guide commençant par le même modèle de thèse en gras). Variez : réponse directe, scénario, affirmation simple.
  5. Rythme percutant uniforme — phrase après phrase courte qui envoie un punch. Variez la longueur des phrases ; laissez certaines phrases simplement transmettre des informations.
  6. Liste noire de vocabulaire : plonger, tapisserie, testament, pivot, crucial, vibrant, sans couture, sans effort, se vante, levier, élever, robuste, minutieux, paysage, souligner, mettre en valeur, favoriser, transformateur, révolutionnaire, bouleverser, autonomiser, rationaliser, "fonctionnalité phare", "source unique de vérité", "en toute confiance", répétition de "Voici comment/Voici le...".
  7. Évitement de la copule — "sert de", "se présente comme", "représente" là où "est" fonctionne. Utilisez "est".
  8. Participles d’analyse superficielle — clauses "...soulignant", "...mettant en évidence", "...reflétant" ajoutées en fin de phrase.
  9. Remplacez les aphorismes par des éléments concrets (un prix, un mois, un objet nommé). Les éléments concrets sonnent humains ; les généralités sonnent générées.

Vérification mécanique (adaptez les chemins) :

grep -o "—" <fichiers de contenu> | wc -l   # cible : chiffres à un seul chiffre sur l’ensemble du site
grep -inE "delve|tapestry|testament|pivotal|crucial|vibrant|seamless|effortless|boasts|leverage|elevate|robust|meticulous|landscape|underscore|showcas|foster|transformativ|game.chang|revolutioniz|empower|streamlin|serves as|stands as|it's not just|isn't just|not only" <fichiers de contenu>

Les noms de classes CSS (par exemple transition-transform) généreront des faux positifs ; ignorez-les. Ce que vous gardez doit survivre à la question : "un humain occupé écrirait-il cette phrase ?"

Conservez intacts pendant la désartificialisation : slugs, titres/mots-clés, liens internes, schéma (régénérez le schéma à partir de la source réécrite afin que le texte visible et le JSON-LD restent identiques).

Phase 6 — Vérifier

  • npm run build doit réussir, puis exécutez une vérification scriptée sur dist/**/index.html : exactement un H1 par page, canonique présent, chaque <script type="application/ld+json"> s’analyse correctement, chaque href/src interne résout un fichier dans dist (faites correspondre les URLs avec slash de fin à <path>/index.html), chaque <loc> du sitemap correspond à un fichier réel, et les questions FAQ visibles de la page d’accueil sont égales aux names de FAQPage JSON-LD.
  • Vérifiez que chaque enregistrement de guide possède une image de fonctionnalité paysage distincte, que chaque fichier existe dans la sortie construite, que les dimensions intrinsèques sont plus larges que hautes, que les attributs HTML width/height correspondent à la source, et que les URL Open Graph, Twitter et Article.image de chaque guide résolvent des fichiers webp réels dans dist/.
  • Exécutez la vérification mécanique de la Phase 5 sur tous les fichiers de contenu dans src/. Ne lancez pas le site tant que les compteurs ne sont pas propres (les faux positifs des classes CSS sont autorisés).
  • L’image og:image par défaut (page d’accueil, index des guides) doit également être générée via le workflow gpt-image avec le même pipeline. Utilisez une invite générale pour la marque. Aucune page ne doit dépendre d’images libres de droits, de dégradés ou de texte simplement rendu.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills associés