Communitygithub.com

bighardperson/computer-science-skills-collection

Évaluez n'importe quelle page d'atterrissage avec un cadre d'audit CRO et convertissez les données d'enquête en aimants à prospects. À utiliser lorsqu'on vous demande "auditer cette page d'atterrissage", "noter cette page", "audit CRO", "convertir une enquête en aimant à prospects", "optimiser le taux de conversion" ou "analyser cette page formulaire".

Qu'est-ce que computer-science-skills-collection ?

Cette compétence d'agent IA spécialisée en optimisation du taux de conversion (CRO) vous permet d'auditer et de noter rapidement n'importe quelle page d'atterrissage selon 8 dimensions de conversion (clarté du titre, visibilité du CTA, preuve sociale, urgence, signaux de confiance, friction de formulaire, réactivité mobile, indicateurs de vitesse). L'outil CRO Audit fonctionne sans navigateur sans tête et peut analyser une URL unique, plusieurs URLs en mode batch, ou les lire depuis un fichier. Il génère un score global sous forme de note (A+ à F), des correctifs classés par impact, et une comparaison avec les benchmarks du secteur. La compétence inclut également un moteur de conversion enquête-aimant à prospects qui ingère des fichiers CSV d'enquête, segmente les répondants par points de douleur, et produit des briefs d'aimants à prospects pour chaque segment (titre, format, plan de contenu, CTA, potentiel viral). Aucune clé API n'est requise, l'analyse est entièrement locale et les données restent privées. Un suivi télémétrique optionnel est disponible. Prend en charge les secteurs : SaaS, e-commerce, agence, finance, santé, éducation, B2B et général.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bighardperson/computer-science-skills-collection/tree/HEAD/skills/conversion-ops
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

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

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

AI Conversion Ops

Préambule (exécuté au démarrage de la compétence)

# Vérification de version (silencieuse si à jour)
python3 telemetry/version_check.py 2>/dev/null || true

# Télémétrie optionnelle (première exécution uniquement, puis mémorise votre choix)
python3 telemetry/telemetry_init.py 2>/dev/null || true

Confidentialité : Cette compétence enregistre l'utilisation localement dans ~/.ai-marketing-skills/analytics/. La télémétrie à distance est uniquement sur consentement. Aucun code, chemin de fichier ou contenu de dépôt n'est jamais collecté. Voir telemetry/README.md.

Optimisation du taux de conversion alimentée par l'IA : audits de pages d'atterrissage, notation CRO, segmentation d'enquêtes et génération d'aimants à prospects.

Quand l'utiliser

  • L'utilisateur demande un audit de page d'atterrissage ou une analyse CRO
  • L'utilisateur souhaite noter une page selon les dimensions de conversion
  • L'utilisateur a besoin d'identifier les goulots d'étranglement de conversion sur une URL
  • L'utilisateur dispose de données d'enquête et souhaite segmenter les répondants par point de douleur
  • L'utilisateur souhaite des idées d'aimants à prospects générées à partir de réponses d'enquête
  • L'utilisateur a besoin d'une analyse CRO par lots sur plusieurs URLs

Outils

Audit CRO (cro_audit.py)

Récupère une page d'atterrissage et la note selon 8 dimensions de conversion. Aucun navigateur sans tête n'est nécessaire.

# Audit d'une seule URL
python cro_audit.py --url https://example.com/page-d-atterrissage

# Mode Batch — plusieurs URLs
python cro_audit.py --urls https://example.com/page1 https://example.com/page2

# URLs depuis un fichier (une par ligne)
python cro_audit.py --file urls.txt

# Spécifier le secteur pour une comparaison avec les benchmarks
python cro_audit.py --url https://example.com --industry saas

# Sortie JSON
python cro_audit.py --url https://example.com --json

# Enregistrer le rapport dans un fichier
python cro_audit.py --url https://example.com --output rapport.json

Dimensions de notation (chacune de 0 à 100) :

  1. Clarté du titre — La proposition de valeur est-elle évidente en moins de 5 secondes ?
  2. Visibilité du CTA — Les CTA sont-ils visibles, contrastés, au-dessus de la ligne de flottaison ?
  3. Preuve sociale — Témoignages, logos, études de cas, chiffres ?
  4. Urgence — Rareté, délais, offres limitées ?
  5. Signaux de confiance — Badges de sécurité, garanties, confidentialité, certifications ?
  6. Friction du formulaire — Combien de champs ? Le formulaire est-il intimidant ?
  7. Réactivité mobile — Balise viewport, motifs responsifs, cibles tactiles ?
  8. Indicateurs de vitesse de page — Optimisation des images, nombre de scripts, taille des ressources ?

Score CRO global = Moyenne pondérée sur les 8 dimensions.

La sortie comprend :

  • Score par dimension avec constatations spécifiques
  • Correctifs prioritaires classés par impact
  • Suggestions avant/après pour chaque problème
  • Comparaison avec les benchmarks du secteur
  • Note globale (A+ à F)

Secteurs pris en charge : saas, ecommerce, agency, finance, healthcare, education, b2b, general

Moteur Enquête vers Aimant à Prospects (survey_lead_magnet.py)

Ingère des données d'enquête CSV, regroupe les répondants par point de douleur et génère des briefs d'aimants à prospects pour chaque segment.

# Utilisation de base — analyser un CSV d'enquête
python survey_lead_magnet.py --csv responses_enquete.csv

# Spécifier les colonnes contenant les points de douleur / défis
python survey_lead_magnet.py --csv enquete.csv --pain-columns "plus_grand_defi" "principale_frustration"

# Limiter le nombre de segments
python survey_lead_magnet.py --csv enquete.csv --top-segments 5

# Sortie JSON
python survey_lead_magnet.py --csv enquete.csv --json

# Enregistrer la sortie
python survey_lead_magnet.py --csv enquete.csv --output aimants_prospects.json

Ce qu'il produit :

  • Groupes de points de douleur avec nombres de répondants
  • Segments classés par taille et potentiel commercial
  • Pour chaque segment prioritaire, un brief d'aimant à prospects :
    • Titre, format (guide/checklist/modèle/calculateur), accroche
    • Plan de contenu (5 à 7 sections)
    • CTA cible et canal de distribution
    • Score de potentiel viral + score de potentiel de conversion
  • Feuille de route de mise en œuvre priorisée

Format CSV : Questions comme en-têtes de colonnes, un répondant par ligne. Fonctionne avec tout export d'outil d'enquête (Typeform, Google Forms, SurveyMonkey, etc.)

Configuration

Aucune clé API requise. Les deux outils fonctionnent uniquement avec une analyse locale.

Variables d'environnement facultatives :

VariableRequiseDescription
USER_AGENTNonUser-agent personnalisé pour la récupération de page (valeur par défaut fournie)
REQUEST_TIMEOUTNonDélai d'attente HTTP en secondes (par défaut : 15)

Workflow recommandé

  1. Hebdomadaire : Exécutez cro_audit.py sur vos pages d'atterrissage principales pour suivre les scores CRO dans le temps
  2. Post-enquête : Exécutez survey_lead_magnet.py pour transformer les données d'enquête en stratégie de contenu
  3. Pré-lancement : Auditez les nouvelles pages d'atterrissage avant d'utiliser du trafic payant
  4. Mensuel : Auditez par lots les pages d'atterrissage des concurrents pour vous comparer

Dépendances

pip install -r requirements.txt

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

bighardperson/computer-science-skills-collection

>- Score, evaluate, and iteratively improve any content or strategy using an auto-assembled panel of domain experts. Handles copy, sequences, landing pages, strategy docs, titles, charts, recruiting evaluations, or anything else that needs a quality gate. Recursively iterates until all scores hit 90+ (max 3 rounds). Use when asked to: "expert panel this", "score this", "rate these variants", "quality check this", "panel review", "which version is better", "expert score", "evaluate this copy/strategy/page", or when another skill needs a quality gate on its output. Also triggers on: "score this landing page", "expert panel these email variants", "rate this headline", "panel these charts".

bighardperson/computer-science-skills-collection

CSS implementation patterns for layout, typography, color, spacing, and responsive design. Complements ui-design (fundamentals) with code-focused examples.

Skills associés

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community