Communitygithub.com

CRO-анализ посадочной страницы (научный подход)

Выполняет комплексный CRO-анализ целевой страницы на основе 5 научных метрик, выявляя приоритетные исправления для повышения конверсии.

CRO-анализ посадочной страницы (научный подход) 是什么?

Этот навык предназначен для проведения глубокого CRO-анализа (оптимизации коэффициента конверсии) любой посадочной страницы. Он использует научно обоснованный подход, оценивая страницу по пяти ключевым метрикам: CRO Score (MECLABS), LIFT Score, Scannability Score, Trust Factor и Resonance Rate. Анализ включает пошаговые вычисления для каждой метрики на основе заранее заданных критериев и весов, что обеспечивает объективность. Навык также автоматически определяет портрет целевой аудитории (ICP), генерирует A/B тесты для каждого приоритетного исправления и выполняет мобильный аудит. Он особенно полезен для маркетологов, продакт-менеджеров и владельцев бизнеса, стремящихся системно улучшить конверсию лендингов, регистраций и продаж, предоставляя конкретные, приоритизированные рекомендации и доказательную базу для изменений. Поддерживается на любой платформе, поддерживающей веб-запросы (WebFetch), и активируется командой `/market-ru-landing <url>`.

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Valdiss-Valdiss/ai-marketing-ru-landing/tree/main/skills/market-ru-landing

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

CRO-анализ посадочной страницы (научный подход) 是做什么的?

Назначение навыка

Выполнение комплексного CRO-анализа (оптимизация коэффициента конверсии) любой посадочной страницы на основе 5 метрик: CRO Score (MECLABS), LIFT Score, Scannability Score, Trust Factor, Resonance Rate.

Данный навык производит поэлементный разбор страницы с приоритизированными, практически применимыми исправлениями, основанными на психологии поведения пользователя.

Когда использовать

  • Пользователь предоставляет URL лендинга и просит CRO-анализ
  • Пользователь запрашивает оптимизацию конверсии
  • Пользователь хочет улучшить регистрацию, сбор лидов или продажи
  • Запускается командой /market-ru-landing <url>

Как выполнить

Шаг 0: Определение ICP

ICP определяется автоматически:

  • Если пользователь указал ICP в команде → используется предоставленный
  • Если ICP не указан → используется "generic problem-aware audience"

Примеры ICP: "B2B SaaS, CTO, growth stage", "Малый бизнес, хочет снизить расходы", "E-commerce владельцы магазинов"

Почему это важно: Страница должна соответствовать уровню осознанности аудитории — если пользователь знает о проблеме, но видит оффер для "полностью осведомлённых" — возникает разрыв в коммуникации.

Шаг 1: Получить контент страницы

Используйте WebFetch или другой доступный метод для получения HTML-контента страницы.

Шаг 2: Анализ по 5 метрикам

Анализ состоит из 5 независимых метрик. Для КАЖДОЙ метрики:

  1. Оцените факторы/блоки/триггеры/боли по таблицам критериев
  2. Рассчитайте итоговый score по формуле
  3. Для КАЖДОГО фактора запишите findings (что найдено на странице) и fixes (рекомендации) в JSON

2.1. CRO Score (MECLABS)

ВАЖНО: CRO Score вычисляется СТРОГО по формуле. НЕ оценивайте его "на глаз". Следуйте алгоритму ниже шаг за шагом.

Алгоритм расчёта (ОБЯЗАТЕЛЬНО)

Шаг 1: Оцените каждый фактор от 1 до 10 по таблицам критериев ниже.

Шаг 2: Рассчитайте каждый компонент ОТДЕЛЬНО:

  • M_component = M × 4 = [значение]
  • V_component = V × 3 = [значение]
  • I_component = I × 2 = [значение]
  • F_component = F × 2 = [значение]
  • A_component = A × 2 = [значение]

Шаг 3: Сложите все компоненты:

  • CRO = M_component + V_component + I_component + F_component + A_component

Шаг 4: ПЕРЕД записью в JSON — проверьте:

  • cro_score ДОЛЖЕН РАВНЯТЬСЯ сумме из Шага 3
  • Если не совпадает — пересчитайте

Формула:

C = (M × 4) + (V × 3) + (I × 2) + (F × 2) + (A × 2)
Таблицы критериев
M (Motivation) — Мотивация (вес ×4)
ОценкаКритерии
1-3Пользователь не понимает свою проблему, ищет информацию
4-6Пользователь знает проблему, ищет решение
7-10Пользователь готов к покупке, сравнивает варианты
V (Value Proposition) — Ценностное предложение (вес ×3)
ОценкаКритерии
1-3Неясное, размытое, generic
4-6Понятно что делают, но не почему именно эта компания
7-10Чёткое УТП, отличие от конкурентов, конкретные выгоды
I (Incentive) — Стимулы (вес ×2)
ОценкаКритерии
1-3Нет ограничений, нет urgency, нет бонусов
4-6Есть 1-2 триггера (скидка ИЛИ urgency ИЛИ бонус)
7-103+ триггера одновременно
F (Friction) — Трение (вес ×2)
ОценкаКритерии
1-3Форма 1-2 поля, простой процесс, понятный CTA
4-6Форма 3-5 полей, есть дополнительные шаги
7-10Форма 6+ полей, сложный процесс, непонятный CTA
A (Anxiety) — Тревога (вес ×2)
ОценкаКритерии
1-3Гарантия рядом с CTA, отзывы видны, политика есть
4-6Гарантия где-то на странице, частичные отзывы
7-10Нет гарантии, нет отзывов, нет политики рядом с CTA
Пример расчёта (allokna.ru)

Шаг 1 — Оценка факторов:

ФакторОценкаОбоснование
M5Локальный бизнес, боль известна, но не акцентирована
V4"тепло и комфорт" — эмоция без конкретики
I2Нет urgency, нет бонусов
F6Форма 2 поля (хорошо), но 15+ пунктов навигации
A6Нет гарантии, нет отзывов рядом с CTA

Шаг 2 — Компоненты:

  • M × 4 = 5 × 4 = 20
  • V × 3 = 4 × 3 = 12
  • I × 2 = 2 × 2 = 4
  • F × 2 = 6 × 2 = 12
  • A × 2 = 6 × 2 = 12

Шаг 3 — Итого: CRO = 20 + 12 + 4 + 12 + 12 = 60/100 (Средний)

Шаг 4 — Валидация: 60 = 20+12+4+12+12 ✓

Для каждого фактора запишите в JSON:
  • score (1-10)
  • findings — конкретные факты со страницы
  • fixes — рекомендации с приоритетами HIGH/MEDIUM/LOW

2.2. LIFT Score

Формула:

LIFT_raw = (Релевантность + Ясность + Срочность + Ценность) - (Тревога + Отвлечение)
LIFT = ((LIFT_raw + 16) / 54) × 100

Где:

  • -16 = минимум (все драйверы=1, все ингибиторы=10)
  • +16 = сдвиг чтобы получить 0
  • 54 = диапазон (38 - (-16))

Диапазон: 0-100%

  • <40% = Низкий
  • 40-70% = Средний
  • 70% = Высокий

Таблицы критериев
Релевантность (Драйвер)
ОценкаКритерий
1-2Заголовок не отвечает на потребность ICP. "Кто мы" вместо "Что получишь"
3-4Заголовок отдалённо связан с потребностью, но не точно
5-6Заголовок частично отвечает на главную боль ICP
7-8Заголовок точно отвечает на главную боль ICP
9-10Заголовок полностью резонирует с ICP — "Это для меня!"
Ясность (Драйвер)
ОценкаКритерий
1-2Непонятно что предлагается. Жаргон, абстракции
3-4Понятно в общих чертах, но детали размыты
5-6Большинство поймёт. Нет жаргона
7-8Всё чётко: что, кому, зачем
9-10Мгновенное понимание. Каждое слово работает
Срочность (Драйвер)
ОценкаКритерий
1-2Нет ограничений. "Приходите когда угодно"
3-4Намёк на ограничение, но нечёткий
5-6Есть 1-2 триггера срочности
7-8Чёткие ограничения: время, количество, условия
9-10Сильная срочность: countdown, "последний товар", deadline
Ценность (Базис)
ОценкаКритерий
1-2Цена неясна или указана без выгоды
3-4Выгоды размыты, цена есть
5-6Выгоды понятны, но не уникальны
7-8Чёткое соотношение цена/выгода
9-10Явная ценность: "Дорогие аналоги = X, Наш = X-Y, Выгода = Z"
Тревога (Ингибитор)
ОценкаКритерий
1-2Гарантия, отзывы, политика рядом с CTA. Ноль сомнений
3-41-2 сигнала доверия, но не рядом с CTA
5-6Сигналы есть, но слабые или размытые
7-8Сомнения присутствуют: нет гарантии, нет отзывов
9-10Максимальная тревога: нет доверия вообще
Отвлечение (Ингибитор)
ОценкаКритерий
1-2Фокус на одной цели. Нет лишних ссылок
3-41-2 отвлекающих элемента, но некритично
5-6Много навигации, но цель видна
7-8Много отвлечений: баннеры, ссылки, popup
9-10Хаос: всё отвлекает, цель потеряна
Пример расчёта
LIFT_raw = (4 + 4 + 2 + 4) - (7 + 6) = 14 - 13 = 1
LIFT = ((1 + 16) / 54) × 100 = 31.5%
Для каждого фактора запишите в JSON:
  • score (1-10)
  • findings — конкретные факты со страницы
  • fixes — рекомендации с приоритетами

2.3. SS — Scannability Score

Формула:

SS = Σ(оценка_блока × вес_блока) × 100%

Диапазон: 0-100%

  • <50% = Плохая
  • 50-70% = Средняя
  • 70% = Хорошая

Таблица блоков
БлокВес1-23-45-67-89-10
H120%Нечитаем, >15 словчитаемо, но длинно<10 слов, выгодакороткий, <8 слов<6 слов, точное УТП
Subheadline15%Отсутствуетдлинный, без структурыпонятен, но длинныйкороткий, конкретный1-2 предложения, ценность
CTA кнопка20%невидима, мелкаявидна, цвет сливаетсяконтраст, текст genericтекст с выгодойтекст=выгода, first person
Структура H2-H315%нет заголовков1-2 заголовказаголовки естьчёткая иерархияscannable за 3 сек
Визуал15%стоковые фотофото релевантны, стокреальные фотофото + текстфото клиентов/результатов
Пробелы/воздух15%текст сливаетсяпробелы неравномернодостаточно воздухачистый дизайнотличная читаемость
Пример расчёта
SS = (4×0.2 + 4×0.15 + 4×0.2 + 3×0.15 + 3×0.15 + 4×0.15) × 100
SS = (0.8 + 0.6 + 0.8 + 0.45 + 0.45 + 0.6) × 100 = 37%
Для каждого блока запишите в JSON:
  • score (1-10)
  • findings — конкретные факты со страницы
  • fixes — рекомендации с приоритетами

2.4. TF — Trust Factor

Формула:

TF = Σ (присутствующий_тип × вес)

Диапазон: 0-N

  • 0-1.5 = ❌ Критично
  • 2-4.5 = ⚠️ Недостаточно
  • 5-7.5 = ✅ Есть база
  • 8-10+ = ✅✅ Сильное
Таблица триггеров
Тип триггераВесОписаниеПример
Отзывы клиентов2.0Именованные, с фото, должностью"Анна К., владелец квартиры" + фото
Результаты клиентов2.0Конкретные цифры (деньги, %, время)"Сократил расходы на отопление на 40%"
Видео-отзывы2.0Запись с реальным клиентомСсылка на YouTube с клиентом
Кейсы до/после1.5Фото + описание результатаФото окна ДО/ПОСЛЕ
Логотипы клиентов1.5Узнаваемые компании"Работаем с Газпром, Сбербанк"
Рейтинги第三方1.5Яндекс.Карты, Google, 2ГИС"4.9 на Яндекс.Картах (247 отзывов)"
Гарантия1.5Явная, рядом с CTA"Гарантия 10 лет на конструкции"
Сертификаты1.0Отраслевые, не supplier"ISO 9001", "Лицензия"
Статистика компании1.0Цифры опыта"15 лет на рынке", "5000+ окон"
Политика возврата1.0Чёткая, visible"Вернём деньги за 30 дней"
Соцсети0.5Активные профили с подписчиками"10K подписчиков в VK"
Контакты0.5Адрес, телефон, emailг. Ярославль, +7(4852)66-27-21
Supplier badges0.3Логотипы поставщиковЛоготип Rehau в футере
Пример расчёта
ТипПримерВесБалл
Supplier badgesRehau, Roto, Axor (3 шт)0.3 × 30.9
Статистика компании"15 лет на рынке"1.01.0
Контактыадрес, телефон, email0.5 × 31.5
ИТОГО3.4
В JSON запишите:
  • triggers[] — массив найденных триггеров с type, count, weight, score
  • missing[] — массив отсутствующих типов триггеров
  • findings — общие находки
  • fixes — рекомендации

2.5. RR — Resonance Rate

Формула:

RR = (Σ оценка_боли / количество_болей) × 100%

Диапазон: 0-100%

  • <30% = Слабое
  • 30-60% = Среднее
  • 60% = Сильное

Алгоритм определения болей ICP

Шаг 1: Определить тип бизнеса (Окна/двери, SaaS, E-commerce, Услуги, Локальный бизнес)

Шаг 2: Взять универсальные боли + типовые по бизнесу

Универсальные боли (для всех):

  • "Дорого"
  • "Не доверяю"
  • "Сделают/пришлют не так"
  • "Не разберусь"
  • "Не уложусь в срок"

Типовые боли по бизнесу:

Тип бизнесаБоли
Окна/двери"Холодно зимой", "Шумно", "Сделают криво/косо", "Долго ждать", "Сложно выбрать"
SaaS"Сложно внедрить", "Не интегрируется", "Дорого для команды", "Не удержу пользователей"
E-commerce"Не придёт вовремя", "Товар не тот", "Не вернут деньги", "Сломалось через неделю"
Таблица оценки каждой боли
ОценкаКритерий
0%Боль НЕ упомянута на странице
25%Боль упомянута, но решения НЕТ
50%Есть решение, но БЕЗ доказательств
75%Есть решение + 1 доказательство
100%Есть решение + сильное доказательство (цифры, видео-отзыв)
Пример расчёта
БольОценка
Дорого50%
Холодно50%
Шумно50%
Криво50%
Долго0%
Сложно25%
ИТОГО(50+50+50+50+0+25)/6 = 37.5%
В JSON запишите:
  • pains[] — массив болей с pain, score (0-100), evidence
  • findings — общие находки
  • fixes — рекомендации

Шаг 3: Мобильный аудит

  • CTA в thumb-zone (нижняя половина)
  • Текст ≥16px
  • Формы удобны для tap
  • Нет горизонтального скролла
  • Sticky CTA при скролле

Шаг 4: Генерация A/B тестов

Для КАЖДОГО HIGH-priority fix из метрик 2.1-2.5 сгенерируйте A/B тест:

Шаблон:

{
  "hypothesis": "Если мы [конкретное изменение], тогда [метрика] [улучшится], потому что [причина]",
  "metric": "что измерять (CTR, conversion rate, bounce rate)",
  "variant_a": "текущий текст/элемент со страницы (точная цитата)",
  "variant_b": "рекомендуемое изменение (полный текст)"
}

Требования:

  • Variant A — ТОЧНАЯ цитата с анализируемой страницы
  • Variant B — конкретный рекомендуемый текст
  • Метрика — конкретная метрика для измерения
  • Гипотеза — привязана к конкретному finding

Пример:

{
  "hypothesis": "Если изменим headline с функционального на выгодный, тогда CTR hero-секции увеличится, потому что пользователь мгновенно увидит выгоду",
  "metric": "CTR hero-секции",
  "variant_a": "Производство и установка ПЛАСТИКОВЫХ и АЛЮМИНИЕВЫХ ОКОН",
  "variant_b": "Холодно зимой? Установите тёплые окна за 5 дней — гарантия 10 лет"
}

Шаг 5: Приоритизированные действия

Соберите ВСЕ fixes из ВСЕХ метрик (2.1-2.5 + мобильный аудит) в единый массив all_fixes[]:

"all_fixes": [
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "lift.urgency"},
  {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "ss.h1"},
  ...
]

Поле source указывает, из какой метрики пришла рекомендация:

  • cro.motivation, cro.value_proposition, cro.incentive, cro.friction, cro.anxiety
  • lift.relevance, lift.clarity, lift.urgency, lift.value, lift.anxiety, lift.distraction
  • ss.h1, ss.subheadline, ss.cta, ss.structure, ss.visual, ss.spacing
  • tf.trigger_type
  • rr.pain_name
  • mobile.issue

相关技能